[发明专利]一种基于模拟声场先验信息的声强稀疏测量高分辨率成像方法

权利要求书

1.一种基于模拟声场先验信息的声强稀疏测量高分辨率成像方法，其特征在于：包括以下步骤：

步骤S1：对目标声源元件进行结构噪声辐射分析，获取目标元件的模拟声场图像；

步骤S2：对步骤S1中获取的模拟声场图像进行稀疏表达，确定能够还原完整声场的稀疏表达矩阵及稀疏度；

步骤S3：根据模拟声场图像设计声强测点分布，并推导出对应观测矩阵数学式；

步骤S4：基于贪婪算法，分别输入步骤S2中确定的稀疏表达矩阵及稀疏度值，步骤S3中确定的观测矩阵，输出目标元件模拟声场的稀疏系数，进一步还原出模拟声场的可视化图像，用以实现目标元件声场稀疏测点信息的完整声场重构，确立压缩感知的算法框架；所述压缩感知的算法框架即为步骤S2、步骤S3确立的稀疏表达矩阵、稀疏度、观测矩阵数学式以及所述完整声场重构的过程；

步骤S5：基于步骤S4中所建立的压缩感知算法框架，根据混合高斯分布的测点生成方法，进行随机测点的位置布置，并对各测点进行声强离散测量；采用压缩感知算法程序对稀疏离散测点数据进行后处理重构，最终实现声强稀疏测量的高分辨率成像；

所述步骤S3的具体内容为：

基于混合高斯分布模型设计声强测点分布：首先根据模拟声场图像中模拟声场目标区域的声强分布，提取声强高值区域中心点的位置坐标作为程序初始值；随后结合声强区域的大小，并设置与传统声强测量相同的测点数量；最后调用高斯混合模型生成随机测点，并完成测点绘制；

由声强稀疏测点位置向观测矩阵数学式的推导过程如下：

假设模拟声强的完整分布由21×21即441个数据点构成，将其二维声强分布数据用矩阵的形式进行表示如下，记为A；

将矩阵A取每一列元素排成一维列向量为x＝[x0,x1,x2,x3,…,x437,x438,x439,x440]^T；混合高斯分布的随机测点位置为100个，根据这些测点信息在矩阵A中的位置，同样取每一列逐个进行排列，假设随机测点向量y＝[x1,x2,x9,…,x433,x440]^T；记观测矩阵为Φ＝(Φ1,Φ2,Φ3,…,Φ99,Φ100)^T，则y＝Φx,即：x1＝Φ1x,x2＝Φ2x，x9＝Φ3x，…，x433＝Φ99x,x440＝Φ100x，由此推导出观测矩阵如下：

2.根据权利要求1所述的一种基于模拟声场先验信息的声强稀疏测量高分辨率成像方法，其特征在于：步骤S1中所述获取目标元件的模拟声场图像通过三个步骤，分别为：目标元件内部激振信息的数值模拟、振动激励在结构体内部至壳体的传递和外表面质点振动引起的空气噪声辐射。