[发明专利]一种面向低频高斯噪声源的声源定位仿真方法

说明书

本发明公开了一种面向低频高斯噪声源的声源定位仿真方法，包括：将声源所在平面作为声源扫描平面，将声源扫描平面划分成若干个网格；设置麦克风阵列采集声信号，输出麦克风阵列信号作为阵列输出信号，对阵列输出信号进行频谱分析以及时频谱分析，得到声信号的特征频率；对阵列输出信号表达式的等号两边的式子分别求协方差矩阵得到等号左侧协方差矩阵和等号右侧协方差矩阵；将等号左侧协方差矩阵按行展开，并转置成列向量形式，将得到的列向量作为压缩感知的测量值；将等号右侧协方差矩阵按行展开，得到压缩感知的矩阵表达式；通过测量值和矩阵表达式计算声源的能量向量，定位声源位置。上述方法具有高分辨率和极好的抗噪性。

技术领域

本发明涉及信号处理领域，具体涉及一种面向低频高斯噪声源的声源定位仿真方法。

背景技术

声源定位，就是用非接触、遥感方式表征声音的位置和能量信息，找到异常噪声源的位置，以可视化图像的形式给出声音的空间分布特征。

目前高分辨率声源定位方法主要是谱估计类算法，例如MUSIC算法和ESPRIT算法。

但是，现有技术中至少存在以下缺点和不足：

MUSIC算法和ESPRIT算法都是基于特征值分解的算法，所以必须预知信源数目才能准确估计声源的位置。但是在实际应用中，根本无法准确预估声源的数目，再考虑到声音传播过程中的折射，反射现象造成的混响效应，对于该算法的性能也会造成极大的影响。除此之外，MUSIC算法还无法对声源的绝对能量信息进行准确的估计，只能预估能量的相对值大小。

压缩感知技术是指一种寻找欠定线性系统的稀疏解的技术。它可以突破奈奎斯特采样定理的极限，用较少的测量值复原出原始信号，从而应用于获取和重构稀疏信号。将压缩感知技术用在阵列信号处理领域，通过稀疏波束图整形的方法限制波束图中阵列增益较大的元素个数，同时鼓励较大的阵列增益集中在波束主瓣中，从而达到降低旁瓣水平同时，提高主瓣中阵列增益水平，最终有效提高声源定位算法的分辨率。

现有的声源定位算法大多存在分辨率低，抗噪性差的问题，尤其在低信噪比条件下无法达到较好的分辨率。因此，亟需一种能够有效提高定位的分辨率，同时极大的提高算法的抗噪性，在低信噪比、低频条件下也能够得到高分辨率的声源定位方法。

发明内容

针对本领域存在的不足之处，本发明提供了一种面向低频高斯噪声源的声源定位仿真方法，引入了压缩传感技术，能够有效提高定位的分辨率，同时极大的提高了算法的抗噪性，在低信噪比、低频条件下也能够得到高分辨率。

为了提高声源定位算法的分辨率和稳定性，本发明提出将压缩感知技术应用在阵列信号处理中，极大的提高了波束图的主瓣增益，从而获得高精度和高分辨率。

一种面向低频高斯噪声源的声源定位仿真方法，包括：

(1)将声源所在平面作为声源扫描平面，将声源扫描平面划分成若干个网格；

(2)设置麦克风阵列采集声信号，输出麦克风阵列信号作为阵列输出信号，对阵列输出信号进行频谱分析以及时频谱分析，得到声信号的特征频率；

(3)对阵列输出信号表达式的等号两边的式子分别求协方差矩阵得到等号左侧协方差矩阵和等号右侧协方差矩阵，所述的阵列输出信号表达式为：

X＝AS+N

其中，X为阵列输出信号矩阵，A为麦克风阵列的方向矩阵，S为声信号矩阵，N为噪声矩阵；

(4)将等号左侧协方差矩阵按行展开，并转置成列向量形式，将得到的列向量作为压缩感知的测量值；

(5)将等号右侧协方差矩阵按行展开，得到压缩感知的矩阵表达式；

(6)通过测量值和矩阵表达式计算声源的能量向量，定位声源位置。