CN106908755A - 无线声传感器网络下压缩气体泄漏的声源方位估计方法 - Google Patents

Abstract

本发明公开了一种无线声传感器网络下压缩气体泄漏的声源方位估计方法，主要解决现有技术存在的以下问题：(1)需要工作人员在待检测部位近距离定期巡检带来的检测不全面和不安全的问题；(2)采样率高，数据量大，所需存储量大。本发明的实现步骤为：(1)布局麦克风阵列；(2)选择参考麦克风与压缩采样麦克风；(3)标准采样；(4)压缩采样；(5)构造稀疏基矩阵；(6)构造测量矩阵；(7)压缩气体泄漏的声源方位。本发明能够在无线声传感器网络的节点中，通过低速采样的少量数据直接获得准确的压缩气体泄漏的声源方位，具有所需存储量小，实时性高和易于硬件实现的优点。

Description

无线声传感器网络下压缩气体泄漏的声源方位估计方法

技术领域

本发明属于气体泄漏检测领域，更进一步涉及一种无线声传感器网络(WirelessAcoustic Sensor Network)背景下压缩气体泄漏的声源方位估计方法。本发明利用压缩采样方法减少无线声传感器网络节点中麦克风的采样率与采样数目，可以在无线声传感器网络的每一个节点中准确估计出压缩气体泄漏的声源方位。

背景技术

压缩气体泄漏会产生的高于人耳感知的超声波，根据超声波传播所具有的良好的方向性，能够获得压缩气体泄漏的声源方位。利用压缩气体泄漏的超声特性进行压缩气体泄漏声源的方位估计，具有很高的灵敏度与准确性。

北京爱社时代科技发展有限公司在其提出的专利申请文件“一种基于时差定位原理的气体泄漏点扫描仪”(申请号：CN201210000118.5，公开号：CN102539084A)中公开了一种基于时差定位原理、高定位精度的压缩气体泄漏点的方位指示方法。该方法基于时差定位原理，检测部分采用三个超声传感器并排列成等边三角形，计算泄漏点超声波信号到达三个超声传感器两两之间的时间差，进而判断出泄漏点相对于等边三角形中心的位置，即实现了对泄漏点的方位指示。该方法虽然提高了压缩气体泄漏声源方位估计的准确性，但是，该方法仍然存在的不足之处是：需要工作人员在待检测部位近距离定期巡检，难以检测到人员不易到达的区域，检测不全面；此外，在发生易燃易爆或者有毒气体泄漏时，工作人员的生命安全会受到威胁。

Jan Steckel,Herbert Peremans在其发表的论文“Ultrasound-based Air LeakDetection using a Random Microphone Array and Sparse Representations”(《SENSORS》，2014IEEE,pp:1026-1029)中提出了一种利用随机麦克风阵列和稀疏表示进行压缩气体泄漏的声源方位估计方法。该方法将空间角度进行均匀划分，根据声源在空间角度的稀疏性对接收信号进行稀疏表示，最后用L1重构算法求解得到泄漏声源的方位。该方法虽然应用稀疏表示方法准确得到了压缩气体泄漏的声源方位，但是，该方法仍然存在的不足之处是：每一个麦克风均需要以高采样率采样大量数据，导致该方法所需存储量大，运算速度较慢，且硬件上难以实现。

发明内容

本发明的目的在于克服上述已有技术的不足，提出无线声传感器网络下压缩气体泄漏的声源方位估计方法。

本发明的技术方案是：在无线声传感器网络的每一个节点中选择参考麦克风与压缩采样麦克风，其中参考麦克风以高采样频率进行标准采样，压缩采样麦克风进行低速的压缩采样；将一维空间角度均匀划分后利用参考麦克风的采样数据矢量构造稀疏基矩阵；利用压缩采样麦克风的采样时刻构造测量矩阵；通过求解优化问题获得压缩气体泄漏的声源方位值。

实现本发明目的的具体步骤如下：

(1)布局麦克风阵列：

将无线声传感器网络中的每一个节点的麦克风阵列均设定为含有L个麦克风，阵元间距为d的均匀线性阵列；

(2)选择参考麦克风与压缩采样麦克风：

从无线声传感器网络中的每一个节点的麦克风阵列中，任意选择一个麦克风，作为参考麦克风，将其余麦克风作为压缩采样麦克风；

(3)标准采样：

在无线声传感器网络的每一个节点中，参考麦克风以F_s＝500KHz的采样频率对压缩气体泄漏产生的声源信号进行标准采样，得到每一个节点中参考麦克风的采样数据矢量，其中，F_s表示参考麦克风的采样频率；

(4)压缩采样：

(4a)采用中心极限定理法，生成无线声传感器网络的每一个节点中的每一个压缩采样麦克风的每一个采样时间间隔；

(4b)按照采样时刻公式，计算无线声传感器网络的每一个节点中的每一个压缩采样麦克风的每一个采样时刻；

(4c)在无线声传感器网络的每一个节点中，每一个压缩采样麦克风在与其对应的每一个采样时刻，对压缩气体泄漏产生的声源信号进行采样，得到无线声传感器网络的每一个节点中的每一个压缩采样麦克风的采样数据矢量；

(5)构造稀疏基矩阵：

(5a)将无线声传感器网络的每一个节点所对应的一维空间角度，以间隔1°均匀划分为181个空间角度，在每一个空间角度设定一个虚拟声源；

(5b)按照时间差公式，计算无线声传感器网络的每一个节点对应的每一个虚拟声源信号，分别到达该节点中的每一个压缩采样麦克风与到达参考麦克风的时间差

(5c)按照下式，计算无线声传感器网络的每一个节点中，每一个压缩采样麦克风对应的子稀疏基矩阵的每一个列向量：

其中，D_qij表示无线声传感器网络的第q个节点中，第i个压缩采样麦克风对应的子稀疏基矩阵中，第j个空间角度所对应的列向量，表示在无线声传感器网络的第q个节点中，对参考麦克风的采样数据矢量取元素操作，r表示取整操作，Δ_qij表示无线声传感器网络的第q个节点所对应的来自第j个空间角度的虚拟声源信号分别到达该节点中的第i个压缩采样麦克风与到达参考麦克风的时间差，K_q表示在无线声传感器网络的第q个节点中，参考麦克风在压缩采样麦克风采样的时间段内的采样总数，T表示矩阵转置操作；

(5d)按照下式，构造无线声传感器网络的每一个节点中的每一个压缩采样麦克风对应的子稀疏基矩阵：

D_qi＝[D_qi0,D_qi1,...,D_qi180]

其中，D_qi表示无线声传感器网络的第q个节点中的第i个压缩采样麦克风对应的子稀疏基矩阵；

(5e)按照下式，构造无线声传感器网络中每一个节点所对应的稀疏基矩阵：

其中，Ψ_q表示无线声传感器网络中第q个节点所对应的稀疏基矩阵；

(6)构造测量矩阵：

(6a)按照下式，计算无线声传感器网络的每一个节点中，每一个压缩采样麦克风的每一个采样时刻所对应的列序号：

其中，u_qi(m)表示无线声传感器网络的第q个节点中，第i个压缩采样麦克风的第m个采样时刻所对应的列序号，τ_qim表示无线声传感器网络的第q个节点中，第i个压缩采样麦克风的第m个采样时刻与第m-1个采样时刻的时间间隔值；

(6b)按照下式，计算无线声传感器网络的每一个节点中，每一个压缩采样麦克风所对应的随机次采样矩阵中的每一个元素：

其中，G_qi(m,n)表示无线声传感器网络的第q个节点中的第i个压缩采样麦克风所对应的随机次采样矩阵中，第m个采样时刻所对应的行中的第n个元素；

(6c)按照下式，构造无线声传感器网络中的每一个节点所对应的测量矩阵：

Φ_q＝diag{G_q1,G_q2,...,G_q(L-1)}

其中，Φ_q表示无线声传感器网络中的第q个节点所对应的测量矩阵，diag{·}表示构造块对角矩阵操作，G_q1表示无线声传感器网络的第q个节点中的第1个压缩采样麦克风对应的随机次采样矩阵，G_q2表示无线声传感器网络的第q个节点中的第2个压缩采样麦克风对应的随机次采样矩阵，G_q(L-1)表示无线声传感器网络的第q个节点中的第L-1个压缩采样麦克风对应的随机次采样矩阵；

(7)获得压缩气体泄漏的声源方位：

(7a)按照下式，构造无线声传感器网络中每一个节点所对应的采样数据矢量：

其中，β_q表示无线声传感器网络的第q个节点所对应的采样数据矢量，表示无线声传感器网络的第q个节点中的第1个压缩采样麦克风的采样数据矢量，表示无线声传感器网络的第q个节点中的第2个压缩采样麦克风的采样数据矢量，表示无线声传感器网络的第q个节点中的第L-1个压缩采样麦克风的采样数据矢量；

(7b)按照下式，计算无线声传感器网络中的每一个节点所对应的感知矩阵：

A_q＝Φ_qΨ_q

其中，A_q表示无线声传感器网络中的第q个节点所对应的感知矩阵；

(7c)按照下式，计算无线声传感器网络的每一个节点的方位模式矢量：

min||b_q||₁ s.t.||β_q-A_qb_q||₂＜ε

其中，min表示求最小值操作，||·||₁表示求1范数操作，b_q表示无线声传感器网络的第q个节点所对应的方位模式矢量，s.t.表示条件符号，||·||₂表示求2范数操作，ε表示一个大于0的常数；

(7d)将无线声传感器网络的每一个节点中得到的方位模式矢量中非零元素所在位置的序号减1，用其值作为该节点的压缩气体泄漏声源方位的角度值。

本发明与现有技术相比具有如下优点：

第一，由于本发明是在每一个无线声传感器网络节点中直接获得压缩气体泄漏声源的波达方向，克服了现有技术中需要工作人员在待检测部位近距离定期巡检所带来的不全面，不安全的问题，使得本发明可以全面安全地实现压缩气体泄漏的声源方位估计。

第二，由于本发明采用压缩采样方法，每一个压缩采样麦克风在采样时间段内仅需低速采样少量的数据；此外，本发明采用构造测量矩阵方法，将无线声传感器网络的每一个节点对应的测量矩阵构造为由0，1元素构成的稀疏矩阵。本发明通过以上两个操作，克服了现有技术中每一个麦克风都需要以高采样率采样大量数据所导致的所需存储量大，运算较慢和硬件难以实现的缺点，使得本发明具有所需存储量小，实时性高和易于硬件实现的优点。

附图说明

图1为本发明的流程图；

图2为本发明对压缩气体泄漏声源进行方位估计的仿真图，其中，图2(a)为本发明对1个压缩气体泄漏声源进行方位估计的仿真图，图2(b)为本发明对2个压缩气体泄漏声源进行方位估计的仿真图，图2(c)为本发明对3个压缩气体泄漏声源进行方位估计的仿真图。

具体实施方式

下面结合附图对本发明做进一步的描述。

参照图1，对本发明实现的具体步骤做进一步的详细描述。

步骤1.布局麦克风阵列。

将无线声传感器网络中的每一个节点的麦克风阵列均设定为含有L个麦克风，阵元间距为d的均匀线性阵列，其中，麦克风阵列的阵元数目为5≤L≤9，阵元间隔为2.5cm≤d≤5cm，阵元数目与阵元间隔满足d·L≤20cm。

步骤2.选择参考麦克风与压缩采样麦克风。

从无线声传感器网络中的每一个节点的麦克风阵列中，任意选择一个麦克风，作为参考麦克风，将其余麦克风作为压缩采样麦克风。

步骤3.标准采样。

在无线声传感器网络的每一个节点中，参考麦克风以F_s＝500KHz的采样频率对压缩气体泄漏产生的声源信号进行标准采样，得到每一个节点中参考麦克风的采样数据矢量，其中，F_s表示参考麦克风的采样频率。

步骤4.压缩采样。

采用中心极限定理法，生成无线声传感器网络的每一个节点中的每一个压缩采样麦克风的每一个采样时间间隔。中心极限定理法的具体步骤为，按照下式，计算无线声传感器网络中每一个节点的所有压缩采样麦克风的采样时间间隔的均值：

其中，μ表示无线声传感器网络中每一个节点的所有压缩采样麦克风的采样时间间隔的均值，S₁表示无线声传感器网络中每一个节点的所有压缩采样麦克风结束采样的时刻，S₀表示无线声传感器网络中每一个节点的所有压缩采样麦克风开始采样的时刻，M表示无线声传感器网络的每一个节点中的每一个压缩采样麦克风的采样总数。

按照下式，计算无线声传感器网络中每一个节点的所有压缩采样麦克风的采样时间间隔的方差：

其中，σ²表示无线声传感器网络中每一个节点的所有压缩采样麦克风的采样时间间隔的方差，P表示压缩气体泄漏的声源总数。

在无线声传感器网络的每一个节点中，利用随机数发生器产生(L-1)(M-1)组长度为30，均值为方差为的均匀分布随机数序列，每一组随机数序列与每一个压缩采样麦克风的每一个采样时间间隔对应。

按照下式，计算无线声传感器网络的每一个节点中每一个压缩采样麦克风的每一个随机采样时间间隔：

其中，τ_qim表示无线声传感器网络的第q个节点中，第i个压缩采样麦克风的第m个采样时刻与第m-1个采样时刻的时间间隔值，∑表示求和操作，x_qimh表示无线声传感器网络的第q个节点中，第i个压缩采样麦克风的第m个采样时刻与第m-1个采样时刻的时间间隔值对应的，均匀分布随机数序列中的第h个随机数。

按照t_qim＝t_qi(m-1)+τ_qim采样时刻公式，计算无线声传感器网络的每一个节点中的每一个压缩采样麦克风的每一个采样时刻。其中，t_qim表示无线声传感器网络的第q个节点中的第i个压缩采样麦克风的第m个采样时刻。

在无线声传感器网络的每一个节点中，每一个压缩采样麦克风在与其对应的每一个采样时刻，对压缩气体泄漏产生的声源信号进行采样，得到无线声传感器网络的每一个节点中的每一个压缩采样麦克风的采样数据矢量。

步骤5.构造稀疏基矩阵：

将无线声传感器网络的每一个节点所对应的一维空间角度，以间隔1°均匀划分为181个空间角度，在每一个空间角度设定一个虚拟声源。

按照时间差公式，计算无线声传感器网络的每一个节点对应的每一个虚拟声源信号，分别到达该节点中的每一个压缩采样麦克风与到达参考麦克风的时间差。其中，Δ_qij表示无线声传感器网络的第q个节点所对应的来自第j个空间角度的虚拟声源信号分别到达该节点中的第i个压缩采样麦克风与到达参考麦克风的时间差，cos表示余弦操作，θ_qj表示无线声传感器网络的第q个节点所对应的第j个空间角度的角度值，c表示声速。

按照下式，计算无线声传感器网络的每一个节点中，每一个压缩采样麦克风对应的子稀疏基矩阵的每一个列向量：

其中，D_qij表示无线声传感器网络的第q个节点中，第i个压缩采样麦克风对应的子稀疏基矩阵中，第j个空间角度所对应的列向量，表示在无线声传感器网络的第q个节点中，对参考麦克风的采样数据矢量取元素操作，r表示取整操作，K_q表示在无线声传感器网络的第q个节点中，参考麦克风在压缩采样麦克风采样的时间段内的采样总数，T表示矩阵转置操作。

按照下式，构造无线声传感器网络的每一个节点中的每一个压缩采样麦克风对应的子稀疏基矩阵：

D_qi＝[D_qi0,D_qi1,...,D_qi180]

其中，D_qi表示无线声传感器网络的第q个节点中的第i个压缩采样麦克风对应的子稀疏基矩阵。

按照下式，构造无线声传感器网络中每一个节点所对应的稀疏基矩阵：

其中，Ψ_q表示无线声传感器网络中第q个节点所对应的稀疏基矩阵。

步骤6.构造测量矩阵。

按照下式，计算无线声传感器网络的每一个节点中，每一个压缩采样麦克风的每一个采样时刻所对应的列序号：

其中，u_qi(m)表示无线声传感器网络的第q个节点中，第i个压缩采样麦克风的第m个采样时刻所对应的列序号。

按照下式，计算无线声传感器网络的每一个节点中，每一个压缩采样麦克风所对应的随机次采样矩阵中的每一个元素：

其中，G_qi(m,n)表示无线声传感器网络的第q个节点中的第i个压缩采样麦克风所对应的随机次采样矩阵中，第m个采样时刻所对应的行中的第n个元素。

按照下式，构造无线声传感器网络中的每一个节点所对应的测量矩阵：

Φ_q＝diag{G_q1,G_q2,...,G_q(L-1)}

其中，Φ_q表示无线声传感器网络中的第q个节点所对应的测量矩阵，diag{·}表示构造块对角矩阵操作，G_q1表示无线声传感器网络的第q个节点中的第1个压缩采样麦克风对应的随机次采样矩阵，G_q2表示无线声传感器网络的第q个节点中的第2个压缩采样麦克风对应的随机次采样矩阵，G_q(L-1)表示无线声传感器网络的第q个节点中的第L-1个压缩采样麦克风对应的随机次采样矩阵。

步骤7.获得压缩气体泄漏的声源方位：

按照下式，构造无线声传感器网络中每一个节点所对应的采样数据矢量：

其中，β_q表示无线声传感器网络的第q个节点所对应的采样数据矢量，表示无线声传感器网络的第q个节点中的第1个压缩采样麦克风的采样数据矢量，表示无线声传感器网络的第q个节点中的第2个压缩采样麦克风的采样数据矢量，表示无线声传感器网络的第q个节点中的第L-1个压缩采样麦克风的采样数据矢量。

按照下式，计算无线声传感器网络中的每一个节点所对应的感知矩阵：

A_q＝Φ_qΨ_q

其中，A_q表示无线声传感器网络中的第q个节点所对应的感知矩阵。

按照下式，在无线声传感器网络的每一个节点中，计算方位模式矢量：

min||b_q||₁ s.t.||β_q-A_qb_q||₂＜ε

其中，min表示求最小值操作，||·||₁表示求1范数操作，b_q表示无线声传感器网络的第q个节点所对应的方位模式矢量，s.t.表示条件符号，||·||₂表示求2范数操作，ε表示一个大于0的常数。

将无线声传感器网络的每一个节点中得到的方位模式矢量中，非零元素所在位置的序号减1，用其值作为该节点得到的压缩气体泄漏声源方位的角度值。

本发明的效果可以通过以下仿真实验作进一步说明。

1.仿真条件：

本发明仿真实验是在Pentium(R)Dual-core CPU E5800@3.20GHz,32位Windows7系统下，Matlab R2014a运行平台上完成的。

2.仿真实验的内容：

本发明参数设置如下，无线声传感器网络节点中的均匀线性阵列阵元总数为7，阵元间距为0.03m，其中，参考麦克风的采样频率为500KHz，从0.1s开始进行标准采样，每一个压缩采样麦克风的采样总数为20，从参考麦克风采样后的0.3s开始进行压缩采样，压缩采样时长为4ms，信噪比为20dB，仿真均运行100次。采用泄漏孔直径为1mm，1.5mm的不同压缩气体泄漏的声音wav文件作为声源进行仿真。

图2为本发明对压缩气体泄漏声源进行方位估计的仿真图。

图2(a)为本发明对1个压缩气体泄漏声源进行方位估计的仿真图。其中，压缩气体泄漏孔的直径为1.5mm，方位角度为54°。图2(a)中显示的是本发明进行100次方位估计的平均结果图，其中，图2(a)横坐标表示角度，纵坐标表示比例参数。由图2(a)可见，本发明可以准确地获得1个压缩气体泄漏的声源方位，正确率达100％。

图2(b)为本发明对2个压缩气体泄漏声源进行方位估计的仿真图。其中，压缩气体泄漏孔的直径分别为1.5mm和1mm，方位角度分别为60°和123°。图2(b)中显示的是本发明进行100次方位估计的平均结果图，其中，图2(b)横坐标表示角度，纵坐标表示比例参数。由图2(b)可见，本发明可以准确地获得2个压缩气体泄漏的声源方位，正确率达100％。

图2(c)为本发明对3个压缩气体泄漏声源进行方位估计的仿真图。其中，压缩气体泄漏孔的直径分别为1.5mm，1.5mm和1mm，方位角度分别为45°，60°和123°。图2(c)中显示的是本发明进行100次方位估计的平均结果图，其中，图2(c)横坐标表示角度，纵坐标表示比例参数。由图2(c)可见，本发明可以较准确地获得3个压缩气体泄漏的声源方位，正确率达88％。

综上所述，本发明采用无线声传感器网络下压缩气体泄漏的声源方位估计方法，可以在无线声传感器网络的节点中直接获得准确的压缩气体泄漏声源的方位，克服了现有技术中需要工作人员在压缩气体泄漏部位近距离定期巡检带来的不全面不安全的问题；本发明采用压缩采样方法和构造测量矩阵方法，克服了现有技术存在的每个麦克风均需要高速采样大量数据所带来的所需存储量大，运算速度慢和硬件难以实现的缺点，具有所需存储量小，实时性高和硬件易实现的优点。

Claims (5)

1.一种无线声传感器网络下压缩气体泄漏的声源方位估计方法，包括如下步骤：

(1)布局麦克风阵列：

将无线声传感器网络中的每一个节点的麦克风阵列均设定为含有L个麦克风，阵元间距为d的均匀线性阵列；

(2)选择参考麦克风与压缩采样麦克风：

从无线声传感器网络中的每一个节点的麦克风阵列中，任意选择一个麦克风，作为参考麦克风，将其余麦克风作为压缩采样麦克风；

(3)标准采样：

在无线声传感器网络的每一个节点中，参考麦克风以F_s＝500KHz的采样频率对压缩气体泄漏产生的声源信号进行标准采样，得到每一个节点中参考麦克风的采样数据矢量，其中，F_s表示参考麦克风的采样频率；

(4)压缩采样：

(4a)采用中心极限定理法，生成无线声传感器网络的每一个节点中的每一个压缩采样麦克风的每一个采样时间间隔；

(4b)按照采样时刻公式，计算无线声传感器网络的每一个节点中的每一个压缩采样麦克风的每一个采样时刻；

(4c)在无线声传感器网络的每一个节点中，每一个压缩采样麦克风在与其对应的每一个采样时刻，对压缩气体泄漏产生的声源信号进行采样，得到无线声传感器网络的每一个节点中的每一个压缩采样麦克风的采样数据矢量；

(5)构造稀疏基矩阵：

(5a)将无线声传感器网络的每一个节点所对应的一维空间角度，以间隔1°均匀划分为181个空间角度，在每一个空间角度设定一个虚拟声源；

(5b)按照时间差公式，计算无线声传感器网络的每一个节点对应的每一个虚拟声源信号，分别到达该节点中的每一个压缩采样麦克风与到达参考麦克风的时间差；

(5c)按照下式，计算无线声传感器网络的每一个节点中，每一个压缩采样麦克风对应的子稀疏基矩阵的每一个列向量：

其中，D_qij表示无线声传感器网络的第q个节点中，第i个压缩采样麦克风对应的子稀疏基矩阵中，第j个空间角度所对应的列向量，表示在无线声传感器网络的第q个节点中，对参考麦克风的采样数据矢量取元素操作，r表示取整操作，Δ_qij表示无线声传感器网络的第q个节点所对应的来自第j个空间角度的虚拟声源信号分别到达该节点中的第i个压缩采样麦克风与到达参考麦克风的时间差，K_q表示在无线声传感器网络的第q个节点中，参考麦克风在压缩采样麦克风采样的时间段内的采样总数，T表示矩阵转置操作；

(5d)按照下式，构造无线声传感器网络的每一个节点中的每一个压缩采样麦克风对应的子稀疏基矩阵：

D_qi＝[D_qi0,D_qi1,...,D_qi180]

其中，D_qi表示无线声传感器网络的第q个节点中的第i个压缩采样麦克风对应的子稀疏基矩阵；

(5e)按照下式，构造无线声传感器网络中每一个节点所对应的稀疏基矩阵：

${\mathrm{\Ψ}}_q={\[D_{q1}^T,D_{q2}^T,...,D_{q(L-1)}^T\]}^T$

其中，Ψ_q表示无线声传感器网络中第q个节点所对应的稀疏基矩阵；

(6)构造测量矩阵：

(6a)按照下式，计算无线声传感器网络的每一个节点中，每一个压缩采样麦克风的每一个采样时刻所对应的列序号：

$u_{qi}\left(m\right)=\left\{\begin{array}{cc}1& m=1\\ u_{qi}(m-1)+r({\mathrm{\τ}}_{qim}\·F_s)& 2\≤m\≤M\end{array}\right.$

其中，u_qi(m)表示无线声传感器网络的第q个节点中，第i个压缩采样麦克风的第m个采样时刻所对应的列序号，τ_qim表示无线声传感器网络的第q个节点中，第i个压缩采样麦克风的第m个采样时刻与第m-1个采样时刻的时间间隔值；

(6b)按照下式，计算无线声传感器网络的每一个节点中，每一个压缩采样麦克风所对应的随机次采样矩阵中的每一个元素：

其中，G_qi(m,n)表示无线声传感器网络的第q个节点中的第i个压缩采样麦克风所对应的随机次采样矩阵中，第m个采样时刻所对应的行中的第n个元素；

(6c)按照下式，构造无线声传感器网络中的每一个节点所对应的测量矩阵：

Φ_q＝diag{G_q1,G_q2,...,G_q(L-1)}

其中，Φ_q表示无线声传感器网络中的第q个节点所对应的测量矩阵，diag{·}表示构造块对角矩阵操作，G_q1表示无线声传感器网络的第q个节点中的第1个压缩采样麦克风对应的随机次采样矩阵，G_q2表示无线声传感器网络的第q个节点中的第2个压缩采样麦克风对应的随机次采样矩阵，G_q(L-1)表示无线声传感器网络的第q个节点中的第L-1个压缩采样麦克风对应的随机次采样矩阵；

(7)获得压缩气体泄漏的声源方位：

(7a)按照下式，构造无线声传感器网络中每一个节点所对应的采样数据矢量：

${\mathrm{\β}}_q={\[{\mathrm{\η}}_{q1}^T,{\mathrm{\η}}_{q2}^T,...,{\mathrm{\η}}_{q(L-1)}^T\]}^T$

其中，β_q表示无线声传感器网络的第q个节点所对应的采样数据矢量，表示无线声传感器网络的第q个节点中的第1个压缩采样麦克风的采样数据矢量，表示无线声传感器网络的第q个节点中的第2个压缩采样麦克风的采样数据矢量，表示无线声传感器网络的第q个节点中的第L-1个压缩采样麦克风的采样数据矢量；

(7b)按照下式，计算无线声传感器网络中的每一个节点所对应的感知矩阵：

A_q＝Φ_qΨ_q

其中，A_q表示无线声传感器网络中的第q个节点所对应的感知矩阵；

(7c)按照下式，计算无线声传感器网络的每一个节点的方位模式矢量：

min||b_q||₁s.t.||β_q-A_qb_q||₂＜ε

其中，min表示求最小值操作，||·||₁表示求1范数操作，b_q表示无线声传感器网络的第q个节点所对应的方位模式矢量，s.t.表示条件符号，||·||₂表示求2范数操作，ε表示一个大于0的常数；

(7d)将无线声传感器网络的每一个节点中得到的方位模式矢量中非零元素所在位置的序号减1，用其值作为该节点的压缩气体泄漏声源方位的角度值。

2.根据权利要求1所述的无线声传感器网络下压缩气体泄漏的声源方位估计方法，其特征在于：步骤(1)中所述的L个麦克风，阵元间距为d的均匀线性阵列是指：每一个节点中麦克风阵列的阵元总数为5≤L≤9，每一个节点中麦克风阵列的阵元间距为2.5cm≤d≤5cm，每一个节点中麦克风阵列的阵元总数与阵元间距满足d·L≤20cm。

3.根据权利要求1所述的无线声传感器网络下压缩气体泄漏的声源方位估计方法，其特征在于：步骤(4a)中所述中心极限定理法的步骤如下：

第1步，按照下式，计算无线声传感器网络中每一个节点的所有压缩采样麦克风的采样时间间隔的均值：

$\mathrm{\μ}=\frac{S_1-S_0}{M}$

其中，μ表示无线声传感器网络中每一个节点的所有压缩采样麦克风的采样时间间隔的均值，S₁表示无线声传感器网络中每一个节点的所有压缩采样麦克风结束采样的时刻，S₀表示无线声传感器网络中每一个节点的所有压缩采样麦克风开始采样的时刻；

第2步，按照下式，计算无线声传感器网络中每一个节点的所有压缩采样麦克风的采样时间间隔的方差：

${\mathrm{\σ}}^2=\frac{M^2{P}^2}{{(S_1-S_0)}^2}$

其中，σ²表示无线声传感器网络中每一个节点的所有压缩采样麦克风的采样时间间隔的方差，P表示压缩气体泄漏的声源总数；

第3步，在无线声传感器网络的每一个节点中，利用随机数发生器产生(L-1)(M-1)组长度为30，均值为方差为的均匀分布随机数序列，每一组随机数序列与每一个压缩采样麦克风的每一个采样时间间隔对应；

第4步，按照下式，计算无线声传感器网络的每一个节点中每一个压缩采样麦克风的每一个随机采样时间间隔：

${\mathrm{\τ}}_{qim}=\underset{h=1}{\overset{30}{\Σ}}{x}_{qimh}$

其中，∑表示求和操作，x_qimh表示无线声传感器网络的第q个节点中，第i个压缩采样麦克风的第m个采样时刻与第m-1个采样时刻的时间间隔值对应的，均匀分布随机数序列中的第h个随机数。

4.根据权利要求1所述的无线声传感器网络下压缩气体泄漏的声源方位估计方法，其特征在于：步骤(4b)中所述的采样时刻公式如下：

t_qim＝t_qi(m-1)+τ_qim

其中，t_qim表示无线声传感器网络的第q个节点中的第i个压缩采样麦克风的第m个采样时刻。

5.根据权利要求1所述的无线声传感器网络下压缩气体泄漏的声源方位估计方法，其特征在于：步骤(5b)中所述的时间差公式为：

${\mathrm{\Δ}}_{qij}=\frac{i\·d\·cos\left({\mathrm{\θ}}_{qj}\right)}{c}$

其中，cos表示余弦操作，θ_qj表示无线声传感器网络的第q个节点所对应的第j个空间角度的角度值，c表示声速。