[发明专利]一种基于混合时频域的旋转声源识别方法

摘要

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。

主权项

1.一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，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＝Aqsubject 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；其特征是：选择正则化参数λ＝min{0.001,0.001||b||_∞}，其中||·||_∞表示无穷范数；求声源强度q的迭代流程如下：初始迭代设置有，声源强度q₀＝0，辅助向量y₁＝q₀，步长τ₁＝1，第一步，使用梯度信息并将结果在非负象限进行投影，第l步迭代的z_l如下：z_l＝p₊(y_l‑A^T(Ay_l‑b)/L)式中，z_l表示未经稀疏促进的源强向量，p₊表示在非负象限上的欧几里得投影，y_l表示经过第l次迭代的辅助向量，L表示Lipschitz常数，L等于A^TA的最大特征值；第二步，使用收缩算子更新声源强度q_l如下：q_l＝sign(z_l)max{|z_l|‑λ,0}第三步，更新中间迭代步长τ_l+1如下：第四步，更新辅助向量y_l+1如下：以上四步为一个循环，将y_l+1代入第一步求得z_l进入下一次循环，如此反复迭代直到迭代次数或者终止条件满足时，得到声源强度q。