[发明专利]适用于识别相干和非相干声源的反卷积声源成像方法

摘要

本发明公开了一种适用于相干和非相干声源的反卷积声源成像算法。利用传感器获得测量面的声压数据并作去噪处理，获得去噪声压数据；针对去噪声压数据采用延时求和算法计算聚焦面上各聚焦点处的延时求和输出；并利用声压Green函数和阵列导向矢量构建对应延时求和波束形成结果的新型点扩展函数矩阵，建立延时求和波束形成输出结果、声源源强分布以及新型点扩展函数矩阵之间的卷积关系。利用反卷积方法求解声源源强，从而实现噪声源的精确定位。本发明可同时适用于相干声源和非相干声源的识别，并有着较好的噪声鲁棒性，计算效率也远高于现有的可用于相干声源的反卷积声源成像方法。因此该算法具有更广泛的运用范围和实际意义。

主权项

一种适用于相干和非相干声源的反卷积声源成像算法，其特征是按如下步骤进行：步骤a、在K个声源辐射形成的声场中呈阵列布置M个传感器，形成测量面W，采集获得各传感器检测得到的测量声压p；步骤b、运用主成分分析方法对所述测量声压p进行去噪处理，获得去噪声压步骤c、将声源计算平面离散成网格面，所述网格面为聚焦面T，在所述聚焦面T中包含有N个网格点，每个网格点为聚焦点，利用延时求和算法由式(1)计算获得各聚焦点处波束形成的输出量y(rn)，n＝1,2,3…N，rn表示第n个聚焦点的坐标向量：y(rn)=1Mv(rn)Hp~---(1),]]>其中，v(rn)＝[v1(rn)v2(rn)…vM(rn)]为导向矢量，v(rn)H为导向矢量v(rn)的共轭转置，vm(rn)=|rn-rm|e-jk|rn-rm|,m=1,2,3...M,]]>j为虚数单位，k为声波波数，k＝2πf/c，π为圆周率，f为声源频率，c为声速，rm表示第m个传感器的坐标向量；步骤d、由式(2)计算获得聚焦面T上所有聚焦点的声源源强与延时求和波束形成的输出量y(rn)之间的传递函数组成的N维行向量w(rn)：w(rn)=1Mv(rn)HG---(2),]]>式(2)中，w(rn)＝[w(rn/r1)w(rn/r2)…w(rn/rN)]，w(rn/rn′)为延时求和波束形成的点扩展函数，n,n′＝1,2,3…N，N为聚焦网格点数，G为声压Green函数矩阵：|rn‑rm|表示第n个聚焦点到第m个传声器之间的距离；因w(rn)为N维行向量，聚焦面上共有N个聚焦点，则由N个N维行向量w(rn)构成的N×N的矩阵W表达如式(3)，定义矩阵W为新型点扩展函数矩阵：步骤e、建立如式(4)所示的矩阵方程：y＝Wq  (4)，式(4)中，y为所有聚焦点处波束形成的输出量组成的N维已知列向量，q为N维的声源源强分布列向量；针对式(4)按如下反卷积过程求解获得N维的声源源强分布列向量q；采用迭代收缩阈值算法，根据式(4)建立如式(5)所表达的目标方程：Minimize||Wq-y||22Subjectto||q||1≤λ---(5),]]>式(5)中，||·||2表示L2范数，||·||1表示L1范数；λ为正则化参数；依据求解获得的N维的声源源强分布列向量q的模进行声源的识别与定位。