CN105652233B - 一种随机稀疏声阵列超指向结构生成方法 - Google Patents
一种随机稀疏声阵列超指向结构生成方法 Download PDFInfo
- Publication number
- CN105652233B CN105652233B CN201511019030.8A CN201511019030A CN105652233B CN 105652233 B CN105652233 B CN 105652233B CN 201511019030 A CN201511019030 A CN 201511019030A CN 105652233 B CN105652233 B CN 105652233B
- Authority
- CN
- China
- Prior art keywords
- array
- matrix
- sound source
- random
- polar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S1/00—Beacons or beacon systems transmitting signals having a characteristic or characteristics capable of being detected by non-directional receivers and defining directions, positions, or position lines fixed relatively to the beacon transmitters; Receivers co-operating therewith
- G01S1/72—Beacons or beacon systems transmitting signals having a characteristic or characteristics capable of being detected by non-directional receivers and defining directions, positions, or position lines fixed relatively to the beacon transmitters; Receivers co-operating therewith using ultrasonic, sonic or infrasonic waves
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Circuit For Audible Band Transducer (AREA)
Abstract
本发明公开了一种随机稀疏声阵列超指向结构生成方法,包括以下步骤:步骤一:根据目标声源特性,将目标声源区域进行网格划分和均匀网格分区;步骤二:设置阵列结构优化参数,在步骤一的各分区中随机生成一定数量的随机稀疏矩阵;步骤三:根据设定性能参数和筛选准则,对步骤二中的随机稀疏矩阵进行结构阵性能筛选,获取随机稀疏声阵列超指向结构。本发明的有益效果是:减少了目标对象的盲目性,提高了位置收索速度,增强了针对性,大大降低了随机稀疏矩阵生成速度,增强了阵列稀疏性,提高其经济性;可在候选阵中快速找出符合性能要求的阵列结构,同时生成超指向性波束,且在其他非声能量集中方向上,快速衰减,大幅度提高生成速度和效率。
Description
技术领域
本发明涉及声阵列测试技术领域,尤其是一种随机稀疏声阵列超指向结构生成方法。
背景技术
目前,国内外声阵列识别运动声源存在以下问题:(1)声源分辨不清,定位不准;(2)声阵列结构随机性低、波束形成计算速度慢、稳健性差;(3)随机稀疏声阵列阵元位置确定盲目性强、生成效率低、阵元数多,搭建成本高。可以看出,目前国内外均缺乏一种高效的用于识别多个运动声源的随机稀疏声阵列结构生成方法。
噪声污染中,卡车、汽车等机动车辆噪声是很重要的一部分。这类噪声因声源多、频带宽和运动频移耦合性强,不仅危害比持续噪声严重,而且测试比静止声场困难。其声场测试研究已成为声学测量发展难以回避的问题。
声阵列被广泛应用于这类噪声的测试,但其测试精度低、声场重构难、阵列尺度大、经济性差。若能够提高声阵列的声场分辨力、阵列处理增益、缩减阵列尺度,必将大幅度改善机动车辆的声学性能,提高此类产品的附加值,同时降低测试成本,促进声学测量快速发展。随着传感器理论与信息处理技术的发展,增加声阵列指向性和指向稳健性,以提高测试空间分辨力、处理增益和大幅度减少传声器个数及阵列尺度成为可能,并且正成为阵列测试理论的发展趋势。
近年来,针对运动声场的声阵列测试,国内外学者或从阵列算法、阵列配置、阵列信号处理等方面进行深入研究,分别提出各具特点的测试方法。然而,运动声场的声阵列测试理论研究还不够完善,研究成果相对较少,尤其针对运动声场的阵列超指向性结构的研究更是刚刚起步。因此,开展运动声场的随机稀疏声阵列超指向性结构生成方法不仅具有十分重要的理论意义和工程应用价值,而且具有显著的社会意义与经济效益。要想快速高速生成随机稀疏声阵列,至少必须解决以下关键问题:
(1)随机稀疏声阵列的声源定位精度
因运动声源辐射声场的特殊性,受声阵列模式混叠、阵元互耦和旁瓣影响,测试结果往往不能清晰分辨出相距较近的噪声源。
(2)声阵列结构随机生成速度和经济性
阵列结构随机生成由统计方法获取,想要找出一个有效的阵列结构形式,计算量惊人,耗费时间巨大,且阵元数目不一定最优化,因此不仅生成速度慢,而且经济性差;
(3)随机稀疏声阵列的分辨率和波束稳健性
随机阵列结构的分辨率受阵列模式主瓣宽度影响,主瓣宽度越宽,分辨力越差;波束的稳健性受旁瓣影响显著,旁瓣相对主瓣宽度峰值越高,阵列抗外界噪声干扰能力越差,形成的波束稳健性就越差。
发明内容
本发明的目的是为克服上述现有技术的不足,提供一种随机稀疏声阵列超指向结构生成方法。
为实现上述目的,本发明采用下述技术方案:
一种随机稀疏声阵列超指向结构生成方法,包括以下步骤:
步骤一:根据目标声源特性,将目标声源区域进行网格划分和均匀网格分区;
步骤二:设置阵列结构优化参数,在步骤一的各分区中随机生成一定数量的随机稀疏矩阵;
步骤三:根据设定性能参数和筛选准则,对步骤二中的随机稀疏矩阵进行结构阵性能筛选,获取随机稀疏声阵列超指向结构。
优选的,所述步骤一中,所述目标声源特性指声源最大频率、声源最大入射角和测试阵列的指向性特征,根据声源最大频率,声源最大入射角和测试阵列的指向性特性,获取网格边长,并根据网格边长进行基础网格的划分。
优选的,所述步骤一还包括确定分区数量和各区内供选择的网格点数;
所述网格点数确定原则是:网格面积覆盖所有辐射声源。
所述步骤一包括以下子步骤:
S101:将目标声源区域划分基础网格;
假设测试阵列位于声源区域辐射远场,入射到目标声源区域上的声波为平面波,则正方形网格边长大小由决定,式中:c空气中声速343m/s,fmax入射到目标声源区域上的声源中的最大频率,β为入射到目标声源区域上的声源最大入射角。
当测试阵列位于声源区域辐射近场,此时入射波为球面波,则此网格边长小于d。
综上,根据声源最大频率,声源最大入射角和测试阵列的指向性特性,获取网格边长,并根据网格边长进行基础网格的划分。
S102:根据基础网格的面积大小均分基础网格,获得等面积的目标声源区域和分区数量;通过将基础网格均分成区,可有效滤除主瓣宽度较高的阵列,同时,保留最小主瓣宽度的阵列。
依据目标声源数量分区数量确定,确定准则为:分区数量越大,麦克风散布的面积就越大,形成的阵列结构孔径越大,形成的波束主瓣宽度越窄,目标分辨力越强。
S103:根据目标声源区域,获得各区内网格点的极径矩阵矩阵和极角矩阵。
将覆盖声源的区域,进行网格的等面积划分,获得不同的分区,每个分区的形心为网格点。网格点在本发明中指布放阵列麦克风的位置点,简称阵元。
每个网格点均可成为阵元的布置位置,利用极坐标生成一个点的极径和极角,所有分区的网格点形成一个极径矩阵和对应的极角矩阵。
经大量仿真统计表明:
1个声源分区数为:10-18个,2个及其以上分区数为:20-32个,并在极坐标系下,形成各区内网格点的极轴R和极角Φ矩阵。
设需生成一个25个阵元组成的随机阵列,分区个数为24,每个分区内可供选择网格点数为8,对每个分区内的网格点位置依次编号为1,2,…,8,使不同分区内相同位置的网格点编号相同,则生成的极径矩阵R为8×24阶,其中每一列向量均为ri=(r1,r2,.rj.,r8)T,向量中的元素rj表示编号为j的网格点所在极径长度;同理生成极角矩阵Φ,极角矩阵Φ定义为每个区域中以逆时针为正方向的起始分区线到各阵元的旋转角度。则极径矩阵R和极角矩阵Φ依次表示为:
优选的,所述步骤二中,所述阵列结构优化参数指同一分区内阵元位置不重复,不同区所选阵元位置不具有规则性,即阵元位置间距不是网格间距的整数倍。
所述步骤二包括以下子步骤:
S201:在各分区设定一个网格点放置阵元,并生成阵元位置的极径矩阵和极角矩阵,获取随机阵列结构。
规定各分区设定一个网格点放置阵元,则一个区内依据可供选择的网格点数,可随机挑选为阵元位置,并生成阵元位置的极径矩阵和极角矩阵;所有各分区内阵元的极径矩阵和极角矩阵,即随机生成如下形式的随机阵列结构;
每一组(R',Φ')代表着一个随机阵列结构,随机可生成大量的候选随机稀疏矩阵。
其中,一个随机阵列结构与一个候选随机稀疏矩阵相对应,若不加任何约束,随机选取阵元位置,则会产生大量的随机阵列结构,即产生大量的候选随机稀疏矩阵。
随机阵列结构由一定阵元数和一种阵元位置组成,当阵元数相同且阵元位置不同,则形成不同的随机阵列结构,其中,阵元位置随机产生,因此,通过设置不同的阵元位置将产生大量随机阵列结构,即产生大量的候选随机稀疏矩阵。
S202:设置约束条件,根据候选随机稀疏矩阵获得随机稀疏矩阵;通过设置约束条件,可以减少随机稀疏矩阵生成的盲目性和时间消耗。
所述候选随机稀疏矩阵包括极角矩阵和极径矩阵。通过设置约束条件,从步骤S201中的大量的候选随机稀疏矩阵中选择出最终的随机稀疏矩阵。
进一步优选的,所述约束条件为:
(1)同一个分区内,候选随机稀疏矩阵对应的阵元所在的网格点不重复;即候选随机稀疏矩阵中每一个网格点只选一次,不重复选择;通过在矩阵计算中设置迭代条件进行循环迭代;其中,所述迭代条件为:选过的候选随机稀疏矩阵位置设置为零,下次不选。
(2)不同分区内,候选随机稀疏矩阵对应的放置阵元的网格点的间距不是基础网格边长的整数倍,同时均匀分布。
通过将候选随机稀疏矩阵对应的极角矩阵Φ',形成以水平向右为0°的普通极角矩阵,再将所述极角矩阵任一后一项列矢量减去相邻的前一项列矢量,形成一个阵元极角差矩阵,构成相邻传声器阵元位置的不同区极角矩阵若使阵元位置间距不为倍数关系,且均匀分布,则大小应满足:
上述为矩阵运算过程,具体表示为:
式中,j为各分区的索引号,N为分区总数,Φ'为形成阵元的极角矩阵,Δφk为极角矩阵中的任一列向量,表示极角矩阵的列矢量的任一后项减去相邻的前一项。
(3)根据声源辐射频率、阵列的测试频率及抗混叠能力,设置同一极径上的阵元个数、最大阵元间距和不同极径的间隔,根据上述三个条件选择随机稀疏矩阵。
具体为:同一极径上:考虑阵元类型和结构特征,第m个极径上的最大阵元数量:
则最大阵元间距:
dmmax=amcr cr>1
不同极径间的间隔为:
式中:am为第m个极径长度上阵元的结构尺寸,rm为第m个极径,int表示取整数,cr为间距拓展因子,λ为入射波最高频率的波长。
所述步骤三指:根据设定性能参数和筛选准则,对步骤二中的候选随机稀疏矩阵进行结构阵性能筛选,获取随机稀疏声阵列超指向结构。
优选的,所述步骤三中,所述设定性能参数指主瓣宽度和旁瓣抑制比,所述筛选准则为:相同旁瓣抑制比,主瓣宽度最窄。
对于矩阵而言,主瓣宽度和旁瓣抑制比互相矛盾,一般旁瓣抑制比越低,主瓣宽度越宽,此时,阵列抗噪声干扰能力最强,但是,声源分辨力差,可能存在虚假声源。
针对上述理论,本发明采用折中思想,即:满足相同旁瓣抑制比,主瓣宽度最小的阵列为随机稀疏声阵列超指向结构。
具体计算过程如下:
旁瓣抑制比rsp的计算如下:rsp=10lg(hp/hs)2
经大量仿真分析的统计结果得出:
式中,hp为主瓣宽度峰值,hs为最大旁瓣峰值,M为阵列中阵元个数。
其中,M表示阵元个数,M为变化的整数。
随机稀疏声阵列超指向结构指:根据步骤202中的随机稀疏阵列获取的超指向性波束。
超指向波束的物理意义:根据相同旁瓣抑制比,主瓣宽度最小的原则,获取的波束指向性最强即为超指向性波束。上述表达式即为最大化响应声压功率,即最大化声源入射波能量。
最大化声源入射波能量通过阵列最大化响应声压功率表示,最大化声源入射波能量是阵列对干扰噪声的抑制表现,由阵列响应声压功率的主瓣宽度进行直观表示,主瓣宽度越小表示聚焦能量越大,识别声源就越准确。
本发明的有益效果是:
(1)采用目标声源分区的方式,减少了目标对象的盲目性,同时采用网格划分和极坐标矩阵转化,提高了位置收索速度,增强了针对性;
(2)依据同一分区点不重复、不同区位置不均等分布、同区最大测量点数和不同区的位置间距参数的设定,大大降低了随机候选稀疏阵列生成速度,增强了阵列稀疏性,提高其经济性;
(3)设定阵列性能参数主瓣宽度和旁瓣抑制比,可在候选随机稀疏矩阵中快速找出符合性能要求的随机稀疏矩阵,同时生成随机稀疏矩阵的超指向性波束,且在其他非声能量集中方向上,快速衰减,大幅度提高生成速度和效率;
(4)三步生成法相互联系又相互独立,便于实现优化条件的精确控制;同时可针对不同声源类型,更改相应约束和参数,提高了该方法应用的普适性和适用性。
附图说明
图1是本发明流程图;
图2是网格分区和网格点示意图;
图3是实施例1随机稀疏声阵列超指向结构示意图;
图4是实施例1超指向波束示意图;
图5是实施例2随机稀疏声阵列超指向结构示意图;
图6是实施例2超指向波束示意图;
图7是实施例3随机稀疏声阵列超指向结构示意图;
图8是实施例3超指向波束示意图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
如图1所示,一种随机稀疏声阵列超指向结构生成方法,包括以下步骤:
步骤一:根据目标声源特性,将目标声源区域进行网格划分和均匀网格分区;
步骤二:设置阵列结构优化参数,在步骤一的各分区中随机生成一定数量的随机稀疏矩阵;
步骤三:根据设定性能参数和筛选准则,对步骤二中的随机稀疏矩阵进行结构阵性能筛选,获取随机稀疏声阵列超指向结构。
优选的,所述目标声源特性指声源最大频率、声源最大入射角和测试阵列的指向性特征,根据声源最大频率,声源最大入射角和测试阵列的指向性特性,获取网格边长,并根据网格边长进行基础网格的划分。
优选的,所述步骤一还包括确定分区数量和各区内供选择的网格点数;
所述网格点数确定原则是:网格面积覆盖所有辐射声源。
所述步骤一包括以下子步骤:
S101:将目标声源区域划分基础网格;
假设测试阵列位于声源区域辐射远场,入射到目标声源区域上的声波为平面波,则正方形网格边长大小由决定,式中:c空气中声速343m/s,fmax入射到目标声源区域上的声源中的最大频率,β为入射到目标声源区域上的声源最大入射角。
当测试阵列位于声源区域辐射近场,此时入射波为球面波,则此网格边长小于d。
综上,根据声源最大频率,声源最大入射角和测试阵列的指向性特性,获取网格边长,并根据网格边长进行基础网格的划分。
S102:根据基础网格的面积大小均分基础网格,获得等面积的目标声源区域和分区数量;通过将基础网格均分成区,可有效滤除主瓣宽度较高的阵列,同时,保留最小主瓣宽度的阵列。
依据目标声源数量分区数量确定,确定准则为:分区数量越大,麦克风散布的面积就越大,形成的阵列结构孔径越大,形成的波束主瓣宽度越窄,目标分辨力越强。
S103:根据目标声源区域,获得各区内网格点的极径矩阵矩阵和极角矩阵。
如图2所示,网格点与网格及分区的关系参考图2。图2中,黑点表示网格点;五角星表示声源位置,1-6表示分区数。
将覆盖声源的区域,进行网格的等面积划分,获得不同的分区,每个分区的形心为网格点。网格点在本发明中指布放阵列麦克风的位置点,简称阵元。
所述形心含义是物体为平面,则形心是界面图形的几何中心,物体为实物,则形心是质心,对于均匀密度的几何结构而言,形心与几何中心重合。本发明中形心指分区的几何中心,
每个网格点均可成为阵元的布置位置,利用极坐标生成一个点的极径和极角,所有分区的网格点形成一个极径矩阵和对应的极角矩阵。
经大量仿真统计表明:
1个声源分区数为:10-18个,2个及其以上分区数为:20-32个,并在极坐标系下,形成各区内网格点的极轴R和极角Φ矩阵。
设需生成一个25个阵元组成的随机阵列,分区个数为24,每个分区内可供选择网格点数为8,对每个分区内的网格点位置依次编号为1,2,…,8,使不同分区内相同位置的网格点编号相同,则生成的极径矩阵R为8×24阶,其中每一列向量均为ri=(r1,r2,.rj.,r8)T,向量中的元素rj表示编号为j的网格点所在极径长度;同理生成极角矩阵Φ,极角矩阵Φ定义为每个区域中以逆时针为正方向的起始分区线到各阵元的旋转角度。则极径矩阵R和极角矩阵Φ依次表示为:
优选的,所述步骤二中,所述阵列结构优化参数指同一分区内阵元位置不重复,不同区所选阵元位置不具有规则性,即阵元位置间距不是网格间距的整数倍。
所述步骤二包括以下子步骤:
S201:在各分区设定一个网格点放置阵元,并生成阵元位置的极径矩阵和极角矩阵,获取随机阵列结构。
规定各分区设定一个网格点放置阵元,则一个区内依据可供选择的网格点数,可随机挑选为阵元位置,并生成阵元位置的极径矩阵和极角矩阵;所有各分区内阵元的极径矩阵和极角矩阵,即随机生成如下形式的随机阵列结构;
其中,R'表示随机阵列结构的极径矩阵,Φ'表示随机阵列结构的极角矩阵。
每一组(R',Φ')代表着一个随机阵列结构,随机可生成大量的候选随机稀疏矩阵。
其中,一个随机阵列结构与一个候选随机稀疏矩阵相对应,若不加任何约束,随机选取阵元位置,则会产生大量的随机阵列结构,即产生大量的候选随机稀疏矩阵。
随机阵列结构由一定阵元数和一种阵元位置组成,当阵元数相同且阵元位置不同,则形成不同的随机阵列结构,其中,阵元位置随机产生,因此,通过设置不同的阵元位置将产生大量随机阵列结构,即产生大量的候选随机稀疏矩阵。
S202:设置约束条件,根据候选随机稀疏矩阵获得随机稀疏矩阵;通过设置约束条件,可以减少随机稀疏矩阵生成的盲目性和时间消耗。
所述候选随机稀疏矩阵包括极角矩阵和极径矩阵。通过设置约束条件,从步骤S201中的大量的候选随机稀疏矩阵中选择出最终的随机稀疏矩阵。
进一步优选的,所述约束条件为:
(1)同一个分区内,候选随机稀疏矩阵对应的阵元所在的网格点不重复;即候选随机稀疏矩阵中每一个网格点只选一次,不重复选择;通过在矩阵计算中设置迭代条件进行循环迭代;其中,所述迭代条件为:选过的候选随机稀疏矩阵位置设置为零,下次不选。
(2)不同分区内,候选随机稀疏矩阵对应的放置阵元的网格点的间距不是基础网格边长的整数倍,同时均匀分布。
通过将候选随机稀疏矩阵对应的极角矩阵Φ',形成以水平向右为0°的普通极角矩阵,再将所述极角矩阵任一后一项列矢量减去相邻的前一项列矢量,形成一个阵元极角差矩阵,构成相邻传声器阵元位置的不同区极角矩阵若使阵元位置间距不为倍数关系,且均匀分布,则大小应满足:
上述为矩阵运算过程,具体表示为:
式中,j为各分区的索引号,N为分区总数,Φ'为形成阵元的极角矩阵,Δφk为极角矩阵中的任一列向量,表示极角矩阵的列矢量的任一后项减去相邻的前一项。
(3)根据声源辐射频率、阵列的测试频率及抗混叠能力,设置同一极径上的阵元个数、最大阵元间距和不同极径的间隔,根据上述三个条件选择随机稀疏矩阵。
具体为:同一极径上,考虑阵元类型和结构特征,第m个极径上的最大阵元数量:
则最大阵元间距:
dmmax=amcr cr>1
不同极径间的间隔为:
式中:am为第m个极径长度上阵元的结构尺寸,rm为第m个极径,int表示取整数,cr为间距拓展因子,λ为入射波最高频率的波长,Δm表示展开因子,为数值变化量。
通过进行非等间距分布,可以保证极径大小不同,阵元位置可布满整个阵列面。
上述三个条件为结构优化参数:一般情况下,通过圆形麦克风由1/2和1/4英寸两个结构确定阵元的尺寸结构,且上述两个结构可单一使用也可混合使用。并且,通常一个阵列只采用一种形式的麦克风;只要极径r1确定,依据上述公式可确定参数最大阵元数量和最大阵元间距。
所述步骤三指:根据设定性能参数和筛选准则,对步骤二中的候选随机稀疏矩阵进行结构阵性能筛选,获取随机稀疏声阵列超指向结构。
优选的,所述步骤三中,所述设定性能参数指主瓣宽度和旁瓣抑制比,所述筛选准则为:相同旁瓣抑制比,主瓣宽度最窄。
对于矩阵而言,主瓣宽度和旁瓣抑制比互相矛盾,一般旁瓣抑制比越低,主瓣宽度越宽,此时,阵列抗噪声干扰能力最强,但是,声源分辨力差,可能存在虚假声源。
针对上述理论,本发明采用折中思想,即:满足相同旁瓣抑制比,主瓣宽度最小的阵列为随机稀疏声阵列超指向结构。
具体计算过程如下:
旁瓣抑制比rsp的计算如下:rsp=10lg(hp/hs)2
经大量仿真分析的统计结果得出:
式中,hp为主瓣宽度峰值,hs为最大旁瓣峰值,M为阵列中阵元个数。
其中,M表示阵元个数,M为变化的整数。若阵元数为13,当M小于等于16时,旁瓣抑制比设置为M-1=12。
随机稀疏声阵列超指向结构指:根据步骤202中的随机稀疏阵列获取的超指向性波束,具体计算过程如下:
阵列响应模式为E(θ,φ),表达式为:
式中,pm为每个阵元的声压响应,rm为第m区第n个阵元的极径,φmn为第m区第n个阵元的极角;M为分区数,Nm为第m区的可供选择的阵元位置数。上述阵列响应模式为阵列中心放置1个阵元的形式,如果中心位置无阵元可省略第一项。
归一化声压响应功率P(θ,φ):
超指向波束即为:
f2=2min(Φmainlobe)
式中:M为分区数,Nm为第m区的可供选择的阵元位置数,(θ0,φ0)表示声源的入射初始空间位置,设置为常值,实施例中均设置为(π/4,π/4),(θ,φ)表示声源的整个空间位置,为变量,实施例中(θ,φ)范围为(-π/2,π/2),Φmainlobe为主瓣宽度,是一个角度,f1为最大化响应声压功率,f2为最小化波束主瓣宽度。
超指向波束的物理意义:根据相同旁瓣抑制比,主瓣宽度最小的原则,获取的波束指向性最强即为超指向性波束。上述表达式即为最大化响应声压功率,即最大化声源入射波能量。
最大化声源入射波能量通过阵列最大化响应声压功率表示,最大化声源入射波能量是阵列对干扰噪声的抑制表现,由阵列响应声压功率的主瓣宽度进行直观表示,主瓣宽度越小表示聚焦能量越大,识别声源就越准确。
实施例1
如图3和图4所示,本实施例随机阵列超指向性结构生成如下:
先验条件:识别声源频率为2000Hz,取圆环阵为基础网格阵,环数设为4环,阵元数为24个,中心设置1个阵元,共25个阵元,阵元类型一致。
(1)根据声源频率,将目标声源区域沿极轴逆时针进行网格划分和均匀网格分区,分区数为24个,每个区可供选择的位置数为8个,设定每个分区仅选择一个位置点为阵元位置。
(2)根据阵列结构优化参数,在各分区中随机生成一定数量的候选矩阵:
第一环上阵元数为3个,环间距差为0.085~0.175米;同一环上最小阵元间距为0.04米。
(3)根据设定性能参数和筛选准则,对步骤二中的候选矩阵进行结构阵性能筛选,获取随机稀疏声阵列超指向结构形式:
设置主瓣宽度:19.8度,旁瓣抑制比:16;
根据相同旁瓣抑制比,主瓣宽度最小的原则,获得主瓣宽度为19.8度,旁瓣抑制比16.88对应的波束为最终的超指向性波束。
超指向波束f1,f2是数学表达式,其具体体现为旁瓣抑制比和主瓣宽度。通过大量的统计,得出实施例中主瓣宽度和旁瓣抑制比数值。
实施例2
如图5和图6所示,本实施例随机阵列超指向性结构生成如下:
先验条件:识别声源频率为1500Hz,取矩形阵为基础网格阵,阵元数为24个,中心设置1个阵元,共25个阵元,阵元类型一致。
(1)根据声源频率,将目标声源区域沿极轴逆时针进行网格划分和均匀网格分区,分区数为24个,每个区可供选择的位置数为4个,设定每个区仅选择一个位置点为阵元位置。
(2)根据阵列结构优化参数,在各分区中随机生成一定数量的候选矩阵:
同一环区的阵元位置不重复;不同区的阵元位置也不重复;阵元间距差为0.113~0.226米;最小阵元间距为0.05米。
(3)根据设定性能参数和筛选准则,对步骤二中的候选矩阵进行结构阵性能筛选,获取随机稀疏声阵列超指向结构形式:
设置主瓣宽度:19.8度,旁瓣抑制比:17;
结果:根据相同旁瓣抑制比,主瓣宽度最小的原则,获得主瓣宽度21.6度,旁瓣抑制比为17.95对应的波束为最终的超指向性波束。
实施例3
如图7和图8所示,本实施例随机阵列超指向性结构生成如下:
先验条件:识别声源频率为800~6300Hz,取矩形阵为基础网格阵,阵元数为64个,阵元类型一致。
(1)根据声源频率,将目标声源区域沿极轴逆时针进行网格划分和均匀网格分区,沿极轴逆时针分区,分区数为64个,每个区可供选择的位置数为32个,设定每个区仅选择一个位置点为阵元位置。
(2)根据阵列结构优化参数,在各分区中随机生成一定数量的候选矩阵:
同一区内的阵元位置不重复;不同环区的阵元位置也不重复;阵元间距差为0.025~0.05米;最小阵元间距为0.01米。
(3)根据设定性能参数和筛选准则,对步骤二中的候选矩阵进行结构阵性能筛选,获取随机稀疏声阵列超指向结构形式:
设置主瓣宽度:9度,旁瓣抑制比:20;
结果:根据相同旁瓣抑制比,主瓣宽度最小的原则,获得主瓣宽度为9度,旁瓣抑制比为20.54对应的波束为最终的超指向性波束。
本发明的有益效果是:
采用目标声源分区的方式,减少了目标对象的盲目性,同时采用网格划分和极坐标矩阵转化,提高了位置收索速度,增强了针对性;
依据同一分区点不重复、不同区位置不均等分布、同区最大测量点数和不同区的位置间距参数的设定,大大降低了随机阵列生成速度,增强了阵列稀疏性,提高其经济性;
设定阵列性能参数主瓣宽度和旁瓣抑制比,可在候选阵中快速找出符合性能要求的阵列结构,同时生成阵列的指向性波束,且在其他非声能量集中方向上,快速衰减,大幅度提高生成速度和效率;
三步生成法相互联系又相互独立,便于实现优化条件的精确控制;同时可针对不同声源类型,更改相应约束和参数,提高了该方法应用的普适性和适用性。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (4)
1.一种随机稀疏声阵列超指向结构生成方法,其特征是,包括以下步骤:
步骤一:根据目标声源特性,将目标声源区域进行网格划分和均匀网格分区;
步骤二:设置阵列结构优化参数,在步骤一的各分区中,通过设置不同的阵元位置,生成一定数量的随机稀疏矩阵;
步骤三:根据设定性能参数和筛选准则,对步骤二中的随机稀疏矩阵进行结构阵性能筛选,获取随机稀疏声阵列超指向结构;
所述目标声源特性指声源最大频率、声源最大入射角和测试阵列的指向性特征,根据声源最大频率,声源最大入射角和测试阵列的指向性特性,获取网格边长,并根据网格边长进行基础网格的划分;
所述步骤一还包括确定分区数量和各区内供选择的网格点数;
所述网格点数确定原则是:网格面积覆盖所有辐射声源;
所述步骤二包括以下子步骤:
S201:在各分区设定一个网格点放置阵元,并生成阵元位置的极径矩阵和极角矩阵,获取候选矩阵;
S202:设置约束条件,根据候选矩阵获得随机稀疏矩阵;
所述约束条件为:
(1)同一个分区内,候选随机稀疏矩阵对应的阵元所在的网格点不重复;即候选随机稀疏矩阵中每一个网格点只选一次,不重复选择;通过在矩阵计算中设置迭代条件进行循环迭代;其中,所述迭代条件为:选过的候选随机稀疏矩阵位置设置为零,下次不选;
(2)不同分区内,候选随机稀疏矩阵对应的放置阵元的网格点的间距不是基础网格边长的整数倍,同时均匀分布;
(3)根据声源辐射频率、阵列的测试频率及抗混叠能力,设置同一极径上的阵元个数、最大阵元间距和不同极径的间隔,根据上述三个条件选择随机稀疏矩阵;
所述步骤三中,所述设定性能参数指主瓣宽度和旁瓣抑制比,所述筛选准则为:相同旁瓣抑制比,主瓣宽度最窄。
2.如权利要求1任一所述的随机稀疏声阵列超指向结构生成方法,其特征是,所述步骤一包括以下子步骤:
S101:将目标声源区域划分基础网格;
S102:根据基础网格的面积大小均分基础网格,获得等面积的目标声源区域和分区数量;
S103:根据目标声源区域,获得各区内网格点的极径矩阵和极角矩阵。
3.如权利要求1所述的随机稀疏声阵列超指向结构生成方法,其特征是,所述不同分区内,候选矩阵对应的放置阵元的网格点的间距不是基础网格边长的整数倍,同时均匀分布具体实现方式如下:
通过将S202中的极角矩阵Φ'形成以水平向右为0°的普通极角矩阵,再将矩阵任一后一项列矢量减去相邻的前一项列矢量,形成一个阵元极角差矩阵,构成相邻传声器阵元位置的不同区极角矩阵大小应满足:
4.如权利要求1所述的随机稀疏声阵列超指向结构生成方法,其特征是,所述根据声源辐射频率、阵列的测试频率及抗混叠能力,设置同一极径上的阵元个数、最大阵元间距和不同极径的间隔,根据上述三个条件选择随机稀疏矩阵具体为:同一极径上:考虑阵元类型和结构特征,第m个极径上的最大阵元数量:
则最大阵元间距:
dmmax=amcr cr>1
不同极径间的间隔为:
rm+1=rm+λ/2+Δmλ 0≤Δm≤1
式中:am为第m个极径长度上阵元的结构尺寸,rm为第m个极径,int表示取整数,cr为间距拓展因子,λ为入射波最高频率的波长,Δm表示展开因子,为数值变化量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511019030.8A CN105652233B (zh) | 2015-12-29 | 2015-12-29 | 一种随机稀疏声阵列超指向结构生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511019030.8A CN105652233B (zh) | 2015-12-29 | 2015-12-29 | 一种随机稀疏声阵列超指向结构生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105652233A CN105652233A (zh) | 2016-06-08 |
CN105652233B true CN105652233B (zh) | 2019-01-08 |
Family
ID=56478267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511019030.8A Active CN105652233B (zh) | 2015-12-29 | 2015-12-29 | 一种随机稀疏声阵列超指向结构生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105652233B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106525224B (zh) * | 2016-10-26 | 2019-12-17 | 青岛理工大学 | 一种测量多源运动声场的非规则声阵列搭建方法 |
CN107741272A (zh) * | 2017-10-11 | 2018-02-27 | 青岛理工大学 | 一种噪声声场稀疏化测量方法、系统及装置 |
CN108828526A (zh) * | 2018-06-25 | 2018-11-16 | 大连大学 | 多声源定位中二维网格中的信号s在空-频域的表达具有块稀疏性的方法 |
CN109031203A (zh) * | 2018-06-25 | 2018-12-18 | 大连大学 | 混响房间内分布式麦克风阵列多声源定位的恢复块稀疏信号的算法 |
CN109001680A (zh) * | 2018-06-25 | 2018-12-14 | 大连大学 | 声源定位中的块稀疏优化算法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009059279A1 (en) * | 2007-11-01 | 2009-05-07 | University Of Maryland | Compressive sensing system and method for bearing estimation of sparse sources in the angle domain |
CN102611960A (zh) * | 2012-02-14 | 2012-07-25 | 广州励丰文化科技股份有限公司 | 宽频段超指向性话筒阵列 |
CN202679586U (zh) * | 2012-07-19 | 2013-01-16 | 嘉兴中科声学科技有限公司 | 指向性声源系统 |
-
2015
- 2015-12-29 CN CN201511019030.8A patent/CN105652233B/zh active Active
Non-Patent Citations (2)
Title |
---|
识别运动声源随机阵列生成法研究;王雁 等;《声学学报》;20150131;第40卷(第1期);第97-103页 |
运动声源定位的随机传声器阵列结构生成方法及其实验研究;王雁;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20140715(第7期);第C028-40页 |
Also Published As
Publication number | Publication date |
---|---|
CN105652233A (zh) | 2016-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105652233B (zh) | 一种随机稀疏声阵列超指向结构生成方法 | |
CN109669178B (zh) | 一种星载三阵元单脉冲两维测向方法 | |
CN107884741A (zh) | 一种多球阵列多宽带声源快速定向方法 | |
CN112162266B (zh) | 一种基于凸优化理论的共形阵二维波束优化方法 | |
CN110940970A (zh) | 一种针对浮油海面的mimo雷达目标检测方法及系统 | |
CN106855619B (zh) | 一种获取mimo成像雷达系统各方向的分辨率的方法 | |
CN104931919A (zh) | 一种二维平面圆环阵列的测向方法 | |
CN106525224B (zh) | 一种测量多源运动声场的非规则声阵列搭建方法 | |
CN103513225B (zh) | 一种基于空间增益的稀疏平面阵形优化方法 | |
Zhang et al. | Optimal design of sparse array for ultrasonic total focusing method by binary particle swarm optimization | |
Yang et al. | Ultrasonic phased array sparse TFM imaging based on virtual source and phase coherent weighting | |
CN109375227A (zh) | 一种解卷积波束形成三维声成像方法 | |
CN106910493B (zh) | 一种多环同轴圆环阵稳健超指向性波束形成方法 | |
CN109037920B (zh) | 一种基于蜂窝骨架的有源相控阵天线 | |
CN110736976A (zh) | 一种任意阵形的声纳波束形成器性能估计方法 | |
CN114239251B (zh) | 一种近端多径条件下阵列测向精度的评估方法 | |
CN211627803U (zh) | 一种基于极坐标系下的声源定位随机阵列装置 | |
CN110244286B (zh) | 一种高增益无左右舷模糊的阵列设计方法 | |
Tweedie et al. | Aperiodic and deterministic 2D phased array structures for ultrasonic imaging | |
Nechaev et al. | Measuring of False Peaks Occurring via Planar Antenna Arrays DOA Estimation | |
CN107782441A (zh) | 一种用于目标噪声测试的三维声学传感器阵列 | |
CN113283526B (zh) | 基于辐射源定位的预警方法、计算机设备及可读存储介质 | |
Yang et al. | Analysis and comparison of array gain and directivity index | |
CN112882039B (zh) | 一种阵列稀疏方法 | |
CN117572435B (zh) | 一种基于反卷积的多波束合成孔径声呐高分辨成像方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |