[发明专利]一种快速迭代收缩波束形成声源识别方法

说明书

本发明公开了一种快速迭代收缩波束形成声源识别方法，它包括以下步骤：步骤1、构建差函数；步骤2、将进行傅里叶变换后求结果误差最小，由差函数中非负最小二乘问题转变成基于傅里叶变化的最小化式；步骤3、通过迭代求解，Q为经过傅里叶变化声源分布向量。与现有声源识别方法相比，本发明的计算效率更高，收敛性更好，收敛速度更快，声源识别综合性能更佳。

技术领域

本发明属于声场识别技术领域。

背景技术

基于反卷积的波束形成清晰化算法能够有效提高传统波束形成的空间分辨率、抑制旁瓣鬼影，提高声源识别性能。该类型方法的核心思想是基于传统波束形成的输出可近似于声源分布和阵列点传播函数的卷积的事实，通过反卷积获取声源真实信息。常见的方法有DAMAS、NNLS、Richardson-Lucy等，然而上述方法存在计算耗时长、收敛速度慢等问题，限制了其实际应用。为克服上述问题，在假设阵列点传播函数空间转移不变的基础上，基于空间快速傅立叶变换，将空间卷积转化为波数域乘积，提出了其对应的算法分别为DAMAS2、FFT-NNLS、FFT-Richardson-Lucy等，根据文献的对比，其中FFT-NNLS方法综合性较好。2015年Lylloff等提出FFT-FISTA算法，并与FFT-NNLS反卷积方法进行对比，结果表明：FFT-FISTA方法具有更高的计算效率和更快的收敛速度。

为了进一步提高运算效率、收敛性、收敛速度等声源识别综合性能，提出了本发明的快速迭代收缩波束形成声源识别方法。

FFT-FISTA是在2009年由Beck等提出用于解决信号图像处理中线性逆问题的FISTA迭代收缩算法。为提高FISTA方法图像处理的收敛速度和图形的重构性，2015年，Bhotto等在梯度函数最小化中引入正定权矩阵，提出IFISTA方法。

发明内容

本发明所要解决的技术问题就是提供一种快速迭代收缩波束形成声源识别方法，它能提高运算效率、收敛性和收敛速度。

本发明的思路是：在互谱成像波束形成理论和IFISTA算法基础上，引入正定权矩阵W_n，进行傅里叶变换，从而提高收敛性和收敛速度，同时减少了运算量，提高了运算效率。

本发明所要解决的技术问题是通过这样的技术方案实现的，它包括以下步骤：

步骤1、构建差函数

在阵列点传播函数、声源分布、传统波束形成输出结果之间构建差函数差函数式为：

式中，||·||₂代表2范数，A＝[psf(r|r')]为N×N维已知阵列点传播函数矩阵，N为聚焦网格点数目，N＝N_r×N_c，N_r和N_c分别为网格点行数和列数；q＝[q(r')]，为N维未知列向量，q表示声源分布，且q(r')≥0；r'为声源坐标向量，b＝[b(r)]为N维已知列向量，b表示波束形成的输出结果；

步骤2、将Aq-b进行傅里叶变换后求结果误差最小，由差函数中非负最小二乘问题转变成基于傅里叶变换的最小化式：

式中，||·||_Fro代表Frobenius范数；F和F^-1为傅里叶正变换和逆变换；Q_l为q_l的元素组成的N_r行N_c列的矩阵，q_l表示第l次迭代的声压贡献；A为阵列点传播函数矩阵，为A第1列元素形成的矩阵，B为傅里叶变换后波束形成输出结果向量；

步骤3、通过迭代求解Q，Q为经过傅里叶变换声源分布向量