CN109100727B - 一种使用运动虚拟声源识别声源运动轨迹的方法 - Google Patents

Abstract

本发明提供了一种使用运动虚拟声源识别声源运动轨迹的方法，包括如下步骤：声源运动的时间区域划分；确定T_ns时间段内真实声源声压向量；确定T_ns时段内静止虚拟声源频域声压向量；确定时间段T_n内运动声源起始点初步估计位置；确定时间段T_n内运动声源终止点初步估计位置；实际声源频域声压向量；确定构建的运动虚拟声源频域声压向量e_nv；T_n时间段内运动声源轨迹的识别；声源运动的全部时间区域识别。本发明可以通过对声源逐段速度的实时修正，减小多普勒效应带来的影响，能够对非匀速及非规则运动声源的轨迹进行有效的的识别。

Description

一种使用运动虚拟声源识别声源运动轨迹的方法

技术领域

本发明涉及声源识别领域或者运动声源的轨迹追踪领域。特别涉及一种使用运动虚拟声源识别声源运动轨迹的方法。

背景技术

随着科学技术的不断进步，人们对生活舒适性要求也越来越高，其中噪声强弱已然成为了产品评估和环境评测的重要指标之一，降低甚至消除噪声的各种方式也就成为了备受关注的课题，而声源识别则是噪声控制的首要工作，并随着对声源识别研究的不断深入，移动声源的识别逐渐成为了关注的焦点。声源在移动过程中，由于其位置随着运动时间改变，导致对移动声源的轨迹追踪相对于静止点源识别更为复杂；当声源速度较高时，声源多普勒效应增强，直接表现为声源频率识别值的增大或减小，从而产生较大的轨迹识别误差。

近年来有专家学者提出了使用基于静止虚拟声源的方法用以识别声源信息，该方法主要适用于静止点声源的识别，而对运动声源则无法进行准确的识别，尤其当声源速度较高时，随着识别时间的增加，累积误差逐渐增大，识别结果偏离了真实轨迹，因此对于移动声源的识别需要进一步的研究工作。

发明内容

针对现有技术中存在的不足，本发明提供了一种使用运动虚拟声源识别声源运动轨迹的方法，该过程通过对声源逐段速度的实时修正，减小多普勒效应带来的影响，能够对非匀速及非规则运动声源的轨迹进行有效的的识别。

本发明是通过以下技术手段实现上述技术目的的。

一种使用运动虚拟声源识别声源运动轨迹的方法，包括如下步骤：

声源运动的时间区域划分：取阵列中任一位置传声器接收到的声压信号进行傅里叶变换，得到测量声源的频率初始估算值ω₀；将声源运动的全部时间区域等分为N个时间段T_n(n＝1，2，…，N)；传声器按a×b阵列布置记为M_ij(i＝1，2，…，a；j＝1，2，…，b)，其坐标为(x_i，y_j，0)；

确定T_ns时间段内真实声源声压向量：取T_n内初始时间段T_ns内声压信号p_ns进行积分变换：

式中t为声源运动内的某一时间；计算得出整个阵列声压信号的频域声压值，将其表示为P_ns(x_i,y_j,ω₀)，其中T_ns取T_n内的前10％-20％；对声源频域声压值按照传声器的位置顺序进行整合，得到T_ns内真实声源声压向量：

P′_ns＝(P_ns(x₁,y₁,ω₀),P_ns(x₂,y₁,ω₀),…,P_ns(x_i,y_j,ω₀),…,P_ns(x_a,y_b,ω₀))；

确定T_ns时段内静止虚拟声源频域声压向量：在声源面内以频率估算值ω_c构建一虚拟静止点声源，其中

坐标为(x_vn，y_vn，z_vn)，计算得出在T_ns时段内传声器阵列接收到的虚拟声源辐射声压信号，通过积分变换得到其频域声压值P_vns(x_i，y_j，ω_c)，其中坐标(x_vn，y_vn，z_vn)为声源面内任意点；将虚拟声源频域声压值进行整合得出静止虚拟声源频域声压向量：

P_vns＝(P_vns(x₁,y₁,ω_c),P_vns(x₂,y₁,ω_c),…,P_vns(x_i,y_j,ω_c),…,P_vns(x_a,y_b,ω_c))，归一化处理得；

确定时间段T_n内运动声源起始点初步估计位置：对真实声源声压向量P_n′_s和静止虚拟声源单位频域声压向量e_n做内积运算，根据内积相关性原理：|<P′_ns,e_n〉|≤||P′_ns||||e_n||，使用优化算法搜索其内积模极值，得到时间段T_n内运动声源起始点初步估计位置(x_ns，y_ns，z_ns)；

确定时间段T_n内运动声源终止点初步估计位置：取T_n内终止时间段T_nf的声压信号进行分析，用T_nf替换T_ns，重复所述确定T_ns时间段内真实声源声压向量、所述确定T_ns时段内静止虚拟声源频域声压向量和所述确定时间段T_n内运动声源起始点初步估计位置，得到时间段T_n内运动声源终止点初步估计位置(x_nf，y_nf，z_nf)，其中T_nf取取T_n内的后10％-20％；

实际声源频域声压向量：对传声器阵列在T_n时段内接收到的实际声源声压信号进行积分运算，计算得出整个阵列声压信号的频域声压值，将其表示为P_n(x_i，y_j),对频域声压信号按传声器位置顺序进行整合，得到实际声源频域声压向量

P_n＝(P_n(x₁,y₁),P_n(x₂,y₁),…,P_n(x_i,y_j),…,P_n(x_a,y_b))；

确定构建的运动虚拟声源频域声压向量e_nv：构建一运动虚拟声源，用ω_v表示运动虚拟声源频率，运动虚拟初始位置坐标表示为(x_vs，y_vs，z_vs)，其终止位置坐标表示为(x_vf，y_vf，z_vf)，运动速度表示为u，计算得出在T_n时段内传声器阵列接收到的运动虚拟声源时域声压信号，通过积分变换得到其频域声压值P_n(x_vi，y_vj)，对运动虚拟声源频域声压值进行整合得到声压向量：

P_nv＝(P_n(x_v1,y_v1),P_n(x_v2,y_v1),…,P_n(x_vi,y_vj),…,P_n(x_va,y_vb))，进行归一化处理得到运动虚拟声源频域声压向量e_nv；其中，运动虚拟初始位置和终止位置均为空间任意位置；

T_n时间段内运动声源轨迹的识别：实际声源频域声压向量P_n和运动虚拟声源频域声压向量e_nv做内积运算，以声源频率估算值ω_c、时间段T_n内运动声源起始点初步估计位置(x_ns，y_ns，z_ns)、时间段T_n内运动声源终止点初步估计位置(x_nf，y_nf，z_nf)和声源运动速度估算值v_n构建优化计算初始条件，通过优化计算搜索内积模极值，获得内积模极值处对应的运动虚拟声源初始位置

终止位置

速度值

和频率值

其中

声源运动的全部时间区域识别：当n<N，n＝n+1,重复上面步骤；当n＝N时，完成运动声源的轨迹追踪。

进一步，所述确定T_ns时段内静止虚拟声源频域声压向量中虚拟静止点声源的辐射强度为1，初相位为0。

进一步，所述确定构建的运动虚拟声源频域声压向量e_nv中的运动虚拟强度为1，初相位为0。

本发明的有益效果在于：

1.本发明所述的使用运动虚拟声源识别声源运动轨迹的方法，通过对声源逐段速度的实时修正，减小多普勒效应带来的影响，能够对非匀速及非规则运动声源的轨迹进行有效的的识别。

2.本发明所述的使用运动虚拟声源识别声源运动轨迹的方法，通过内积相关性来识别声源，该方法的特点是不需要解方程；

3.本发明所述的使用运动虚拟声源识别声源运动轨迹的方法，无需提前预知声源的运动模式，能够对非匀速及非规则运动声源的轨迹进行有效的识别。

附图说明

图1为本发明的实施例1直线加速运动声源轨迹图。

图2为本发明的实施例1直线加速运动声源速度值诊断结果图。

图3为本发明的实施例1直线加速运动声源轨迹追踪结果图。

图4为本发明的实施例2曲线加速运动声源轨迹图。

图5为本发明的实施例2曲线加速运动声源速度值诊断结果图。

图6为本发明的实施例2曲线加速运动声源轨迹追踪结果图。

图7为本发明所述的使用运动虚拟声源识别声源运动轨迹的方法流程图。

具体实施方式

下面结合附图以及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。

实施例1：加速直线运动声源轨迹识别模拟仿真实

设空间z＝1m平面内存在一直线加速运动的点声源，运动点声源初始(t＝0时刻)位置坐标为(0m，6m，1m)，声源频率为1000Hz，声源强度为Q₀＝6Pa·m；在z＝0m平面内等0.15m间隔布置11×11规格的传声器阵列，传声器阵列中心在原点处。设置采样频率为10000Hz，对2s内声源运动轨迹进行追踪，该声源位置随时间t变化关系为：

图1为z＝1m平面内加速运动声源理论轨迹。用传声器阵列完成整个运动时间段内的声压数据采集。使用傅里叶变换对中间位置传声器接收到的声压信号进行计算，得到测量声源的频率初始估算值ω₀＝962Hz；将声源运动的全部时间区域等分为20个时间段T_n(n＝1,2,…,20)；如图7所示的流程图看：

首先对T₁内的声压信号进行分析：取时间段T₁内初始时间段T_1s＝0.02s内声压信号p_1s进行积分变换：

计算得出整个阵列声压信号的频域声压值，将其表示为P(x_i,y_j,ω₀)(i＝1,2,…,11；j＝1,2,…,11)；对声源频域声压值按照传声器的位置顺序进行整合，得到真实声源声压向量：

P′_1s＝(P_1s(x₁,y₁,ω₀),P_1s(x₂,y₁,ω₀),…,P_1s(x_i,y_j,ω₀),…,P_1s(x₁₁,y₁₁,ω₀))；

确定T_1s时段内静止虚拟声源频域声压向量：在声源面内以频率估算值ω_c构建一虚拟静止点声源，

设其声源辐射强度为1，初相位为0，坐标为(x_v，y_v)，计算得出在T_1s时段内传声器阵列接收到的时域声压信号，通过积分变换得到其频域声压值P_v1s(x_i，y_j，ω₀)；将虚拟声源频域声压值进行整合得出其声压向量：

P_v1s＝(P_v1s(x₁,y₁,ω₀),P_v1s(x₂,y₁,ω₀),…,P_v1s(x_i,y_j,ω₀),…,P_v1s(x₁₁,y₁₁,ω₀))，归一化处理为：

构建的虚拟静止点声源辐射强度和初相位可以为任意值。

确定时间段T₁内运动声源起始点初步估计位置：对真实声源声压向量P′_1s和静止虚拟声源单位频域声压向量e₁做内积运算，根据内积相关性原理，使用优化算法搜索其内积模极值，得到时间段T₁内运动声源起始点初步估计位置(x_1s，y_1s，z_1s)为(0.00m，6.00m，1.00m)；

时间段T₁内运动声源终止点初步估计位置：取T₁内终止时间段T_1f的声压信号进行分析，用T_1f替换T_1s，重复所述确定T_1s时间段内真实声源声压向量、所述确定T_1s时段内静止虚拟声源频域声压向量和所述确定时间段T₁内运动声源起始点初步估计位置，得到时间段T₁内运动声源终止点初步估计位置(x_1f，y_1f，z_1f)为(0.04m，5.99m，1.00m)，其中T_1f取取T₁内的后10％-20％；

实际声源频域声压向量：对传声器阵列在T₁时段内接收到的实际声源声压信号进行积分运算，计算得出整个阵列声压信号的频域声压值，将其表示为P₁(x_i，y_j),对频域声压信号按传声器位置顺序进行整合，得到实际声源频域声压向量：

P₁＝(P₁(x₁,y₁),P₁(x₂,y₁),…,P₁(x_i,y_j),…,P₁(x₁₁,y₁₁))；

确定构建的运动虚拟声源频域声压向量e_1v：构建一运动虚拟声源，声源强度为1，初相位为0，用ω_v表示运动虚拟声源频率，运动虚拟初始位置坐标表示为(x_vs，y_vs，z_vs)，其终止位置坐标表示为(x_vf，y_vf，z_vf)，运动速度表示为u，计算得出在T_n时段内传声器阵列接收到的运动虚拟声源时域声压信号，通过积分变换得到其频域声压值P₁(x_vi，y_vj)，对运动虚拟声源频域声压值进行整合得到声压向量：P_1v＝(P₁(x_v1,y_v1),P₁(x_v2,y_v1),…,P₁(x_vi,y_vj),…,P₁(x_v11,y_v11))，进行归一化处理得到运动虚拟声源频域声压向量e_1v；其中，运动虚拟初始位置和终止位置均为空间任意位置；构建的运动虚拟声源的声源辐射强度和初相位可以为任意值。

T₁时间段内运动声源轨迹的识别：实际声源频域声压向量P₁和运动虚拟声源频域声压向量e_1v做内积运算，以声源频率估算值ω_c、初始点位置初步估计坐标(x_1s，y_1s，z_1s)、终止点初步估计坐标(x_1f，y_1f，z_1f)和声源运动速度估算值v₁构建优化计算初始条件，通过优化计算搜索内积模极值，获得内积模极值处对应的运动虚拟声源初始位置

终止位置

速度值

和频率值

其中

求出v₁＝0.41m/s；

获得内积模极值处对应的虚拟运动声源初始位置

为(0.000m，6.000m，1.00m)、虚拟运动声源终止位置

为(0.049m，5.990m，1.00m)、速度值

和频率值

该参数即为识别得到的实际运动声源参数，完成了T₁时间段内运动声源轨迹的识别。

声源运动的全部时间区域识别：当n<N，n＝n+1,重复上面步骤；当n＝N时，完成运动声源的轨迹追踪。对T₂内的声压信号进行分析，将T₁时间段频率值

作为已知条件，重复上面过程，并使用以T₁诊断出的速度值、T₂初始坐标及终止坐标作为初始条件进行内积模极值搜索，简化搜索过程，完成T2内声源轨迹的识别；使用相同方法对剩余时间段内的信号进行识别，完成运动声源的速度诊断及轨迹追踪。基于运动虚拟声源识别方法的声源速度实时诊断值如图2所示；本专利方法的轨迹识别结果如图3所示，图中表示了全部时间段对应的轨迹追踪结果。

实施例2：加速曲线运动声源轨迹识别模拟仿真实

设空间z＝2m平面内存在一直线加速运动的点声源，运动点声源初始(t＝0时刻)位置坐标为(0m，1m，2m)，声源频率为1250Hz，声源强度为Q₀＝6Pa·m；在z＝0m平面内等0.2m间隔布置9×9规格的传声器阵列，传声器阵列中心在原点处。设置采样频率为10000Hz，对2s内声源运动轨迹进行追踪，该声源位置随时间t变化关系为：

图4为z＝2m平面内加速运动声源理论轨迹。用传声器阵列完成整个运动时间段内的声压数据采集。使用傅里叶变换对中间位置传声器接收到的声压信号进行计算，得到测量声源的频率初始估算值ω₀＝1204Hz；将声源运动的全部时间区域等分为20个时间段T_n(n＝1,2,…,20)；

首先对T₁内的声压信号进行分析：取时间段T₁内初始时间段T_1s＝0.015s内声压信号p_1s进行积分变换：

计算得出整个阵列声压信号的频域声压值，将其表示为P(x_i,y_j,ω₀)(i＝1,2,…,9；j＝1,2,…,9)；对声源频域声压值按照传声器的位置顺序进行整合，得到真实声源声压向量：

P′_1s＝(P_1s(x₁,y₁,ω₀),P_1s(x₂,y₁,ω₀),…,P_1s(x_i,y_j,ω₀),…,P_1s(x₉,y₉,ω₀))；

确定T_1s时段内静止虚拟声源频域声压向量：在声源面内以频率估算值ω_c构建一虚拟静止点声源，

设其声源辐射强度为1，初相位为0，坐标为(x_vn，y_vn，z_vn)，计算得出在T_1s时段内传声器阵列接收到的时域声压信号，通过积分变换得到其频域声压值P_v1s(x_i，y_j，ω₀)；将虚拟声源频域声压值进行整合得出其声压向量：

P_v1s＝(P_v1s(x₁,y₁,ω₀),P_v1s(x₂,y₁,ω₀),…,P_v1s(x_i,y_j,ω₀),…,P_v1s(x₉,y₉,ω₀))，归一化处理为：

确定时间段T₁内运动声源起始点初步估计位置：对真实声源声压向量P₁′_s和静止虚拟声源单位频域声压向量e₁做内积运算，根据内积相关性原理，使用优化算法搜索其内积模极值，得到时间段T₁内运动声源起始点初步估计位置(x_1s，y_1s，z_1s)为(1.03m，20.00m，2.00m)；

时间段T₁内运动声源终止点初步估计位置：取T₁内终止时间段T_1f的声压信号进行分析，用T_1f替换T_1s，重复所述确定T_1s时间段内真实声源声压向量、所述确定T_1s时段内静止虚拟声源频域声压向量和所述确定时间段T₁内运动声源起始点初步估计位置，得到时间段T₁内运动声源终止点初步估计位置(x_1f，y_1f，z_1f)为(1.37m，19.96m，2.00m)，其中T_1f取取T₁内的后10％-20％；

实际声源频域声压向量：对传声器阵列在T₁时段内接收到的实际声源声压信号进行积分运算，计算得出整个阵列声压信号的频域声压值，将其表示为P₁(x_i，y_j),对频域声压信号按传声器位置顺序进行整合，得到实际声源频域声压向量：

P₁＝(P₁(x₁,y₁),P₁(x₂,y₁),…,P₁(x_i,y_j),…,P₁(x₉,y₉))；

确定构建的运动虚拟声源频域声压向量e_1v：构建一运动虚拟声源，声源强度为1，初相位为0，用ω_v表示运动虚拟声源频率，运动虚拟初始位置坐标表示为(x_vs，y_vs，z_vs)，其终止位置坐标表示为(x_vf，y_vf，z_vf)，运动速度表示为u，计算得出在T_n时段内传声器阵列接收到的运动虚拟声源时域声压信号，通过积分变换得到其频域声压值P₁(x_vi，y_vj)，对运动虚拟声源频域声压值进行整合得到声压向量：P_1v＝(P₁(x_v1,y_v1),P₁(x_v2,y_v1),…,P₁(x_vi,y_vj),…,P₁(x_v9,y_v9))，进行归一化处理得到运动虚拟声源频域声压向量e_1v；其中，运动虚拟初始位置和终止位置均为空间任意位置；

T₁时间段内运动声源轨迹的识别：实际声源频域声压向量P₁和运动虚拟声源频域声压向量e_1v做内积运算，以声源频率估算值ω_c、初始点位置初步估计坐标(x_1s，y_1s，z_1s)、终止点初步估计坐标(x_1f，y_1f，z_1f)和声源运动速度估算值v₁构建优化计算初始条件，通过优化计算搜索内积模极值，获得内积模极值处对应的运动虚拟声源初始位置

终止位置

速度值

和频率值

其中

获得内积模极值处对应的虚拟运动声源初始位置

为(1.001m，19.997m，2.00m)、虚拟运动声源终止位置

为(1.398m，19.943m，2.00m)、速度值

和频率值

该参数即为识别得到的实际运动声源参数，完成了T₁时间段内运动声源轨迹的识别。

声源运动的全部时间区域识别：当n<N，n＝n+1,重复上面步骤；当n＝N时，完成运动声源的轨迹追踪。对T₂内的声压信号进行分析，将T₁时间段频率值

作为已知条件，重复上面过程，并使用以T₁诊断出的速度值、T₂初始坐标及终止坐标作为初始条件进行内积模极值搜索，简化搜索过程，完成T2内声源轨迹的识别；使用相同方法对剩余时间段内的信号进行识别，完成运动声源的速度诊断及轨迹追踪。基于运动虚拟声源识别方法的声源速度实时诊断值如图5所示；本专利方法的轨迹识别结果如图6所示，图中表示了全部时间段对应的轨迹追踪结果。

所述实施例为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。

Claims (3)

1.一种使用运动虚拟声源识别声源运动轨迹的方法，其特征在于，包括如下步骤：

声源运动的时间区域划分：取阵列中任一位置传声器接收到的声压信号进行傅里叶变换，得到测量声源的频率初始估算值ω₀；将声源运动的全部时间区域等分为N个时间段T_n(n＝1，2，…，N)；传声器按a×b阵列布置记为M_ij(i＝1，2，…，a；j＝1，2，…，b)，其坐标为(x_i，y_j，0)；

确定T_ns时间段内真实声源声压向量：取T_n内初始时间段T_ns内声压信号p_ns进行积分变换：

式中t为声源运动内的某一时间；计算得出整个阵列声压信号的频域声压值，将其表示为P_ns(x_i,y_j,ω₀)，其中T_ns取T_n内的前10％-20％；对声源频域声压值按照传声器的位置顺序进行整合，得到T_ns内真实声源声压向量：

P′_ns＝(P_ns(x₁,y₁,ω₀),P_ns(x₂,y₁,ω₀),…,P_ns(x_i,y_j,ω₀),…,P_ns(x_a,y_b,ω₀))；

确定T_ns时段内静止虚拟声源频域声压向量：在声源面内以频率估算值ω_c构建一虚拟静止点声源，其中

坐标为(x_vn，y_vn，z_vn)，计算得出在T_ns时段内传声器阵列接收到的虚拟声源辐射声压信号，通过积分变换得到其频域声压值P_vns(x_i，y_j，ω_c)，其中坐标(x_vn，y_vn，z_vn)为声源面内任意点；将虚拟声源频域声压值进行整合得出静止虚拟声源频域声压向量：

P_vns＝(P_vns(x₁,y₁,ω_c),P_vns(x₂,y₁,ω_c),…,P_vns(x_i,y_j,ω_c),…,P_vns(x_a,y_b,ω_c))，归一化处理得；

确定时间段T_n内运动声源起始点初步估计位置：对真实声源声压向量P′_ns和静止虚拟声源单位频域声压向量e_n做内积运算，根据内积相关性原理：|<P′_ns,e_n>|＜||P′_ns||||e_n||，使用优化算法搜索其内积模极值，得到时间段T_n内运动声源起始点初步估计位置(x_ns，y_ns，z_ns)；

确定时间段T_n内运动声源终止点初步估计位置：取T_n内终止时间段T_nf的声压信号进行分析，用T_nf替换T_ns，重复所述确定T_ns时间段内真实声源声压向量、所述确定T_ns时段内静止虚拟声源频域声压向量和所述确定时间段T_n内运动声源起始点初步估计位置，得到时间段T_n内运动声源终止点初步估计位置(x_nf，y_nf，z_nf)，其中T_nf取取T_n内的后10％-20％；

实际声源频域声压向量：对传声器阵列在T_n时段内接收到的实际声源声压信号进行积分运算，计算得出整个阵列声压信号的频域声压值，将其表示为P_n(x_i，y_j),对频域声压信号按传声器位置顺序进行整合，得到实际声源频域声压向量

P_n＝(P_n(x₁,y₁),P_n(x₂,y₁),…,P_n(x_i,y_j),…,P_n(x_a,y_b))；

确定构建的运动虚拟声源频域声压向量e_nv：构建一运动虚拟声源，用ω_v表示运动虚拟声源频率，运动虚拟初始位置坐标表示为(x_vs，y_vs，z_vs)，其终止位置坐标表示为(x_vf，y_vf，z_vf)，运动速度表示为u，计算得出在T_n时段内传声器阵列接收到的运动虚拟声源时域声压信号，通过积分变换得到其频域声压值P_n(x_vi，y_vj)，对运动虚拟声源频域声压值进行整合得到声压向量：

P_nv＝(P_n(x_v1,y_v1),P_n(x_v2,y_v1),…,P_n(x_vi,y_vj),…,P_n(x_va,y_vb))，进行归一化处理得到运动虚拟声源频域声压向量e_nv；其中，运动虚拟初始位置和终止位置均为空间任意位置；

T_n时间段内运动声源轨迹的识别：实际声源频域声压向量P_n和运动虚拟声源频域声压向量e_nv做内积运算，以声源频率估算值ω_c、时间段T_n内运动声源起始点初步估计位置(x_ns，y_ns，z_ns)、时间段T_n内运动声源终止点初步估计位置(x_nf，y_nf，z_nf)和声源运动速度估算值v_n构建优化计算初始条件，通过优化计算搜索内积模极值，获得内积模极值处对应的运动虚拟声源初始位置

终止位置

速度值

和频率值

其中

声源运动的全部时间区域识别：当n<N，n＝n+1,重复上面步骤；当n＝N时，完成运动声源的轨迹追踪。

2.根据权利要求1所述的使用运动虚拟声源识别声源运动轨迹的方法，其特征在于，所述确定T_ns时段内静止虚拟声源频域声压向量中虚拟静止点声源的辐射强度为1，初相位为0。

3.根据权利要求1所述的使用运动虚拟声源识别声源运动轨迹的方法，其特征在于，所述确定构建的运动虚拟声源频域声压向量e_nv中的运动虚拟强度为1，初相位为0。

Images