CN113219409A - 一种基于聚焦网格筛选的声学成像和多声源定位方法 - Google Patents
一种基于聚焦网格筛选的声学成像和多声源定位方法 Download PDFInfo
- Publication number
- CN113219409A CN113219409A CN202110404398.5A CN202110404398A CN113219409A CN 113219409 A CN113219409 A CN 113219409A CN 202110404398 A CN202110404398 A CN 202110404398A CN 113219409 A CN113219409 A CN 113219409A
- Authority
- CN
- China
- Prior art keywords
- sound
- sub
- sound source
- grid
- regions
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于聚焦网格筛选的声学成像和多声源定位方法。该方法包括基于聚焦网格筛选的反卷积波束形成步骤、声源计数及定位步骤,其中,基于聚焦网格筛选的反卷积波束形成步骤通过将聚焦平面网格点划分子区域的方式,初步筛选可能存在声源的子区域,再对潜在声源的子区域采用DAMAS2方法求解,该方法相比DAMAS2方法大幅减小了时间开销。其中,声源计数和定位步骤通过筛选边缘子区域,通过判断所有边缘子区域之间的连通情况确定声源个数,通过相机标定坐标转换实现了多声源定位,避免了对每个聚焦平面网格点的声功率计算,大幅减小了处理过程中时间开销。
Description
技术领域
本发明属于电力设备故障检测领域,具体涉及一种基于聚焦网格筛选的声学成像和多声源定位方法。
背景技术
随着构建智能电网战略的不断推进,电力设备的故障诊断技术日益多样化。可听声是指20Hz~20kHz频段的声信号,蕴含了电力设备大量的运行状态信息,由可听声信号检测技术演变而来的声学成像技术,又名声学相机,是指利用传声器阵列采集多通道的音频数据,使用声学成像方法计算出声源聚焦平面上的声功率分布情况,该方法能够直观了解目标设备的声场分布情况,确定声源的空间位置。波束形成是声学成像的一种常见方法,包括延时求和波束形成方法、互谱波束形成算方法、反卷积波束形成方法等。反卷积波束形成(DAMAS)虽然显著提高了波束图的空间分辨率和有效动态范围,但该方法是以多次迭代为代价,需要计算每个聚焦平面网格点的点扩散函数(psf),时间开销很大,不利于工程上的应用,而基于DAMAS改进的DAMAS2方法虽然只需计算声源聚焦平面中心点的psf,时间开销相比DAMAS有所减小,但DAMAS2耗时的绝对数值依然较大,需要对该方法进一步改进,以减小时间开销。
现有的声学成像方法中的声源定位功能,多数只能对单声源进行定位,但实际情况下设备可能存在不止一个声源,对声源个数进行计数和分别定位的需求较为强烈。
发明内容
本发明的目的是为了解决现有技术中的上述缺陷,提供一种基于聚焦网格筛选的声学成像和多声源定位方法,用于电力设备故障检修。
本发明的目的可以通过采取如下技术方案达到:
一种基于聚焦网格筛选的声学成像和多声源定位方法,所述方法包括以下步骤:
S1、建立空间直角坐标系,确定传声器阵列中各传声器的位置、摄像头的位置、声源聚焦平面的位置;
S2、将声源聚焦平面S划分为若干个子区域集合D0,设D0中的某个子区域为dij,其中i和j分别为子区域的行下标和列下标,对D0中的所有dij采用互谱波束形成方法计算声功率分布矩阵,设定阈值γ,筛选出可能存在声源的dij集合D1和不存在声源的dij集合D2,将D1中的每个dij作为新的声源聚焦平面,分别采用DAMAS2方法计算每个dij内部网格的声功率分布,将D2中所有dij的内部网格的声功率置0处理,将D1和D2中所有dij内部网格的声功率分布求并集,得到整个声源聚焦平面S的声功率分布;
S3、在D1中筛选出边缘子区域集合De,设De中的任意两个子区域分别为du和dv,其中u和v为下标,判断从du格点到dv格点,是否存在所有途径格点都属于D1集合的最短路径,根据判断结果来确定du和dv的连通性,通过判断De中所有du dv组合的连通性情况来确定声源数量,最后利用相机标定参数确定各声源的世界坐标。
进一步地,所述传声器阵列为L通道的螺旋形阵列,螺旋形阵列所在平面与地面垂直,摄像头置于螺旋形阵列的几何中心位置,以摄像头光心坐标为原点,以垂直于阵列平面往声源方向为z轴建立空间直角坐标系,螺旋形阵列的螺线间距为b,单次旋转弧度为θ,则第l个传声器在空间直角坐标系中的坐标(xl,yl,zl)为:
由于阵列尺寸相对于电力设备与阵列之间的距离不能忽略,因此声源模型设置为近场球面波模型,设定声源聚焦平面为S,聚焦平面网格点的行数和列数分别为P和Q,设定每个聚焦网格的长宽均为res,声源聚焦平面距离阵列平面的距离为d。
进一步地,所述步骤S2中,划分子区域是指把声源聚焦平面S中的网格点进行等距离划分,设聚焦平面网格点的行数和列数分别为P和Q,则子区域划分的公式如下:
上式中,P'和Q'分别为S中子区域的行数和列数,α是每个子区域中网格点的行数和列数,为了保证划分后每个子区域的大小一致,P、Q和α的设定需要满足:P和Q都能被α整除,P的参考取值范围为100≤P≤1000,Q的参考取值范围为100≤Q≤1000,α的参考取值范围为10≤α≤100。
进一步地,所述步骤S2中,判断子区域是否存在声源所用到的阈值γ由下式确定:
γ=λxmax (C)
上式中,xmax为D0中子区域的声功率最大值,λ为缩放系数,λ的参考取值范围是0.5<λ<1。
进一步地,所述步骤S3中,边缘子区域的定义是:D1中的某个子区域dij存在相邻的子区域属于D2,相邻的子区域是指两个子区域的行下标或列下标的差值为1,其中D1为声源可能存在的子区域集合,D2为不存在声源的子区域集合。
进一步地,所述步骤S3中,子区域之间的连通性判断是指:判断子区域du到dv,是否存在最短路径,使得该路径经过的每个格点都属于D1,如果符合上述要求,则说明du和dv相互连通,否则du和dv不连通,其中du和dv为边缘子区域集合De中的任意两个元素,D1为声源可能存在的子区域集合。
进一步地,所述步骤S3中,最短路径的定义如下:从起点格点出发,在D0元素组成的网格中通过行列坐标的上下左右移动到达终点格点,每次移动只能到达相邻的格点,最短路径是指到达终点坐标移动次数最小时的路径。
本发明相对于现有技术具有如下的优点及效果:
(1)本发明提出基于聚焦网格筛选的反卷积波束形成技术方案,通过将聚焦平面网格点划分子区域的方式,初步筛选可能存在声源的子区域,再对潜在声源的子区域采用DAMAS2方法求解,该方法相比DAMAS2方法,在保持了声学成像空间分辨率和有效动态范围性能的同时,大幅减小了时间开销,该方法的单次迭代的时间复杂度由DAMAS2的o(SlogS)下降到o(klogk)(其中S>>k)。
(2)本发明通过检查任意两个边缘子区域间的连通性的方式对声源数量进行判断,避免了对每个聚焦平面网格点的声功率计算,大幅减小了时间开销,且该方法能识别出多个声源,并能对每个声源进行坐标定位。
附图说明
图1是本发明公开的基于网格筛选的声学成像和多声源定位方法总体流程图;
图2是本发明实施例公开的基于聚焦网格筛选的反卷积波束形成方法框图;
图3是本发明实施例公开的声源计数和多声源定位方法框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
实施例一
本实施例公开了一种基于网格筛选的声学成像和多声源定位方法,该方法通过将聚焦平面网格点划分子区域的方式,初步筛选可能存在声源的子区域,再对可能存在声源的子区域采用DAMAS2方法求解声功率分布,通过筛选边缘子区域,通过判断所有边缘子区域之间的连通情况确定声源个数,通过相机标定坐标转换实现了多声源定位。
图2是本发明实施例公开的基于网格筛选的声学成像和多声源定位方法总体流程图,具体包含如下步骤:
S1、建立空间直角坐标系,确定传声器阵列中各传声器的位置、摄像头的位置、声源聚焦平面的位置;
本实施例中,传声器阵列为L通道的螺旋形阵列,螺旋形阵列所在平面与地面垂直,摄像头置于螺旋形阵列的几何中心位置,以摄像头光心坐标为原点,以垂直于阵列平面往声源方向为z轴建立空间直角坐标系,螺旋形阵列的螺线间距为b,单次旋转弧度为θ,则第l个传声器在空间直角坐标系中的坐标(xl,yl,zl)为:
由于阵列尺寸相对于电力设备与阵列之间的距离不能忽略,因此声源模型设置为近场球面波模型,设定声源聚焦平面为S,聚焦平面网格点的行数和列数分别为P和Q,设定每个聚焦网格的长宽均为res,声源聚焦平面距离阵列平面的距离为d。
S2、将声源聚焦平面S划分为若干个子区域集合D0,设D0中的某个子区域为dij,其中i和j分别为子区域的行下标和列下标,对D0中的所有dij采用互谱波束形成方法计算声功率分布矩阵,设定阈值γ,筛选出可能存在声源的dij集合D1和不存在声源的dij集合D2。将D1中的每个dij作为新的声源聚焦平面,分别采用DAMAS2方法计算每个dij内部网格的声功率分布,将D2中所有dij的内部网格的声功率置0处理,将D1和D2中所有dij内部网格的声功率分布求并集,得到整个声源聚焦平面S的声功率分布。
S3、在D1中筛选出边缘子区域集合De,设De中的任意两个子区域分别为du和dv,其中u和v为下标,判断从du格点到dv格点,是否存在所有途径格点都属于D1集合的最短路径,根据判断结果来确定du和dv的连通性,通过判断De中所有du dv组合的连通性情况来确定声源数量,最后利用相机标定参数确定各声源的世界坐标。
实施例二
下面结合图2,继续针对实施例一的步骤S2,展开说明基于聚焦网格筛选的反卷积波束形成的具体实施方式。
基于聚焦网格筛选的反卷积波束形成包括以下步骤:
S21、将声源聚焦平面划分为若干个子区域集合D0,设D0中子区域的行数和列数分别为P'和Q',则P'和Q'满足:
上式中,P'和Q'分别为S中子区域的行数和列数,α是每个子区域中网格点的行数和列数。为了保证划分后每个子区域的大小一致,P、Q和α的设定需要满足:P和Q都能被α整除,P的参考取值范围为100≤P≤1000,Q的参考取值范围为100≤Q≤1000,α的参考取值范围为10≤α≤100,具体数值由技术专家确定。
S22、设D0中的某个子区域为dij,其中i和j分别为子区域的行下标和列下标,将D0中每个dij的几何中心作为聚焦点的坐标,采用互谱波束形成方法计算每个子区域的声功率,即:
上式中,r为声源聚焦平面网格点的向量,b(r)为声源聚焦点r处的互谱波束形成响应,S为声源聚焦平面网格点的个数,|qs|2为第s个声源聚焦格点的声功率,rs为第s个声源聚焦格点到传声器阵列几何中心的距离,psf(r/rs)为点扩散函数,|rs-rm|为第s个声源聚焦格点到第m个传声器的距离,M为传声器的个数,v(r)表示声源聚焦点r的导向向量,gms为传递矩阵的列向量。
将式(3)中的b(r)表达式改写为矩阵形式:
B=A0X (4)
上式中,B为D0的互谱波束形成输出矩阵,A0为D0的点扩散函数矩阵,A0中的元素为点扩散函数,即psf(r/rs),其中r为声源聚焦平面网格点的向量,rs为第s个声源聚焦格点到传声器阵列几何中心的距离,X为D0的声功率分布矩阵。
S23、对子区域集合D0的声功率分布矩阵X进行筛选,以筛选声源可能存在的子区域集合D1和不存在声源的子区域集合D2。设dij为D0中的子区域元素,其中i和j分别为子区域的行下标和列下标,筛选时设置一个阈值γ,若dij的声功率大于阈值,则认为dij是声源可能存在的子区域,即dij∈D1;若小于阈值,则认为dij不存在声源,即dij∈D2,从而避免了进一步的迭代计算。γ的选取直接关系到算法的有效性和复杂度,但由于在不同场景下,接收到声源的声功率大小有所差异,导致求得的X中元素的大小有所区别,因此不宜采用固定大小的阈值γ,应考虑根据X中元素的具体大小进行设置。设X中的最大元素为xmax,则:
γ=λxmax (5)
上式中,xmax为D0中子区域的声功率最大值,λ为缩放系数,λ的参考取值范围是0.5<λ<1,具体数值需要专家根据经验值确定。
S24、筛选可能存在声源的子区域集合D1后,将D1中的每个子区域中的网格作为新的声源聚焦平面,分别采用DAMAS2方法,计算每个子区域网格的声功率分布矩阵,得到D1中所有子区域声功率分布矩阵的集合X1。
S25、将D2中子区域的所有网格点的声功率置为0,得到D2中所有子区域声功率分布矩阵的集合X2。
S26、将D1和D2中所有网格点的声功率分布矩阵取并集后,得到整个声源聚焦平面声功率分布矩阵的集合,即:
X'=X1∪X2 (6)
上式中,X'为整个声源聚焦平面声功率分布矩阵的集合,X1为D1中所有子区域声功率分布矩阵的集合,X2为D2中所有子区域声功率分布矩阵的集合。
上述步骤S24中,DAMAS2方法的求解步骤如下:
T1、计算声源聚焦平面中心点处的波数域psf(k):
psf(k)=FFT(psf0) (7)
上式中,psf0表示声源聚焦平面中心点处的psf,FFT表示快速傅里叶变换。
T2、计算常数p0:
p0=∑|psf0| (8)
上式中,psf0表示声源聚焦平面中心点处的psf。
T3、设置迭代的初始值x0=0,则第n+1次迭代的计算如下:
上式中,n为迭代次数,b(r)为声源聚焦点r处的互谱波束形成响应,bn(r)是第n次迭代下r点的反卷积波束形成的响应,xn+1(r)为第n+1次迭代下的声功率,FFT表示快速傅里叶变换,FFT-1表示快速傅里叶逆变换,kx和ky表示x轴和y轴的波数,表示滤波器截断函数,Δ是声源聚焦平面中聚焦点的间隔,p0是步骤T2中计算常数。
T4、将步骤T3进行多次迭代计算后,即可计算第n+1次迭代下的声功率xn+1,迭代次数n的参考范围为1000≤n≤3000,具体数值由技术专家根据经验值决定。
实施例三
下面结合图3,继续针对实施例一的步骤S3,展开说明多声源计数和定位的具体实施方式。多声源计数和定位的过程如下:
S31、根据式(5)筛选出可能存在声源的子区域D1;
S32、遍历D1集合中的每个元素,筛选出边缘子区域集合De,边缘子区域的定义是:D1中的某个子区域dij存在相邻的子区域属于D2,相邻的子区域是指两个子区域的行下标或列下标的差值为1。其中D1为声源可能存在的子区域集合,D2为不存在声源的子区域集合。
S33、对De集合中的任意两个元素du和dv进行连通性判别,即判断格点du到dv是否存在最短路径,使得该路径经过的每个格点都属于D1,如果符合上述要求,则说明这两个格点相互连通。上文中,De是边缘子区域集合,D1是可能存在声源的集合。最短路径的定义如下:从起点格点出发,在D0中元素组成的网格中通过行列坐标的上下左右移动到达终点格点,每次移动只能到达相邻的格点,最短路径是指到达终点坐标移动次数最小时的路径。D0是所有子区域的集合。
S34、如果遍历完De中所有的du和dv组合,du到dv都存在途经每个格点都属于D1的最短路径,则判定声源为单声源,将D1中的所有元素存到同一个声源区域数组G1中。上文中,De是边缘子区域集合,D1是可能存在声源的集合。
S35、如果遍历完De中所有的du和dv的组合,发现存在du dv格点组合,这两个格点间不存在途径的每个格点都属于D1的最短路径,则判定声源数量为双声源或多声源,将当前两个子区域格点分别存入两个不同的声源区域数组中。上文中,De是边缘子区域集合,D1是可能存在声源的集合。
S36、重复步骤S33、S34、S35,找到所有符合步骤S33要求的du dv组合,将相互连通的子区域存到同一个声源区域数组Gi中,最终组成声源区域集合{G1,G2,...Gi,...GZ},其中Z为声源区域的数量,i为声源区域的下标,统计该集合元素的个数,即为声源的最终数量。
S37、对于集合{G1,G2,...Gi,...GZ}中的每个子区域,采用DAMAS2方法计算每个子区域的声功率分布矩阵,DAMAS2方法参见实施例2中的步骤T1-T4。
S38、对各声源进行定位。获取第i个声源区域Gi的最大声功率格点的行列坐标为(xim,yim),则第i个声源点的世界坐标为:
上式中,(xic,yic,d)为第s个声源点的世界坐标,d表示传声器阵列所在平面与声源聚焦平面之间的距离,M1为相机标定的内参数矩阵,M1 -1表示对M1矩阵求逆,(xim,yim)为第i个声源区域的最大声功率格点的行列坐标。
综上所述,上述实施例提出一种基于聚焦网格筛选的声学成像和多声源定位方法,本发明的主要思想是将声源聚焦平面网格等距离划分为若干子区域,先对每个子区域用互谱波束形成算法计算声功率分布进行初步声源筛选,再对可能存在声源的子区域采用DAMAS2算法计算筛选后子区域的声功率分布情况,通过筛选边缘子区域,通过判断所有边缘子区域之间的连通情况确定声源个数,通过相机标定坐标转换实现了多声源定位。该方法由于筛选了多数子区域,因此能够较大程度减小算法时间开销,更适合电力设备故障检测等工程领域的应用。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (7)
1.一种基于聚焦网格筛选的声学成像和多声源定位方法,其特征在于,所述方法包括以下步骤:
S1、建立空间直角坐标系,确定传声器阵列中各传声器的位置、摄像头的位置、声源聚焦平面的位置;
S2、将声源聚焦平面S划分为若干个子区域集合D0,设D0中的某个子区域为dij,其中i和j分别为子区域的行下标和列下标,对D0中的所有dij采用互谱波束形成方法计算声功率分布矩阵,设定阈值γ,筛选出可能存在声源的dij集合D1和不存在声源的dij集合D2,将D1中的每个dij作为新的声源聚焦平面,分别采用DAMAS2方法计算每个dij内部网格的声功率分布,将D2中所有dij的内部网格的声功率置0处理,将D1和D2中所有dij内部网格的声功率分布求并集,得到整个声源聚焦平面S的声功率分布;
S3、在D1中筛选出边缘子区域集合De,设De中的任意两个子区域分别为du和dv,其中u和v为下标,判断从du格点到dv格点,是否存在所有途径格点都属于D1集合的最短路径,根据判断结果来确定du和dv的连通性,通过判断De中所有du dv组合的连通性情况来确定声源数量,最后利用相机标定参数确定各声源的世界坐标。
4.根据权利要求1所述的一种基于聚焦网格筛选的声学成像和多声源定位方法,其特征在于,所述步骤S2中,判断子区域是否存在声源所用到的阈值γ由下式确定:
γ=λxmax (C)
上式中,xmax为D0中子区域的声功率最大值,λ为缩放系数,λ的参考取值范围是0.5<λ<1。
5.根据权利要求1所述的一种基于聚焦网格筛选的声学成像和多声源定位方法,其特征在于,所述步骤S3中,边缘子区域的定义是:D1中的某个子区域dij存在相邻的子区域属于D2,相邻的子区域是指两个子区域的行下标或列下标的差值为1,其中D1为声源可能存在的子区域集合,D2为不存在声源的子区域集合。
6.根据权利要求1所述的一种基于聚焦网格筛选的声学成像和多声源定位方法,其特征在于,所述步骤S3中,子区域之间的连通性判断是指:判断子区域du到dv,是否存在最短路径,使得该路径经过的每个格点都属于D1,如果符合上述要求,则说明du和dv相互连通,否则du和dv不连通,其中du和dv为边缘子区域集合De中的任意两个元素,D1为声源可能存在的子区域集合。
7.根据权利要求1所述的一种基于聚焦网格筛选的声学成像和多声源定位方法,其特征在于,所述步骤S3中,最短路径的定义如下:从起点格点出发,在D0元素组成的网格中通过行列坐标的上下左右移动到达终点格点,每次移动只能到达相邻的格点,最短路径是指到达终点坐标移动次数最小时的路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110404398.5A CN113219409B (zh) | 2021-04-15 | 2021-04-15 | 一种基于聚焦网格筛选的声学成像和多声源定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110404398.5A CN113219409B (zh) | 2021-04-15 | 2021-04-15 | 一种基于聚焦网格筛选的声学成像和多声源定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113219409A true CN113219409A (zh) | 2021-08-06 |
CN113219409B CN113219409B (zh) | 2023-08-18 |
Family
ID=77087374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110404398.5A Active CN113219409B (zh) | 2021-04-15 | 2021-04-15 | 一种基于聚焦网格筛选的声学成像和多声源定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113219409B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117634144A (zh) * | 2023-10-27 | 2024-03-01 | 四川大学 | 基于波束焦点邻域成像评价的快速反卷积声源定位算法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060098534A1 (en) * | 2003-03-25 | 2006-05-11 | Robert Hickling | Sound source location and quantification using arrays of vector probes |
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 |
CN109375171A (zh) * | 2018-11-21 | 2019-02-22 | 合肥工业大学 | 一种基于新型正交匹配追踪算法的声源定位方法 |
CN110850371A (zh) * | 2019-11-28 | 2020-02-28 | 合肥工业大学 | 一种基于Green函数修正的高分辨率声源定位方法 |
CN112180329A (zh) * | 2020-09-07 | 2021-01-05 | 黑龙江工程学院 | 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 |
-
2021
- 2021-04-15 CN CN202110404398.5A patent/CN113219409B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060098534A1 (en) * | 2003-03-25 | 2006-05-11 | Robert Hickling | Sound source location and quantification using arrays of vector probes |
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 |
CN109375171A (zh) * | 2018-11-21 | 2019-02-22 | 合肥工业大学 | 一种基于新型正交匹配追踪算法的声源定位方法 |
CN110850371A (zh) * | 2019-11-28 | 2020-02-28 | 合肥工业大学 | 一种基于Green函数修正的高分辨率声源定位方法 |
CN112180329A (zh) * | 2020-09-07 | 2021-01-05 | 黑龙江工程学院 | 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 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117634144A (zh) * | 2023-10-27 | 2024-03-01 | 四川大学 | 基于波束焦点邻域成像评价的快速反卷积声源定位算法 |
Also Published As
Publication number | Publication date |
---|---|
CN113219409B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8773550B2 (en) | Range measurement using multiple coded apertures | |
CN106462957A (zh) | 一种红外图像中条纹噪声的去除方法及系统 | |
CN112686802B (zh) | 图像拼接方法、装置、设备和存储介质 | |
CN110544486B (zh) | 基于麦克风阵列的语音增强方法及系统 | |
EP3205116B1 (en) | Method and apparatus for providing customised sound distributions | |
JP2017228978A (ja) | 信号処理装置、信号処理方法、及びプログラム | |
CN113219409B (zh) | 一种基于聚焦网格筛选的声学成像和多声源定位方法 | |
EP3313104A1 (en) | Systems and methods for directional loudspeaker control with facial detection | |
CN105631939B (zh) | 一种基于曲率滤波的三维点云畸变校正方法及其系统 | |
CN110246092A (zh) | 一种顾及邻域点均值距离和斜率的三维激光点云去噪方法 | |
CN113176538A (zh) | 一种基于麦克风阵列的声源成像方法 | |
Ram et al. | Kikuchi bandlet method for the accurate deconvolution and localization of Kikuchi bands in Kikuchi diffraction patterns | |
CN113176536A (zh) | 一种对噪声源进行快速精确定位的分步聚焦算法 | |
JP6763332B2 (ja) | 収音装置、プログラム及び方法 | |
CN102990225A (zh) | 一种实时检测激光焊接质量的方法 | |
CN112763058A (zh) | 一种自定义坐标阵列噪声信号实时数据分析系统及方法 | |
CN110365404B (zh) | 无波前传感自适应系统及利用该系统提高收敛速度的方法 | |
CN112735461A (zh) | 拾音方法以及相关装置、设备 | |
CN111739554A (zh) | 声学成像频率确定方法、装置、设备及存储介质 | |
CN108432270A (zh) | 扬声器系统中的主动式房间补偿 | |
JP4912612B2 (ja) | 音響計測装置 | |
CN108445452B (zh) | 改进的频域srp声源方位估计方法 | |
KR20170035327A (ko) | 빔 형성 어레이의 드라이버 장치들을 위한 음향 빔 형성 방법 및 음향 장치 | |
CN116309921A (zh) | 基于cuda技术的延迟求和声成像并行加速方法 | |
CN111681668A (zh) | 声学成像方法及终端设备 |
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 |