CN113296056A

CN113296056A - 一种声阵列构型及声源定位方法、系统

Info

Publication number: CN113296056A
Application number: CN202110503825.5A
Authority: CN
Inventors: 刘双凌; 朱明�; 彭功伟; 陈燕哲; 杨芦慧; 张双秀
Original assignee: Huazhong University of Science and Technology
Current assignee: Huazhong University of Science and Technology
Priority date: 2021-05-10
Filing date: 2021-05-10
Publication date: 2021-08-24
Anticipated expiration: 2041-05-10
Also published as: CN113296056B

Abstract

本发明公开了一种声阵列构型及声源定位方法、系统，属于声源在线监测技术领域。本发明提出的声阵列构型相比传统二维嵌套阵列，在使用相同数目阵元的情况下，通过减少稠密子阵的大小，减小了间距小的阵元对数量，降低互耦效应的影响，抗干扰能力增强；可以选取多种类型的一维嵌套阵列，配置更加灵活；在使用相同数目阵元的情况下使阵列孔径得到扩展，提高分辨率性能，同时能够识别更多的声源数。本发明提供的声源定位方法，利用虚拟矩形阵列两个子阵的自相关矩阵和互相关矩阵，可以构建一个特征矩阵，通过对该特征矩阵进行特征分解，可以高效完成每个声源的两个波达方向角的计算，无需进行二维谱峰搜索及两个方向角之间的配对。

Description

一种声阵列构型及声源定位方法、系统

技术领域

本发明属于声源在线监测技术领域，更具体地，涉及一种声阵列构型及声源定位方法、系统。

背景技术

在人们的日常生活及工业生产中都有各种各样的声源，对声源的定位有着重要的作用。人的两个耳朵就像两个麦克风，可以根据两个耳朵声音的不同来判断声源的大致方位；但要对声源进行更准确地定位，往往需要更多的麦克风，这些麦克风就构成了声阵列。在工业环境中，各种仪器往往都会产生一定的噪声，对声源的准确定位可以为工作人员对仪器的监测提供便捷。例如，压气站中各种管道发生泄露时都会产生噪音，利用声阵列定位能够及时地发现问题，避免造成更大的危险。因此，准确对声源方向进行监测是一紧迫且意义重大的任务。

二维嵌套阵列用来对二维方向估计，它利用稀疏的阵列分布减少信息冗余。但是其构型中间距小的阵元对较多，使构型受互耦效应影响大；同时其阵列孔径不够大，对声源定位的分辨率还有提升空间；

目前对于声源定位主要的技术是阵列信号处理，通过布设的传感器阵列对空域信号进行采样和处理，提取信号特征及信息，完成波达方向估计。传统的阵列信号处理技术如多重信号分类(Multiple Signal Classification,MUSIC)方法，旋转不变子空间(Estimation of Signal Parameters via Rotational Invariance Techniques,ESPRIT)方法，可以完成声源定位的工作。但是，MUSIC方法需要二维谱峰搜索，造成计算复杂度高，难以满足实时性要求；ESPRIT方法需要方向角配对，配对失败会导致计算结果误差明显增大。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种声阵列构型及声源定位方法、系统，其目的在于解决解决现有阵列构型结构单一，同时计算方法复杂度高的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种声阵列构型，包括：分布在xoy平面上的多个阵元；其中，分布在X轴、和Y轴上的阵元均为一维稀疏嵌套阵列；对X轴上的每个阵元做关于Y轴平行线，对Y轴上的每个阵元做关于X轴平行线，其余阵元分布在平行线的交点处；

所述一维稀疏嵌套阵列包括3个以上均匀线阵，并且满足以下条件：

孔径至少为

差分相关阵列为均匀线阵、差分相关阵列的阵元间距小于或等于声源波长一半；其中N表示一维稀疏嵌套阵列中阵元的数目，

表示向下取整；所述差分相关阵列表示阵元间位置差的集合。

进一步地，一维稀疏嵌套阵列为超级嵌套阵列、增强嵌套阵列、扩展嵌套阵列或最大间距约束阵列。

进一步地，孔径大于

按照本发明的另一方名提供了一种基于上述声阵列构型的声源定位方法，包括：

S1.确定声源数；

S2.将虚拟矩形阵列前W-1行作为第一子阵Z₁，后W-1行作为第二子阵Z₂，计算第一子阵和第二子阵的自相关矩阵

和互相关矩阵

虚拟矩形阵列是与声阵列构型具有相同孔径的均匀矩形阵列；W为虚拟矩形阵列的宽；

S3.对自相关矩阵

进行特征分解，对特征值中(W-1)L-K个较小的特征值取平均得到噪声功率；i＝1、2…(W-1)L；K为声源数，L为虚拟矩形阵列的长；

S4.根据噪声功率去除自相关矩阵

和互相关矩阵

中的噪声项，利用得到的矩阵构建特征矩阵，对特征矩阵进行特征分解得到每个声源的方位角。

进一步地，自相关矩阵

为：

为协方差矩阵中的元素，集合M(m₁,m₂)为包含所有位置差为(m₁,m₂)的阵列对((x₁,y₁),(x₂,y₂))，(x,y)表示麦克风位置，S为阵列中每个阵元的坐标集合，S_diff为阵列的差分相关阵列的集合。

进一步地，互相关矩阵

为：

进一步地，特征矩阵为：

为互相关矩阵

去除噪声项后得到的矩阵，μ_i、v_i分别为

进行特征分解得到的特征值和特征向量。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果。

(1)传统二维嵌套阵列由nested array构成，孔径小、互耦效应大，本发明提出的声阵列构型相比传统二维嵌套阵列，在使用相同数目阵元的情况下，通过减少稠密子阵的大小，减小了间距小的阵元对数量，降低互耦效应的影响，抗干扰能力增强。

(2)本发明提出的声阵列构型可以选取多种类型的一维嵌套阵列，配置更加灵活。

(3)本发明可以选取孔径更大的一维嵌套阵列，相比传统二维嵌套阵列，在使用相同数目阵元的情况下使阵列孔径得到扩展，提高分辨率性能，同时能够识别更多的声源数。

(4)本发明提供的声源定位方法，利用虚拟矩形阵列两个子阵的自相关矩阵和互相关矩阵，可以构建一个特征矩阵，通过对该特征矩阵进行特征分解，可以高效完成每个声源的两个波达方向角的计算。与MUSIC方法相比，无需进行二维谱峰搜索；与ESPRIT方法相比，无需进行两个方向角之间的配对。

(5)本发明利用均匀矩形阵列协方差矩阵的双重托普利兹特性，通过元素填充即可快速完成自相关矩阵和互相关矩阵的构建，不涉及矩阵的相乘运算，大大提高了运算效率，是一种实时性高的计算方法。空间平滑方法求得的协方差为矩阵平方的形式，其开平方并没有定义，与空间平滑方法相比，本方法构建的自相关矩阵无需开平方，具有更广泛的应用场景。

附图说明

图1是本发明所提供阵列构型示例；

图2是传统二维嵌套阵列示例；

图3是信号模型示意图；

图4是本发明定位结果。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

为了实现上述目的，首先按照本发明提供的稀疏平面阵列构型构建一个阵列，如图1所示，其X轴上一维嵌套阵列为最大间距约束阵列MISC，共有8个阵元；Y轴上的一维嵌套阵列与X轴相同。在X轴上的阵元做关于Y轴平行线，在Y轴上的阵元做关于X轴平行线，平行线的交点处放置阵元。容易证明，该稀疏阵列的差分相关阵列为无孔洞的均匀矩形阵列，能够避免差分相关阵列的协方差矩阵元素缺失。在图1中麦克风(阵元)之间的最小距离为声源波长的一半，整个阵列有64个麦克风。除最大间距约束阵列外，本发明的一维稀疏嵌套阵列还可以为超级嵌套阵列(super nested array)、增强嵌套阵列(enhanced nestedarray)或扩展嵌套阵列(augmented nested array)。

作为对比，选取同样阵元数的传统二维嵌套阵列，如图2所示。从两个图中可以看出，本发明提供的阵列构型孔径为23*23，传统嵌套阵列孔径为19*19，本发明构型分辨率高；本发明所提供的阵列中间距为1的阵列对共有16对，而传统二维嵌套阵列共有64对，本发明构型互耦效应小。

本发明还提供了一种基于上述声阵列构型的声源定位方法，包括以下步骤：

S1、确定声源数。

具体地，可以使用MDL准则或AIC准则对声源数K进行计算；

S2、求出虚拟矩形阵列的两个子阵的自相关矩阵

和互相关矩阵

虚拟矩形阵列是和声阵列构型具有相同孔径的均匀矩形阵列，虚拟矩形阵列长L＝max(x₁-x₂)+1，其中x₁、x₂为阵列中任意麦克风横坐标，虚拟矩形阵列宽为W＝max(y₁-y₂)+1，其中y₁、y₂为阵列中任意麦克风纵坐标；同时设虚拟矩阵前W-1行为子阵Z₁，后W-1行为子阵Z₂。

具体过程如下：

根据每个麦克风接收到的信号，计算阵列的协方差矩阵

其中N代表快拍数，H表示共轭转置矢量，x_S代表每个麦克风接收到的信号；

中的元素的值依赖于对应阵元对的位置差，下面将其中的所有元素按阵元对位置差排列。

定义阵列中每个麦克风的坐标集合为S，阵列的差分相关阵列的集合S_diff＝{(x₁,y₁)-(x₂,y₂)|x₁,y₁),(x₂,y₂)∈S}，对于(x,y)∈S，定义三角括号〈x_s〉_(x,y)代表位置为(x,y)的麦克风接收到的信号，将协方差矩阵中的元素定义为

*表示共轭，E[]表示期望。

为了体现

中的元素的值和阵元间位置差的关系，并将对应相同位置差的元素进行平均，定义测量矢量

为：

对于所有(m₁,m₂)∈S_diff，集合M(m₁,m₂)包含所有位置差为(m₁,m₂)阵列对((x₁,y₁),(x₂,y₂))，也就是

M(m₁,m₂)＝{((x₁,y₁),(x₂,y₂))∈S²|(x₁,y₁)-(x₂,y₂)＝(m₁,m₂)∈S_diff}

构建虚拟矩形阵列子阵Z₁的自相关矩阵：

其中A＝[A₁ A₂ … A_K]，其中K代表信号数目，A_i代表第i个信号在子阵Z₁的阵列流行向量，并且A_i＝[A_i,1 A_i,2 … A_i,W-1]^T，其中A_i,j表示第i个信号在第j行麦克风的阵列流行向量，

表示信号功率矩阵，

表示噪声功率。

自相关矩阵

具有双重托普利兹性，也就是说上面公式中对角线方向上的子矩阵相同，同时所有子矩阵均为托普利兹矩阵。每个子矩阵可以利用测量矢量按如下方式构造：

类似

的构造过程，可以构造子阵Z₂和子阵Z₁的互相关矩阵：

其中Φ为旋转因子矩阵，

其中λ表示波长；同时

为互相关矩阵中的噪声项。

S3、对

进行特征分解，得到特征值μ_i和特征向量v_i(i＝1、2…(W-1)L)，特征值按从大到小排列，其中(W-1)L-K个较小的特征值为噪声子空间功率，对其取平均视为噪声功率。

S4、去掉两个协方差矩阵中的噪声项，得到

即

构建特征矩阵

其中，

表示伪逆，计算方法如下：

特征矩阵满足RA＝AΦ，即A中的列向量为R的特征向量，Φ对角线上的元素为对应的特征值。对R进行特征分解，其有K个非零的特征值，其特征值中只包含方位角β的信息，特征向量的前L个元素只包含方位角α的信息，可以得到配对好的K个声源的(α，β)，如图3所示，α表示声信号S(t)与x轴夹角，β表示声信号S(t)与y轴夹角；

在仿真中，设置48个声源，每个声源的信号为随机模型，快拍数设置为1000，波长为1；声源功率为1，噪声功率为1。使用本发明提供的阵列构型最终定位结果如图4所示，从图中可以看到，48个声源都被定位到，这说明了本发明中的系统方法的有效性。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。