CN112180329A - 一种基于阵元随机均匀分布球阵反卷积波束形成的汽车噪声源声成像方法 - Google Patents
一种基于阵元随机均匀分布球阵反卷积波束形成的汽车噪声源声成像方法 Download PDFInfo
- Publication number
- CN112180329A CN112180329A CN202010930439.XA CN202010930439A CN112180329A CN 112180329 A CN112180329 A CN 112180329A CN 202010930439 A CN202010930439 A CN 202010930439A CN 112180329 A CN112180329 A CN 112180329A
- Authority
- CN
- China
- Prior art keywords
- array
- vector
- sound source
- sound
- spherical
- 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.)
- Granted
Links
Images
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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/20—Position of source determined by a plurality of spaced direction-finders
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Abstract
本发明公开了一种基于阵元随机均匀分布球阵反卷积波束形成的汽车噪声源声成像方法。步骤1:利用声信号,生成复声压数据矩阵p;步骤2:计算球阵的互谱矩阵C;步骤3:将声源划分成S个观测网格点;步骤4:获得空间谱b;步骤5:生成S个观测网格点到球阵的传递矩阵G;步骤6:生成中心点传播函数矢量psfcentre;步骤7:生成高斯正则化滤波函数矢量ψ;步骤8:获得声源分布矢量q的最优解;步骤9:经过迭代求得声源分布qJ;步骤10:得到声源分布图像。本发明对汽车主要噪声源的空间分布进行高分辨可视化成像,能从图像中准确获得主次噪声源的定位信息和强度相对大小。
Description
技术领域
本发明属于汽车噪声源声成像技术领域;具体涉及一种基于阵元随机均匀分布球阵反卷积波束形成的汽车噪声源声成像方法。
背景技术
波束形成类技术是目前最普遍的噪声源定位方法,由于定位精度高,计算过程简单、速度快,中高频空间分辨率高而得到广泛应用。但是传统的波束形成算法对于孔径一定的测量阵列,会使噪声源空间分辨率受到瑞利准则限制。为获得更高的空间分辨率,需要拉近测量距离、扩大基阵孔径或者提高分析频率,而在实际应用中空间受限往往难以实现良好的测量条件。因而,寻求一种低测量成本,快速高效的高分辨率噪声源定位方法,对于汽车等封闭空间内噪声源定位的有效实施具有重要意义。
三维空间阵列的应用非常必要,尤其是三维空间的球型阵列在汽车、飞机、轮船等空间噪声源测试分析领域的应用有重要价值。三维空间的球型阵列是将一定数目的阵元分布在同一球面上构成的,具有全向旋转对称性,可实现对三维空间多个声源信号的一次性识别。同时当声源相对阵列进任意方向的移动和旋转时,阵列的波束形成技术定位结果不受影响。这些优点是三维阵列特有的,无论如何优化一维、二维阵列,它们都只能一次性识别与定位分布在阵列一侧声源,这由自身维度的局限性决定的。然而在实际应用中,待测声场的范围往往很大,可能是由分布在整个三维空间许多声源辐射所构成,一维、二维的阵列需要多次移动传声器阵列的位置来实现对整个声场中声源的识别定位,这样会增大整个测量过程的数据测量工作量,十分繁琐,同时无法保证多次测量数据之间的关联性,测试误差较大。综合对比分析可知,三维空间的球型阵列在三维空间的波束形成、声源定位和以及声场空间特性分析等领域发挥着重要的作用,有很大的研究价值。
发明内容
本发明提供了一种基于阵元随机均匀分布球阵反卷积波束形成的汽车噪声源声成像方法,利用传声器阵元随机均匀分布球形阵列,建立在传统互谱成像函数波束形成方法基础上的一种快速的三维空间高分辨率噪声源定位方法,可对汽车主要噪声源的空间分布进行高分辨可视化成像,可从图像中准确获得主次噪声源的定位信息和强度相对大小,该方法在汽车噪声测试分析与故障诊断等领域有重要的应用。
本发明通过以下技术方案实现:
一种基于阵元随机均匀分布球阵反卷积波束形成的汽车噪声源声成像方法,所述汽车噪声源声成像方法包括以下步骤:
步骤1:利用阵元数为M的阵元随机均匀分布球阵接收噪声源发出的声信号,生成整个球阵测量数据的复声压数据矩阵p;
步骤2:利用复声压数据矩阵p,计算得到球阵的互谱矩阵C;
步骤3:将空间中的声源所在区域均匀划分成S个观测网格点;
步骤4:对应于步骤3的S个观测网格点,进行互谱成像函数聚焦波束形成,获得常规互谱聚焦波束形成空间谱b;
步骤5:利用常规互谱聚焦波束形成空间谱b,生成S个观测网格点到球阵的传递矩阵G;
步骤6:根据步骤5的传递矩阵G生成满足空间平移不变性的中心点传播函数矢量psfcentre;
步骤7:对应于步骤3的S个观测网格点,生成高斯正则化滤波函数矢量ψ;
步骤8:根据步骤6计算相关常数,并设置声源分布矢量迭代初始值和迭代次数J;
步骤9:经过J-1次迭代求解得到每个聚焦网格点的声源分布矢量qJ;
进一步的,所述步骤1中的阵元随机均匀分布球阵共有M个阵元,间隔为d,均匀分布在半径为a的球面上;rm=[θm,φm,rm]为第m号传声器的坐标矢量,m=1,2,…,M;假设某空间区域中有N个噪声源,则rn=[θn,φn,rn]为第n个声源坐标矢量,n=1,2,…, N,其中θ∈[0π]表示垂直俯仰角,φ∈[0 2π]表示水平方位角;
阵元随机均匀分布球阵第m号传声器,阵元在t时刻接收到的声压信号表示为,
ω为角频率,k为波数,An为距离第n个点声源归算至1m处的声压幅值,|rm-rn|表示第m号阵元到第n个声源之间的距离;
生成整个球阵测量数据的复声压数据矩阵p,
上标T表示矢量的转置,当采样快拍数为L时,球阵测量数据的复声压数据矩阵p为M×L维矩阵。
进一步的,所述步骤2具体为,将每一个传声器的接收信号进行傅里叶变化,从时域转换到频域,得到球阵频域复声压矩阵P(ω),
其中X(ω)为时间因子e-jωt的傅里叶变换,
进一步得到球阵的互谱矩阵,
C=P(ω)PH(ω) (4)
其中,上标H表示矢量共轭转置。
进一步的,所述步骤3具体为,以球心为坐标原点,将声源所在区域共划分为S个观测网格点,
S=SθSφ (5)
其中,Sθ表示沿俯仰角方向均匀划分为的网格点数,Sφ表示沿方位角方向均匀划分的网格点数;则rs=[θs,φs,rs]表示聚焦网格中第s(s=1,2,…,S)个网格点的坐标矢量。
进一步的,所述步骤4具体为,将球阵实际测量到的声压信号互谱矩阵C与S个网格点处可能存在的点声源产生的声信号互谱的差函数最小化来定位声场中真实声源所在的位置;
通过互谱成像函数波束形成算法,对第s个网格点rs处进行聚焦,s=1,2,…,S,得到其波束形成输出的表达式为,
获得全部S个聚焦网格点的波束形成输出结果,得到空间谱b如下,
b=[b(r1) b(r2) … b(rs) … b(rS)]Τ (7)。
进一步的,所述步骤5中S个观测网格点到球阵的传递矩阵G表示为,
则球阵声压数据矩阵p表示为,
p=Gq (9)
式中,q为S×1维列矢量,成为点声源分布矢量,即q=[q1 q2 … qS]T;
互谱矩阵C表示为,
C=GqqHGH (10)
其中,
考虑空间中各点声源互不相干,则各声源分别在阵列传声器处产生声信号互谱的即为阵列传声器接收信号的自谱,上式中非主对角线元素忽略不计,得到
式中,gs为传递矩阵G中所对应的第s列列向量;互谱聚焦波束形成的输出表示为,
进一步的,所述步骤6具体为,构建新的空间转移不变阵列中心点传播函数,以满足空间平移不变性;将单位强度点声源的互谱聚焦波束形成输出表示为,
psf(r/rs)称为球阵点传播函数,其物理意义为单位强度点声源的互谱成像波束形成阵列响应输出;根据公式(14),计算得到划分的全部聚焦网格点,到球阵中心位置的点传播函数矢量为psfcentre,psfcentre矢量中第s个元素为psfcentre(rs0),表示为,
进一步的,所述步骤7利用高斯规则化滤波函数,对声源分布进行平滑化,并抑止高波数噪声的影响;对于聚焦网格点s的高斯正则化滤波函数ψs表示为,
式中,kxs=rscosφscosθs,kys=rs sinφscosθs和kzs=rs sinθs分别表示波数域x、y和z 方向的波数;kc=hπ/Δ,是滤波器截断波数,Δ为聚焦点间隔,h通常取0.5;
S个聚焦网格点对应的高斯正则化滤波函数矢量表示为,
ψ=[ψ1 ψ2 … ψs … ψS]Τ (17)。
进一步的,所述步骤8设置迭代需要的初值和计算常数;
设置迭代次数为J,计算波数域k上的psf为,
psf(k)=F[psfcentre] (18)
其中,F[·]表示快速傅里叶变换(FFT)算子,F-1[·]表示反傅里叶变换算子,对矢量psfcentre中的各元素求和来计算相关常数,
a=∑psfcentre (19)
设置声源分布矢量的迭代初始值,
q(0)=0 (20)
0表示全零元素的矢量。
进一步的,所述步骤9利用快速傅里叶变换将球阵中心点传播函数矢量psfcentre与声源分布矢量q的空域卷积,转化为psfcentre与声源分布q在波数域k上的乘积,以提高计算速率;通过高斯塞德尔迭代算法解卷积,通过第j(j=1,2,…,J-1)次迭代结果q(j)计算第j+1次迭代结果q(j+1),
b(j)=F-1[F[q(j)]psf(k)ψ] (21)
F[·]表示快速傅里叶变换(FFT)算子,F-1[·]表示反傅里叶变换算子,经迭代得到S ×1维矢量qJ,即得到每个观测网格的声源分布信息。
本发明的有益效果是:
本发明提出了一种均匀球阵迭代互谱反卷积聚焦波束形成方法,用于汽车噪声源的声成像,以及噪声源的定位与设别。该方法利用三维空间的球型阵列,仅经过一次测量,就能对整个三维声场声源位置进行成像,大大减少了测量工作量。利用了高斯规则化滤波函数,对声源分布进行平滑化,并抑止高波数噪声的影响,同时利用高斯塞德尔迭代算法解卷积,获取声源空间分布情况,有效消除了实际中非理想点传播函数对波束形成输出结果的影响,从而有效降低了主瓣宽度和旁瓣水平,显著提高了声图像的空间分辨率。该方法除了应用于汽车噪声源声成像外,还可适用于对近场噪声源和封闭空间内的噪声源进行定位,可扩展应用于机舱和会议室等场景。
附图说明
附图1本发明方法流程图。
附图2本发明阵元随机均匀分布球阵模型示意图。
附图3常规聚焦波束形成CBF方法的单声源声成像结果图,图3-(a)常规聚焦波束形成CBF方法3kHz的单声源声成像结果图,图3-(b)常规聚焦波束形成CBF方法5kHz 的单声源声成像结果图。
附图4本发明的单声源声成像结果图,图4-(a)3kHz的单声源声成像结果图,图 4-(b)5kHz的单声源声成像结果图。
附图5常规聚焦波束形成CBF方法的双声源声成像结果图,图5-(a)常规聚焦波束形成CBF方法3kHz的双声源声成像结果图,图5-(b)常规聚焦波束形成CBF方法5kHz 的双声源声成像结果图。
附图6本发明的双声源声成像结果图,图6-(a)3kHz的双声源声成像结果图,图6-(b)5kHz的双声源声成像结果图。
附图7本发明不同迭代次数下的单声源声成像结果图,图7-(a)100次下的单声源声成像结果图,图7-(b)1000次下的单声源声成像结果图,图7-(c)10000次下的单声源声成像结果图
附图8本发明不同迭代次数下的双声源声成像结果图,图8-(a)100次下的双声源声成像结果图,图8-(b)1000次下的双声源声成像结果图,图8-(c)10000次下的双声源声成像结果图。
具体实施方式
下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种基于阵元随机均匀分布球阵反卷积波束形成的汽车噪声源声成像方法,所述汽车噪声源声成像方法包括以下步骤:
步骤1:利用阵元数为M的阵元随机均匀分布球阵接收噪声源发出的声信号,生成整个球阵测量数据的复声压数据矩阵p;
步骤2:利用复声压数据矩阵p,计算得到球阵的互谱矩阵C;
步骤3:将空间中的声源所在区域均匀划分成S个观测网格点;
步骤4:对应于步骤3的S个观测网格点,进行互谱成像函数聚焦波束形成,获得常规互谱聚焦波束形成空间谱b;
步骤5:利用常规互谱聚焦波束形成空间谱b,生成S个观测网格点到球阵的传递矩阵G;
步骤6:根据步骤5的传递矩阵G生成满足空间平移不变性的中心点传播函数矢量psfcentre;
步骤7:生成高斯正则化滤波函数矢量ψ;
步骤8:设置迭代需要的初值和计算常数;
步骤9:经过J-1次迭代求解得到每个聚焦网格点的声源分布矢量qJ;
图2所示为阵元随机均匀分布球阵(以下简称球阵)模型示意图,以球心为坐标原点 (0,0,0)。用随机均匀方式产生M元球阵,则M个阵元的相对位置是均匀的,这样设计的球阵可保证相邻点连接组成的小块面积基本相等。
为满足空间平移不变性假设,要求声源所在区域相对较小或者测量阵列到声源的距离相比于测量阵列自身的孔径较大,因此将球阵布放在距离声源所在区域大于5a以上的位置处,以保证有较好的测试效果。
进一步的,所述步骤1中的阵元随机均匀分布球阵共有M个阵元,间隔为d,均匀分布在半径为a的球面上;rm=[θm,φm,rm]为第m号传声器的坐标矢量,m=1,2,…,M;假设某空间区域中有N个噪声源,则rn=[θn,φn,rn]为第n个声源坐标矢量,n=1,2,…, N,其中θ∈[0π]表示垂直俯仰角,φ∈[0 2π]表示水平方位角;
阵元随机均匀分布球阵第m号传声器,阵元在t时刻接收到的声压信号表示为,
ω为角频率,k为波数,An为距离第n个点声源归算至1m处的声压幅值,|rm-rn|表示第m号阵元到第n个声源之间的距离;
生成整个球阵测量数据的复声压数据矩阵p,
上标T表示矢量的转置,当采样快拍数为L时,球阵测量数据的复声压数据矩阵p为M×L维矩阵。
进一步的,所述步骤2具体为,将每一个传声器的接收信号进行傅里叶变换,从时域转换到频域,得到球阵频域复声压矩阵P(ω),
其中X(ω)为时间因子e-jωt的傅里叶变换,
进一步得到球阵的互谱矩阵,
C=P(ω)PH(ω) (4)
其中,上标H表示矢量共轭转置。
进一步的,所述步骤3具体为,以球心为坐标原点,将声源所在区域共划分为S个观测网格点,
S=SθSφ (5)
其中,Sθ表示沿俯仰角方向均匀划分为的网格点数,Sφ表示沿方位角方向均匀划分的网格点数;则rs=[θs,φs,rs]表示聚焦网格中第s(s=1,2,…,S)个网格点的坐标矢量。
进一步的,所述步骤4具体为,将球阵实际测量到的声压信号互谱矩阵C与S个网格点处可能存在的点声源产生的声信号互谱的差函数最小化来定位声场中真实声源所在的位置;
通过互谱成像函数波束形成算法,对第s个网格点rs处进行聚焦,s=1,2,…,S,得到其波束形成输出的表达式为,
获得全部S个聚焦网格点的波束形成输出结果,得到空间谱b如下,
b=[b(r1) b(r2) … b(rs) … b(rS)]Τ (7)。
进一步的,所述步骤5中S个观测网格点到球阵的传递矩阵G表示为,
则球阵声压数据矩阵p表示为,
p=Gq (9)
式中,q为S×1维列矢量,成为点声源分布矢量,即q=[q1 q2 … qS]T;
互谱矩阵C表示为,
C=GqqHGH (10)
其中,
考虑空间中各点声源互不相干,则各声源分别在阵列传声器处产生声信号互谱的即为阵列传声器接收信号的自谱,上式中非主对角线元素忽略不计,得到
式中,gs为传递矩阵G中所对应的第s列列向量;互谱聚焦波束形成的输出表示为,
进一步的,所述步骤6具体为,构建新的空间转移不变阵列中心点传播函数,以满足空间平移不变性;将单位强度点声源的互谱聚焦波束形成输出表示为,
psf(r/rs)称为球阵点传播函数,其物理意义为单位强度点声源的互谱成像波束形成阵列响应输出;根据公式(14),计算得到划分的全部聚焦网格点,到球阵中心位置的点传播函数矢量为psfcentre,psfcentre矢量中第s个元素为psfcentre(rs0),表示为,
进一步的,所述步骤7利用高斯规则化滤波函数,对声源分布进行平滑化,并抑止高波数噪声的影响;对于聚焦网格点s的高斯正则化滤波函数ψs表示为,
式中,kxs=rscosφscosθs,kys=rs sinφscosθs和kzs=rs sinθs分别表示波数域x、y和z 方向的波数;kc=hπ/Δ,是滤波器截断波数,Δ为聚焦点间隔,h通常取0.5;
S个聚焦网格点对应的高斯正则化滤波函数矢量表示为,
ψ=[ψ1 ψ2 … ψs … ψS]Τ (17)。
进一步的,所述步骤8设置迭代需要的初值和计算常数;
设置迭代次数为J,计算波数域k上的psf为,
psf(k)=F[psfcentre] (18)
其中,F[·]表示快速傅里叶变换(FFT)算子,F-1[·]表示反傅里叶变换算子,对矢量psfcentre中的各元素求和来计算相关常数,
a=∑psfcentre (19)
设置声源分布矢量的迭代初始值,
q(0)=0 (20)
0表示全零元素的矢量。
进一步的,所述步骤9利用快速傅里叶变换将球阵中心点传播函数矢量psfcentre与声源分布矢量q的空域卷积,转化为psfcentre与声源分布q在波数域k上的乘积,以提高计算速率;通过高斯塞德尔迭代算法解卷积,通过第j(j=1,2,…,J-1)次迭代结果q(j)计算第j+1次迭代结果q(j+1),
b(j)=F-1[F[q(j)]psf(k)ψ] (21)
F[·]表示快速傅里叶变换(FFT)算子,F-1[·]表示反傅里叶变换算子,经迭代得到S ×1维矢量qJ,即得到每个观测网格的声源分布信息。通过高斯塞德尔迭代算法解卷积,获取声源空间分布情况,有效消除了实际中非理想点传播函数对波束形成输出结果的影响,从而有效降低了主瓣宽度和旁瓣水平,显著提高了声图像的空间分辨率。
本发明构造了全新的均匀球阵迭代互谱反卷积聚焦波束形成的形式,利用球阵实现了三维空间噪声源声成像。
本发明利用快速傅里叶变换将球阵点传播函数构成的矢量与声源分布矢量q的空域卷积,表示为psfcentre与声源分布在波数域的乘积,大大提高了计算速率。
本发明利用高斯塞德尔迭代算法解卷积,获取声源空间分布情况,有效消除了实际中非理想点传播函数对波束形成输出结果的影响,从而有效降低了主瓣宽度和旁瓣水平,显著提高了声图像的空间分辨率。
实施例2
实例参数设置如下:考虑一球阵的阵元数为64个,各阵元均匀分布在半径为0.2m的球面上,则阵元间距约为0.088m。空气中声速为340m/s,信噪比为10dB。设置扫描范围为θ∈[0,180]°,φ∈[0,360]°,角度扫描间距步长为1度。迭代次数为100次。
单声源距离球阵中心为1m。入射角度为(90°,200°),经过输出结果归一化处理,对比不同频率下,单声源声成像结果(如图2和图3所示)。
设置双声源入射角度分别为(90°,100°)和(90°,300°)。经过输出结果归一化处理,对比不同频率下,单声源声成像结果(如图4和图5所示)。
本发明方法对单声源和双声源都有很好的声成像效果,可为噪声源的定位识别提供可靠的、分辨率更高的结果,在各个频率的声源空间分辨率均较传统聚焦波束形成方法有明显的提升,且背景起伏更小,可有效抑制背景起伏干扰。
设置声源频率为3kHz,单声源入射角度为(90°,200°),双声源入射位置为(90°,100°)和 (90°,300°)。在不同迭代次数下的声图像如图6和图7所示。
随着迭代次数的增加,本发明的声成像效果会获得提升,图像中声源位置出的主瓣明显变窄,分辨率提高。实际使用时,可折中优化选择迭代次数,以获得理想的分辨率和运算效果。建议迭代次数可选择1000左右。
本发明提出了一种基于阵元随机均匀分布球阵反卷积波束形成的汽车噪声源声成像方法。该方法利用三维空间的球型阵列,利用经过高斯正则化滤波的互谱反卷积聚焦波束形成方法,仅需一次测量就能对整个三维声场声源位置,大大减少了测量工作量。适用于对近场噪声源和封闭空间内的噪声源进行定位,可应用于汽车、机舱和会议室等场景。
Claims (10)
1.一种基于阵元随机均匀分布球阵反卷积波束形成的汽车噪声源声成像方法,其特征在于,所述汽车噪声源声成像方法包括以下步骤:
步骤1:利用阵元数为M的阵元随机均匀分布球阵接收噪声源发出的声信号,生成整个球阵测量数据的复声压数据矩阵p;
步骤2:利用复声压数据矩阵p,计算得到球阵的互谱矩阵C;
步骤3:将空间中的声源所在区域均匀划分成S个观测网格点;
步骤4:对应于步骤3的S个观测网格点,进行互谱成像函数聚焦波束形成,获得常规互谱聚焦波束形成空间谱b;
步骤5:利用常规互谱聚焦波束形成空间谱b,生成S个观测网格点到球阵的传递矩阵G;
步骤6:根据步骤5的传递矩阵G生成满足空间平移不变性的中心点传播函数矢量psfcentre;
步骤7:对应于步骤3的S个观测网格点,生成高斯正则化滤波函数矢量ψ;
步骤8:根据步骤6计算相关常数,并设置声源分布矢量迭代初始值和迭代次数J;
步骤9:经过J-1次迭代求解得到每个聚焦网格点的声源分布矢量qJ;
2.根据权利要求1所述一种基于阵元随机均匀分布球阵反卷积波束形成的汽车噪声源声成像方法,其特征在于,所述步骤1中的阵元随机均匀分布球阵共有M个阵元,间隔为d,均匀分布在半径为a的球面上;rm=[θm,φm,rm]为第m号传声器的坐标矢量,m=1,2,…,M;假设某空间区域中有N个噪声源,则rn=[θn,φn,rn]为第n个声源坐标矢量,n=1,2,…,N,其中θ∈[0π]表示垂直俯仰角,φ∈[02π]表示水平方位角;
阵元随机均匀分布球阵第m号传声器,阵元在t时刻接收到的声压信号表示为,
ω为角频率,k为波数,An为距离第n个点声源归算至1m处的声压幅值,|rm-rn|表示第m号阵元到第n个声源之间的距离;
生成整个球阵测量数据的复声压数据矩阵p,
上标T表示矢量的转置,当采样快拍数为L时,球阵测量数据的复声压数据矩阵p为M×L维矩阵。
4.根据权利要求1所述一种基于阵元随机均匀分布球阵反卷积波束形成的汽车噪声源声成像方法,其特征在于,所述步骤3具体为,以球心为坐标原点,将声源所在区域共划分为S个观测网格点,
S=SθSφ (5)
其中,Sθ表示沿俯仰角方向均匀划分为的网格点数,Sφ表示沿方位角方向均匀划分的网格点数;则rs=[θs,φs,rs]表示聚焦网格中第s(s=1,2,…,S)个网格点的坐标矢量。
5.根据权利要求1所述一种基于阵元随机均匀分布球阵反卷积波束形成的汽车噪声源声成像方法,其特征在于,所述步骤4具体为,将球阵实际测量到的声压信号互谱矩阵C与S个网格点处可能存在的点声源产生的声信号互谱的差函数最小化来定位声场中真实声源所在的位置;
通过互谱成像函数波束形成算法,对第s个网格点rs处进行聚焦,s=1,2,…,S,得到其波束形成输出的表达式为,
获得全部S个聚焦网格点的波束形成输出结果,得到空间谱b如下,
b=[b(r1) b(r2)...b(rs)...b(rS)]Τ (7)。
9.根据权利要求1所述一种基于阵元随机均匀分布球阵反卷积波束形成的汽车噪声源声成像方法,其特征在于,所述步骤8设置迭代需要的初值和计算常数;
设置迭代次数为J,计算波数域k上的psf为,
psf(k)=F[psfcentre] (18)
其中,F[·]表示快速傅里叶变换(FFT)算子,F-1[·]表示反傅里叶变换算子,对矢量psfcentre中的各元素求和来计算相关常数,
a=∑psfcentre (19)
设置声源分布矢量的迭代初始值,
q(0)=0 (20)
0表示全零元素的矢量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010930439.XA CN112180329B (zh) | 2020-09-07 | 2020-09-07 | 一种基于阵元随机均匀分布球阵反卷积波束形成的汽车噪声源声成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010930439.XA CN112180329B (zh) | 2020-09-07 | 2020-09-07 | 一种基于阵元随机均匀分布球阵反卷积波束形成的汽车噪声源声成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112180329A true CN112180329A (zh) | 2021-01-05 |
CN112180329B CN112180329B (zh) | 2023-04-11 |
Family
ID=73925844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010930439.XA Active CN112180329B (zh) | 2020-09-07 | 2020-09-07 | 一种基于阵元随机均匀分布球阵反卷积波束形成的汽车噪声源声成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112180329B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112966560A (zh) * | 2021-02-03 | 2021-06-15 | 郑州大学 | 基于反卷积成像的电主轴故障诊断方法和装置 |
CN113219409A (zh) * | 2021-04-15 | 2021-08-06 | 华南理工大学 | 一种基于聚焦网格筛选的声学成像和多声源定位方法 |
CN113658606A (zh) * | 2021-08-19 | 2021-11-16 | 中国人民解放军海军工程大学 | 一种低信噪比条件下基于自适应压缩感知的波束成形方法 |
CN113687307A (zh) * | 2021-08-19 | 2021-11-23 | 中国人民解放军海军工程大学 | 低信噪比及混响环境下的自适应波束成形方法 |
CN114397008A (zh) * | 2021-12-07 | 2022-04-26 | 中国空气动力研究与发展中心低速空气动力研究所 | 低空飞行器噪声源识别的解多普勒方法 |
CN115177217A (zh) * | 2022-09-09 | 2022-10-14 | 之江实验室 | 基于球形粒子光脉冲激发效应的光声信号仿真方法、装置 |
CN116148770A (zh) * | 2023-04-21 | 2023-05-23 | 湖南工商大学 | 基于阵列信号处理的声源定位方法、装置及系统 |
CN116989888A (zh) * | 2023-09-27 | 2023-11-03 | 之江实验室 | 声成像方法、装置、计算机设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080247566A1 (en) * | 2007-04-03 | 2008-10-09 | Industrial Technology Research Institute | Sound source localization system and sound source localization method |
CN105785320A (zh) * | 2016-04-29 | 2016-07-20 | 重庆大学 | 实心球阵列三维声源识别的函数型延迟求和方法 |
CN106124037A (zh) * | 2016-06-15 | 2016-11-16 | 上海交通大学 | 一种基于球函数基本解的近场声全息测试方法及装置 |
CN106483503A (zh) * | 2016-10-08 | 2017-03-08 | 重庆大学 | 实心球阵列三维声源识别的快速反卷积方法 |
US20170094459A1 (en) * | 2015-08-13 | 2017-03-30 | Eski Inc. | Methods and apparatus for creating an individualized record of an event |
CN109451291A (zh) * | 2018-12-29 | 2019-03-08 | 像航(上海)科技有限公司 | 无介质浮空投影声源定向语音交互系统、智能汽车 |
EP3627129A1 (en) * | 2017-05-16 | 2020-03-25 | SM Instruments Co., Ltd. | Movable ultrasonic image facility diagnosis device |
-
2020
- 2020-09-07 CN CN202010930439.XA patent/CN112180329B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080247566A1 (en) * | 2007-04-03 | 2008-10-09 | Industrial Technology Research Institute | Sound source localization system and sound source localization method |
US20170094459A1 (en) * | 2015-08-13 | 2017-03-30 | Eski Inc. | Methods and apparatus for creating an individualized record of an event |
CN105785320A (zh) * | 2016-04-29 | 2016-07-20 | 重庆大学 | 实心球阵列三维声源识别的函数型延迟求和方法 |
CN106124037A (zh) * | 2016-06-15 | 2016-11-16 | 上海交通大学 | 一种基于球函数基本解的近场声全息测试方法及装置 |
CN106483503A (zh) * | 2016-10-08 | 2017-03-08 | 重庆大学 | 实心球阵列三维声源识别的快速反卷积方法 |
EP3627129A1 (en) * | 2017-05-16 | 2020-03-25 | SM Instruments Co., Ltd. | Movable ultrasonic image facility diagnosis device |
CN109451291A (zh) * | 2018-12-29 | 2019-03-08 | 像航(上海)科技有限公司 | 无介质浮空投影声源定向语音交互系统、智能汽车 |
Non-Patent Citations (4)
Title |
---|
周政平: ""基于波束形成的货车通过噪声声源识别"" * |
宋海岩: ""矢量最优化稳健波束形成性能分析"" * |
杨 洋 等: ""基于反卷积DAMAS2波束形成的发动机噪声源识别"" * |
褚志刚 等: ""基于非负最小二乘反卷积波束形成的发动机噪声源识别"" * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112966560A (zh) * | 2021-02-03 | 2021-06-15 | 郑州大学 | 基于反卷积成像的电主轴故障诊断方法和装置 |
CN113219409A (zh) * | 2021-04-15 | 2021-08-06 | 华南理工大学 | 一种基于聚焦网格筛选的声学成像和多声源定位方法 |
CN113219409B (zh) * | 2021-04-15 | 2023-08-18 | 华南理工大学 | 一种基于聚焦网格筛选的声学成像和多声源定位方法 |
CN113658606B (zh) * | 2021-08-19 | 2023-08-08 | 中国人民解放军海军工程大学 | 一种低信噪比条件下基于自适应压缩感知的波束成形方法 |
CN113658606A (zh) * | 2021-08-19 | 2021-11-16 | 中国人民解放军海军工程大学 | 一种低信噪比条件下基于自适应压缩感知的波束成形方法 |
CN113687307A (zh) * | 2021-08-19 | 2021-11-23 | 中国人民解放军海军工程大学 | 低信噪比及混响环境下的自适应波束成形方法 |
CN113687307B (zh) * | 2021-08-19 | 2023-08-18 | 中国人民解放军海军工程大学 | 低信噪比及混响环境下的自适应波束成形方法 |
CN114397008A (zh) * | 2021-12-07 | 2022-04-26 | 中国空气动力研究与发展中心低速空气动力研究所 | 低空飞行器噪声源识别的解多普勒方法 |
CN114397008B (zh) * | 2021-12-07 | 2023-04-28 | 中国空气动力研究与发展中心低速空气动力研究所 | 低空飞行器噪声源识别的解多普勒方法 |
CN115177217B (zh) * | 2022-09-09 | 2023-01-03 | 之江实验室 | 基于球形粒子光脉冲激发效应的光声信号仿真方法、装置 |
CN115177217A (zh) * | 2022-09-09 | 2022-10-14 | 之江实验室 | 基于球形粒子光脉冲激发效应的光声信号仿真方法、装置 |
CN116148770B (zh) * | 2023-04-21 | 2023-07-07 | 湖南工商大学 | 基于阵列信号处理的声源定位方法、装置及系统 |
CN116148770A (zh) * | 2023-04-21 | 2023-05-23 | 湖南工商大学 | 基于阵列信号处理的声源定位方法、装置及系统 |
CN116989888A (zh) * | 2023-09-27 | 2023-11-03 | 之江实验室 | 声成像方法、装置、计算机设备和存储介质 |
CN116989888B (zh) * | 2023-09-27 | 2024-03-12 | 之江实验室 | 声成像方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112180329B (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112180329B (zh) | 一种基于阵元随机均匀分布球阵反卷积波束形成的汽车噪声源声成像方法 | |
AU2015292238B2 (en) | Planar sensor array | |
CN107884741B (zh) | 一种多球阵列多宽带声源快速定向方法 | |
Chiariotti et al. | Acoustic beamforming for noise source localization–Reviews, methodology and applications | |
Jin et al. | Design, optimization and evaluation of a dual-radius spherical microphone array | |
Yang et al. | Functional delay and sum beamforming for three-dimensional acoustic source identification with solid spherical arrays | |
CN104166120B (zh) | 一种声矢量圆阵稳健宽带mvdr方位估计方法 | |
CN106569191A (zh) | 一种利用高分辨率成像获取目标rcs的方法 | |
CN113868583B (zh) | 一种子阵波束聚焦的声源距离计算方法及系统 | |
CN114527427B (zh) | 一种基于球形麦克风阵列的低频波束形成声源定位方法 | |
CN107765221A (zh) | 适用于相干和非相干声源的反卷积声源成像算法 | |
CN109343003B (zh) | 一种快速迭代收缩波束形成声源识别方法 | |
CN106526563B (zh) | 一种基于互相关虚拟阵的五元体积阵多目标方位估计方法 | |
CN109521401A (zh) | 一种合成孔径成像的快速波束形成方法 | |
Xia et al. | Noise reduction method for acoustic sensor arrays in underwater noise | |
CN111812581A (zh) | 基于原子范数的球面阵列声源波达方向估计方法 | |
CN110501669B (zh) | 一种中心对称声矢量圆阵快速空间谱压缩超分辨方位估计方法 | |
CN113593596B (zh) | 一种基于子阵划分的鲁棒自适应波束形成定向拾音方法 | |
Zhao et al. | High-resolution CLEAN-SC for acoustic source identification with spherical microphone arrays | |
CN103048641B (zh) | 具有联合约束优化形式的矢量阵稳健聚焦处理方法 | |
Park et al. | Incipient tip vortex cavitation localization using block-sparse compressive sensing | |
CN108595758A (zh) | 一种任意形式传感器阵列最优宽带波束图综合方法 | |
Lobato et al. | Deconvolution with neural grid compression: A method to accurately and quickly process beamforming results | |
Pereira et al. | Noise source identification in a vehicle cabin using an iterative weighted approach to the ESM method | |
CN113391266B (zh) | 基于非圆多嵌套阵降维子空间数据融合的直接定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |