[发明专利]一种基于Green函数修正的高分辨率声源定位方法

说明书

本发明公开了一种基于Green函数修正的高分辨率声源定位方法，包括：1采集传声器阵列上各个传感器处的声压数据形成测量面声压列向量；2建立测量面声压列向量与聚焦面声源源强列向量之间的Green函数；3通过稀疏重构方法进行求解，获得聚焦面各网格点处的声源源强列向量，并通过其中源强的大小在聚焦面网格上识别与定位出声源的初步位置；4在获得声源的初步位置后，通过一阶泰勒展开，并结合坐标轮换迭代优化方法对Green函数进行修正，利用初步位置处的Green函数迭代估计出实际声源位置对应的修正后的Green函数，从而在聚焦面上的网格点之间实现声源精确位置的亚网格搜索，进而获得声源的高分辨率、高精度定位结果。

技术领域

本发明涉及噪声源的识别和定位领域，具体涉及一种基于Green函数修正的高分辨率声源定位方法。

背景技术

噪声源识别技术在机械设备故障诊断、环境噪声治理以及舰船、潜艇减振降噪，高铁、汽车NVH开发等方面有着广泛的应用，并逐步发展出了波束形成、近场声全息、反卷积声源成像等多种先进的噪声源识别技术。近年来，信号处理领域中压缩感知理论的出现为进一步提高噪声源识别精度与空间分辨率，并降低噪声源识别系统的硬件成本提供了理论保证和实现途径，籍此发展出了一些基于压缩感知理论中稀疏重构方法的新兴的噪声源识别技术，例如:基于压缩感知的波束形成算法，基于稀疏等效源和稀疏模态等效源法的近场声全息，基于正交匹配追踪的反卷积声源成像方法等等，这些方法都利用了实际中声源分布通常是空域的先验信息，通过稀疏重构算法求解带有稀疏约束的欠定方程组获得声源分布的稀疏解，实现声源分布的精确重构，从而进一步提高了声源识别的精度与分辨率，降低了测量所需的传感器数目和测量数据量。然而，无论是传统的还是新兴的噪声源识别技术，无论其声源定位精度高低、分辨率如何，其所得到的识别定位结果总是位于聚焦面预先划分好的离散网格点上。这是因为上述方法均假设声源位置恰好落在这些预先划分的离散网格点上，并据此建立相应的Green函数矩阵。然而在实际中声源位置不可能总是正好位于预划分的网格点上，从概率论上来说，声源位置正好在网格点上是小概率事件，其概率接近为0，因此实际中其实很难满足上述假设。实际中对上述声源位置假设的违背，造成算法采用的Green函数与真实的Green函数间存在误差，导致声源识别结果总是落在聚焦面网格点上，使算法无法精确定位位于相邻网格点间的声源，降低了声源识别定位的精度和分辨率。并且由此可见，上述已有的声源识别技术其识别定位精度受聚焦面网格划分密度影响，聚焦面网格越稀疏则算法的识别定位精度越低。当然，加密聚焦面网格可以在一定程度上缓解这个问题，但加密网格同时会导致计算量的成倍增加，影响算法的计算效率和声源识别的实时性。

发明内容

本发明的目的是克服上述现有技术的不足，提出一种基于Green函数修正的高分辨率声源定位方法，以期能实现高精度高分辨率声源识别定位。

为实现上述目的，本发明采用以下技术方案：

本发明一种基于Green函数修正的高分辨率声源定位方法的特点包括以下步骤：

步骤1、在K个声源辐射形成的声场中布置M个传感器，从而形成测量面W；采集各传感器所检测到的声压数据p＝[p(r₁),p(r₂),…p(r_m)]，其中，r_m表示测量面W上第m个测量点的坐标向量，p(r_m)表示第m个测量点的声压数据；

步骤2、定义聚焦面T为离散化声源计算平面所形成的网格面；所述聚焦面T包含N个网格点，且每个网格点为聚焦点；

将每个聚焦点作为潜在声源点，从而利用式(1)构造声源源强列向量q：

q＝[q(r₁),q(r₂),...q(r_n)] (1)

式(1)中，r_n表示聚焦面T上第n个聚焦点的坐标向量，n＝1,2,3,…N；