[发明专利]一种基于混合时频域的旋转声源识别方法

说明书

本发明公开了一种基于混合时频域的旋转声源识别方法，包括步骤1、使用DAS识别声源；步骤2、基于频域反卷积方法清晰化声源识别结果，在无约束最优化式中，正则化参数选择λ＝min{0.001,0.001||b||_∞}，其中||·||_∞表示无穷范数，声源识别反卷积方法采用迭代求声源强度q。本发明的技术效果是：在采用较低的时域采样频率就能达到现有混合时域方法在高时域采样频率下的声源识别性能。

技术领域

本发明属于声场识别技术领域，具体涉及一种基于混合时频域的旋转声源识别方法。

背景技术

对以一定角速度旋转的声源，时域追踪DAS与反卷积方法组合形成混合时频域方法，可以高分辨率成像结果。该方法的第一步是：利用时域追踪识别声源；第二步是：基于频域反卷积方法清晰化声源识别结果。但是，混合时频域方法需要高采样频率实现过采样，以实现准确的时间延迟。当采样频率较低时，时间延迟计算不精确，则时域DAS波束形成结果不精确，后续反卷积声源识别结果的空间收敛性欠佳。

2015年，Lylloff等提出了一种新颖的提高效率的声源识别反卷积算法，即基于傅里叶变换的快速迭代收缩阈值算法(Fast Iterative Shrinkage-ThresholdingAlgorithm,FISTA)，该方法相比于基于傅里叶变换的NNLS空间收敛性更好、计算效率更高。但是，基于傅里叶变换的快速迭代收缩阈值算法仍需要较高的采样频率。

发明内容

针对现有技术存在的技术问题，本发明所要解决的技术问题就是提供一种基于混合时频域的旋转声源识别方法，它能降低时域采样频率，且在较低采样频率下，本发明的空间收敛、旁瓣抑制及计算效率的综合性能比先有技术更优。

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：

步骤1、使用DAS识别声源

假设t时刻旋转声源在第m个麦克风位置r_m处，m＝1,2,3,…,M为麦克风的序号，产生的时域声压为p(r_m,t)；

声源扫描面上第j个扫描网格点时域追踪DAS波束形成输出b_j(t)的时间信号为：

式中，j＝1,2,3,…,J，J是扫描网格点的总数，r_j(t)是t时刻第j个扫描网格点的位置矢量，r_mj(t)表示t时刻第m个麦克风到第j个扫描网格点的距离，c是声速；T_mj(r_m,r_j(t))表示t时刻第m个麦克风和第j个扫描网格点之间的传递函数；

步骤2、基于频域反卷积方法清晰化声源识别结果

波束形成输出和点传播函数之间的关系式为：

b＝Aq

subject to q_j≥0

式中，b是时间间隔上所有扫描网格点输出的自谱向量，q为未知的声源强度列向量，q_j是向量q的第j个元素；A是阵列点传播函数矩阵；

将波束形成输出和点传播函数之间的关系式转化为无约束最优化式：

式中，||·||₂表示l₂范数，||·||₁表示l₁范数，λ为促进声源稀疏的非负的正则化参数，表示声源强度

选择正则化参数λ＝min{0.001,0.001||b||_∞}，其中||·||_∞表示无穷范数；