CN116148770A - 基于阵列信号处理的声源定位方法、装置及系统 - Google Patents

Abstract

本发明提供了一种基于阵列信号处理的声源定位方法、装置、系统、计算机设备和存储介质，其中，其方法包括：获取目标区域的声源信号以及所述目标区域的声源采集设备信息；根据所述阵列信息以及预设的平面间距信息和阵面距离信息，确定聚焦网格声源平面；基于所述聚焦网格声源平面，对所述声源信号做信号处理，确定所述声源信号的波束矩阵信息；通过预设的声源模型对所述波束互谱矩阵进行升幂计算，以确定所述声源信号的第一波束输出结果；对所述第一波束输出结果进行反卷积计算，以确定所述声源信号的定位信息。通过本发明，解决了声源定位不准确的问题，进而达到了提高声源定位精确度的效果。

Description

基于阵列信号处理的声源定位方法、装置及系统

技术领域

本发明实施例涉及声源定位领域，具体而言，涉及一种基于阵列信号处理的声源定位方法、装置、系统、存储介质及电子装置。

背景技术

在电力、天然气等行业中，确保设备的正常工作极其重要。

一些设备在发生故障时会伴有噪声的产生，不同的设备发生故障时会产生不同频率范围的噪声源，因此可以通过监听噪声源来对设备状态进行监测和以及进行故障诊断。

例如：输气管道上的阀门产生微小泄漏时会产生超声信号，频率在20kHz到60kHz之间；高压线上电晕放电产生的噪声源频率在11kHz到14kHz之间。

然而现有的噪声源定位方法通常存在图分辨率或空间分辨率较低的问题，影响了声源定位的定位精度。

发明内容

本发明实施例提供了一种基于阵列信号处理的声源定位方法、系统、存储介质及电子装置，以至少解决相关技术中声源定位不准确的问题。

根据本发明的一个实施例，提供了一种基于阵列信号处理的声源定位方法，包括：

获取目标区域的声源信号以及所述目标区域的声源采集设备信息，其中，所述声源采集设备信息包括声源信号采集设备的阵列信息，所述声源信号是通过声源信号采集设备采集得到的；

根据所述阵列信息以及预设的平面间距信息和阵面距离信息，确定聚焦网格声源平面；

基于所述聚焦网格声源平面，对所述声源信号做信号处理，确定所述声源信号的波束矩阵信息，其中，所述波束矩阵信息包括所述声源信号的波束互谱矩阵；

通过预设的声源模型对所述波束互谱矩阵进行升幂计算，以确定所述声源信号的第一波束输出结果；

对第一波束输出结果进行反卷积计算，以确定所述声源信号的定位信息。

在一个示例性实施例中，所述通过预设的声源模型对所述波束互谱矩阵进行升幂计算，以确定所述声源信号的第一波束输出结果包括：

对所述波束互谱矩阵进行特征分解处理，以得到所述波束互谱矩阵的第一矩阵，其中，所述第一矩阵均包含所述波束互谱矩阵的特征值；

基于第一波束形成模型，对所述第一矩阵进行第一升幂计算，以得到第一升幂结果，其中，所述声源模型包括所述第一波束形成模型；

基于所述第一波束形成模型，对所述第一升幂结果进行第二升幂计算，以得到第一声源分布；

基于所述第一声源分布以及第二波束形成模型，对所述第二波束形成模型中的点扩散函数进行第三升幂计算以得到第一波束输出结果，其中，所述声源模型包括所述第二波束形成模型。

在一个示例性实施例中，在所述基于第一波束形成模型，对所述第一矩阵进行第一升幂计算之前，所述方法还包括：

基于所述平面间距信息和阵面距离信息，获取所述聚焦网格声源平面的历史迭代信息；

基于历史迭代信息，确定幂指数，其中，所述第一升幂计算是基于所述幂指数执行的。

根据本发明的一个实施例，提供了一种基于阵列信号处理的声源定位装置，包括：

信息采集模块，用于获取目标区域的声源信号以及所述目标区域的声源采集设备信息，其中，所述声源采集设备信息包括声源信号采集设备的阵列信息，所述声源信号是通过声源信号采集设备采集得到的；

平面确定模块，用于根据所述阵列信息以及预设的平面间距信息和阵面距离信息，确定聚焦网格声源平面；

矩阵确定模块，用于基于所述聚焦网格声源平面，对所述声源信号做信号处理，确定所述声源信号的波束矩阵信息，其中，所述波束矩阵信息包括所述声源信号的波束互谱矩阵；

迭代计算模块，用于通过预设的声源模型对所述波束互谱矩阵进行升幂计算，以确定所述声源信号的第一波束输出结果；

定位模块，用于以确定所述声源信号的定位信息。

在一个示例性实施例中，所述迭代计算模块包括：

特征分解单元，用于对所述波束互谱矩阵进行特征分解处理，以得到所述波束互谱矩阵的第一矩阵，其中，所述第一矩阵均包含所述波束互谱矩阵的特征值；

第一升幂单元，用于基于第一波束形成模型，对所述第一矩阵进行第一升幂计算，以得到第一升幂结果，其中，所述声源模型包括所述第一波束形成模型；

第二升幂单元，用于基于所述第一波束形成模型，对所述第一升幂结果进行第二升幂计算，以得到第一声源分布；

第三升幂单元，用于基于所述第一声源分布以及第二波束形成模型，对所述第二波束形成模型中的点扩散函数进行第三升幂计算以得到第一波束输出结果，其中，所述声源模型包括所述第二波束形成模型。

在一个示例性实施例中，所述装置还包括：

历史信息采集模块，用于在所述基于第一波束形成模型，对所述第一矩阵进行第一升幂计算之前，基于所述平面间距信息和阵面距离信息，获取所述聚焦网格声源平面的历史迭代信息；

幂指数确定模块，用于基于历史迭代信息，确定幂指数，其中，所述第一升幂计算是基于所述幂指数执行的。

根据本发明的一个实施例，提供了一种基于阵列信号处理的声源定位系统，包括：

声源采集设备，用于采集目标区域的声源信号，所述声源采集设备呈多臂螺旋分布，所述声源采集设备之间的距离小于等于0.02m；

声信号处理模块，用于通过预设的声源模型对波束互谱矩阵进行升幂计算，以确定所述声源信号的第一波束输出结果，并对第一波束输出结果进行反卷积计算，以确定所声源信号的定位信息；

成像模块，用于对所述定位信息进行成像处理。

根据本发明的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述方法实施例中的步骤。

根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述方法实施例中的步骤。

通过本发明，由于通过声源模型对波束互谱矩阵进行升幂迭代，并根据迭代计算的第一波束输出结果进行反卷积计算，既减少了声源信号中旁瓣对于定位过程的干扰，又增加了波束输出的动态范围，从而提高了定位精度，因此，可以解决定位精度低的问题，达到提高定位精度的效果。

附图说明

图1是本发明实施例的一种基于阵列信号处理的声源定位方法的流程图；

图2是本发明实施例的一种基于阵列信号处理的声源定位装置的结构框图；

图3是本发明具体实施例的延时求和波束形成示意图；

图4是本发明具体实施例的仿真效果图一；

图5是本发明具体实施例的仿真效果图二；

图6是本发明具体实施例的仿真效果图三；

图7是本申请实施例提供的计算机设备的结构示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明的实施例，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

实施例1

请参阅图1，为本申请实施例提供的一种基于阵列信号处理的声源定位方法的一个流程示意图，所述一种基于阵列信号处理的声源定位方法，包括：

步骤S101，获取目标区域的声源信号以及所述目标区域的声源采集设备信息，其中，所述声源采集设备信息包括声源信号采集设备的阵列信息，所述声源信号是通过声源信号采集设备采集得到的；

在本实施例中，获取声源采集设备的阵列信息是为了后续能够根据阵列信息确定声源信号的声源位置。

其中，声源信号采集设备通常包括麦克风，也可以是其他具有声音信号采集功能的装置或设备；目标区域包括需要进行声源定位的区域，例如电站、气体生产站点、输气管道等区域；阵列信息包括声源信号采集设备的排列方式，例如十字阵列、螺旋臂阵列、矩形阵列等，不同的阵列对于定位结果的影响较大，例如一般矩形阵列的定位效果不好，十字阵列或螺旋臂阵列相对能够提高声源定位精确度。

步骤S102，根据所述阵列信息以及预设的平面间距信息和阵面距离信息，确定聚焦网格声源平面；

在本实施例中，确定聚焦网格声源平面是为了将定位结果可视化，从而能够更加直观的了解到声源信号的声源位置。

其中，平面间距信息包括聚焦网格声源平面与声源信号采集装置的阵列所在的平面之间的距离，一般设置为1m左右，阵面距离包括聚焦网格声源平面中的网格之间的间距，即网格的边长大小，在本申请中，可以设置为0.01m。

步骤S103，基于所述聚焦网格声源平面，对所述声源信号做信号处理，确定所述声源信号的波束矩阵信息，其中，所述波束矩阵信息包括所述声源信号的波束互谱矩阵；

在本实施例中，确定波束互谱矩阵是为了确定波束互谱矩阵中的相关数据信息，以方便后续根据这些数据信息确定声源信号的声源位置。

其中，波束互谱矩阵包括波束形成中的互谱矩阵C，信号处理包括对接收到的声源信号做快速傅里叶变换，将得到的频域信息做共轭转置相乘，从而得到互谱矩阵C；波束矩阵信息还包括传统波束形成输出结果、阵列点扩散函数、声源分布之间建立的线性方程组等信息，其中，传统波束形成输出结果包括频域波束形成以及频域上的相位补偿，声源分布包括对互谱矩阵C做1/v次幂函数，然后对波束形成结果做v次幂后所复原的声源分布。

步骤S104，通过预设的声源模型对所述波束互谱矩阵进行升幂计算，以确定所述声源信号的第一波束输出结果。

在本实施例中，波束互谱矩阵进行升幂计算是为了对声源定位过程中的旁瓣信号进行抑制，在这一过程中，如果聚焦位置位于声源真实位置，则波束输出达到峰值形成主瓣，而当聚焦位置在声源真实位置附近时，会形成旁瓣干扰，由于旁瓣干扰中的加权向量与互谱矩阵的特征向量的共轭转置乘积小于1，因而进行升幂计算后，旁瓣干扰的值会越来越小，实现对旁瓣干扰的抑制，从而提高对声源定位精度。

其中，第一波束输出结果可以表示为公式1：

（公式1）

其中，M为阵元（即声源信号采集装置）的数量，

为背景噪声的方差值，/>

为在/>

位置单位强度声源在聚焦方向/>

位置的贡献量，即/>

位置单位强度声源在聚焦方向

位置的波束形成输出，W(r)是加权向量，用于指示整个扫描空间的导向向量，/>

是互谱矩阵的特征向量，里面包含的是声源矢量信息。通过/>

和整个空间的导向向量一一进行共轭转置相乘，当数值等于1时，说明此时用到的加权向量在扫面空间对应的位置就是需要定位的实际声源位置。因为两个向量都是exp的复数形式，两个向量共轭转置相乘时，最大值是1，其他的取值范围是0~1。所以对/>

提高到v次幂，如果是声源位置就等于1，则不受到v次幂的影响，而如果非声源位置的值是0~1，则在v次幂的影响下就会更加小，从而达到抑制旁瓣的目的；例如，若取v=10，阵列的旁瓣值为-7dB，则用公式1就能将旁瓣值降低为-70dB。由此，基本消除了旁瓣干扰，同时锐化了主瓣峰值，提高了空间分辨率。

而进一步的，将公式1代入预设的声源模型，则第一波束输出结果最终表达为公式2：

（公式2）

其中，预设的声源模型为

，该模型是通过在传统波束形成输出结果、阵列点扩散函数、声源分布之间建立线性方程组，然后在Gauss-Seidel方法迭代过程中引入正约束求解该方程组，保证迭代解出的未知声功率均为正值；公式2中的/>

为N维函数波束形成输出结果向量，N为聚焦网格点数目；/>

为N×N的阵列点扩散函数矩阵，这里的/>

是Hadamard幂。

和现有的DAMAS（即预设的声源模型）点扩散函数PSF（即前述

）不同的是，公式2的第一波束输出结果PSF在做函数波束形成时被有效地提升到了v次幂，并且点扩散函数PSF矩阵A的对角元素是恒为1的，不受幂指数的影响，而非对角线元素在0到1之间，因幂指数的增大而逐渐变小趋近于0。因此幂指数越大，点扩散函数越尖锐，主瓣越窄，旁瓣越低，进而进行多次迭代反卷积运算得到的声源分布结果更加接近实际声源。而且v次幂也消除了波束形成输出的大部分干扰，使反卷积中求解线性方程组更加简单，优化了计算效率。

需要说明的是，DAMAS利用高斯赛德迭代法对建立的方程组进行迭代，线性方程组中的B都是传统波束形成的输出结果里面包含环境噪声和其他影响带来的旁瓣干扰，而如果利用函数波束形成（即前述的DAMAS）结果，里面的期望声源值在v值的影响下被迅速拉高，而其他噪声干扰的波束形成值在v值影响下被急剧拉低，在迭代过程中容易更加快速的收敛，因为声源不可能负值，所以在迭代过程中加入正约束，限制输出结果大于0。利用函数波束形成的输出结果那些噪声干扰在一开始就接近于零，从而相比于DAMAS算法利用高斯迭代，F-DAMAS（即本申请的公式2）可能迭代20次的效果就相当于DAMAS算法迭代200次的迭代结果。

步骤S105，对第一波束输出结果进行反卷积计算，以确定所述声源信号的定位信息

在本实施例中，在得到公式2的情况下，通过以下公式3 Gauss-Seidel方法，在迭代过程中引入正约束求解该方程组，即可确定最终的定位信息x。

（公式3）

函数反卷积波束形成（即本申请的公式2）通过引入函数波束形成将DAMAS波束形成结合在一起，在DAMAS高空间分辨率的基础上利用函数波束形成显著的增加了波束输出的动态范围。

需要说明的是，理论上

值越大，阵列的旁瓣值越低，动态范围越高，但是在实际过程中如果阵型、环境参数略微失配时，算法误差在/>

次幂的作用下可能会呈指数性放大，导致算法性能失衡，所以在使用过程中需要根据实际情况找到最优的指数/>

。

在一个可选的实施例中，所述通过预设的声源模型对所述波束互谱矩阵进行升幂计算，以确定所述声源信号的第一波束输出结果包括：

步骤S1041，对所述波束互谱矩阵进行特征分解处理，以得到所述波束互谱矩阵的第一矩阵，其中，所述第一矩阵均包含所述波束互谱矩阵的特征值；

在本实施例中，确定第一矩阵是为了确定波束互谱矩阵的对角矩阵，从而方便进行升幂计算。

其中，特征分解处理可以是通过以下公式4来实现：

（公式4）

其中， U是波束互谱矩阵C的特征向量组成的酉矩阵，

，特征向量中含有声源信号点位置的矢量信息；/>

为由波束互谱矩阵C的特征值组成的对角矩阵，

，特征值包含声功率信息，第一矩阵即为对角矩阵/>

。

步骤S1042，基于第一波束形成模型，对所述第一矩阵进行第一升幂计算，以得到第一升幂结果，其中，所述声源模型包括所述第一波束形成模型；

在本实施例中，第一升幂计算即为将对角矩阵

进行1/v次幂处理。

具体的，设

是定义在/>

上的互谱指数函数，第一升幂结果如公式5所示，/>

表示函数的指数参数：

（公式5）

其中，第一波束形成模型如公式6所示：

（公式6）

步骤S1043，基于所述第一波束形成模型，对所述第一升幂结果进行第二升幂计算，以得到第一声源分布；

在本实施例中，对第二升幂计算即为将公式5代入公式6进行v次幂计算（具体如前述公式1所示），以对旁瓣进行抑制。

而将第一升幂结果引入公式6复原第一声源分布，再用第一声源分布替换替换DAMAS线性方程组的传统波束形成输出结果并对点扩散函数进行升幂计算即可得到前述公式2：

（公式2）/>

步骤S1044，基于所述第一声源分布以及第二波束形成模型，对所述第二波束形成模型中的点扩散函数进行第三升幂计算以得到第一波束输出结果，其中，所述声源模型包括所述第二波束形成模型。

在本实施例中，第二波束形成模型即为DAMAS波束形成模型

，第三升幂计算即为对DAMAS波束形成模型的点扩散函数进行v次幂计算，即如前述公式2所示。

在一个可选的实施例中，在所述基于第一波束形成模型，对所述第一矩阵进行第一升幂计算之前，所述方法还包括：

步骤S104201，基于所述平面间距信息和阵面距离信息，获取所述聚焦网格声源平面的历史迭代信息；

步骤S104202，基于历史迭代信息，确定幂指数，其中，所述第一升幂计算是基于所述幂指数执行的。

在本实施例中，在实际过程中如果阵型、环境参数略微失配时，算法误差在

次幂的作用下可能会呈指数性放大，导致算法性能失衡，所以在使用过程中需要根据实际情况找到最优的指数/>

，在本申请中，则通过大数据分析相同阵列、环境情况下的历史最优幂指数，再将该幂指数代入进行计算即可。

其中，历史迭代信息包括相同阵列、环境中，历史迭代过程的相关数据，例如幂指数、阵面距离等。

根据本发明的另一个实施例，如图2所示，提供了一种基于阵列信号处理的声源定位装置，包括：

信息采集模块21，用于获取目标区域的声源信号以及所述目标区域的声源采集设备信息，其中，所述声源采集设备信息包括声源信号采集设备的阵列信息，所述声源信号是通过声源信号采集设备采集得到的；

平面确定模块22，用于根据所述阵列信息以及预设的平面间距信息和阵面距离信息，确定聚焦网格声源平面；

矩阵确定模块23，用于基于所述聚焦网格声源平面，对所述声源信号做信号处理，确定所述声源信号的波束矩阵信息，其中，所述波束矩阵信息包括所述声源信号的波束互谱矩阵；

迭代计算模块24，用于通过预设的声源模型对所述波束互谱矩阵进行升幂计算，以确定所述声源信号的第一波束输出结果；

定位模块25，用于以确定所述声源信号的定位信息。

在一个可选的实施例中，所述迭代计算模块24包括：

特征分解单元，用于对所述波束互谱矩阵进行特征分解处理，以得到所述波束互谱矩阵的第一矩阵，其中，所述第一矩阵均包含所述波束互谱矩阵的特征值；

第一升幂单元，用于基于第一波束形成模型，对所述第一矩阵进行第一升幂计算，以得到第一升幂结果，其中，所述声源模型包括所述第一波束形成模型；

第二升幂单元，用于基于所述第一波束形成模型，对所述第一升幂结果进行第二升幂计算，以得到第一声源分布；

第三升幂单元，用于基于所述第一声源分布以及第二波束形成模型，对所述第二波束形成模型中的点扩散函数进行第三升幂计算以得到第一波束输出结果，其中，所述声源模型包括所述第二波束形成模型。

在一个可选的实施例中，所述装置还包括：

历史信息采集模块，用于在所述基于第一波束形成模型，对所述第一矩阵进行第一升幂计算之前，基于所述平面间距信息和阵面距离信息，获取所述聚焦网格声源平面的历史迭代信息；

幂指数确定模块，用于基于历史迭代信息，确定幂指数，其中，所述第一升幂计算是基于所述幂指数执行的。

根据本发明的一个实施例，提供了一种基于阵列信号处理的声源定位系统，包括：

声源采集设备，用于采集目标区域的声源信号，所述声源采集设备呈多臂螺旋分布，所述声源采集设备之间的距离小于等于0.02m；

声信号处理模块，用于通过预设的声源模型对波束互谱矩阵进行升幂计算，以确定所述声源信号的第一波束输出结果，并对第一波束输出结果进行反卷积计算，以确定所声源信号的定位信息；

成像模块，用于对所述定位信息进行成像处理。

下面通过具体实施例对本发明进行说明。

1.1 常规波束形成

常规波束形成的基本原理是利用阵元的位置不同导致声源信号到达各阵元时存在时延差异，通过对每个通道麦克风进行延时补偿，使得各个通道接收的声源信号同步，然后再经过加权求和输出最大值，如图3所示。在随后的发展过程中，时域波束形成逐渐被频域波束形成代替，从时域上的延时补偿变成频域上的相位补偿。

基于常规波束形成理论，在M个阵元（对应前述的声源信号采集装置），K个快拍，L个入射源（可通过对波束互谱矩阵C进行特征分解得到）的情形下，假设接收信号混有噪声，设定阵列接受信号模型为：

（公式8）

式中，P为M×K维矩阵的接收信号，

表示声源方向/>

的M×L维矩阵的阵列流型向量，S为L×K维的声源信号，/>

为M×K维矩阵的背景噪声。由此得到的互谱矩阵(Cross spectral matrix)CSM为：

（公式9）

式中，

为背景噪声方差，I为单位矩阵，上标H表示共轭转置。这样常规波束形成的表达式为：

（公式10）

式中

表示聚焦方向/>

的加权向量。

1.2 函数波束形成

函数波束形成通过矩阵函数方法对互谱矩阵C做v-1次幂函数，然后对波束形成结果做v次幂复原声源分布。

利用矩阵函数的幂指数来消除旁瓣干扰和提升空间分辨率，且算法过程不涉及矩阵求逆运算，因此具有较高的稳健性。

具体的，利用矩阵函数，对互谱矩阵C做特征值分解，如前述公式4所示：

（公式4）

设

是定义在/>

上的互谱指数函数，如前述公式5所示，/>

表示函数的指数参数。

（公式5）

将公式10中的互谱矩阵C替换成公式5，得到如前述公式7的输出结果：

（公式7）

在理想情况下，当聚焦位置位于声源真实位置时，也就是特征向量和加权向量相等时，

，波束输出达到峰值形成主瓣；而当聚焦位置在声源真实位置附近时，也就是特征向量和加权向量不相等时,/>

,形成旁瓣干扰，对其提高到/>

次幂来进行旁瓣抑制。例如，若取v=10，阵列的旁瓣值为-7dB，则用函数波束形成就能将旁瓣值降低为-70dB。由此，函数波束形成基本消除了旁瓣干扰，同时锐化了主瓣峰值，提高了空间分辨率。

需要说明的是，W(r)是加权向量，里面是整个扫描空间的导向向量，um是互谱矩阵的特征向量，里面包含的是声源矢量信息。通过um和整个空间的导向向量一一进行共轭转置相乘，当数值等于1时，说明此时的用到的加权向量在扫面空间对应的位置就是需要定位的实际声源位置。因为两个向量都是exp的复数形式，两个向量共轭转置相乘时，最大值是1，其他的取值范围是0~1。所以对

提高到v次幂，如果是声源位置，/>

就等于1，从而不受到v次幂的影响，而如果非声源位置，/>

的值是0~1，在v次幂的影响下就会更加小，从而达到抑制旁瓣的目的。成像图进行归一化后计算公式可以认为是20log10（

），当值为1时，对数为0，而当小于1时，对数是负数，并且在v次幂的影响下会成倍增长，从而缩减主瓣，抑制旁瓣。

1.3 DAMAS波束形成

DAMAS是通过在传统波束形成输出结果、阵列点扩散函数、声源分布之间建立线性方程组，然后在Gauss-Seidel方法迭代过程中引入正约束求解该方程组，保证迭代解出的未知声功率均为正值，其表达式如公式11所示。

（公式11）/>

式中，

为N维传统波束形成输出结果向量，N为聚焦网格点数目；

为N×N的阵列点扩散函数矩阵；/>

为未知的N维向量。将DAMAS方程组展开得形式如公式12所示：

（公式12）

式中A矩阵每一列即是一个点扩散函数，表示由声源平面第

个网格点处的单位强度点声源引起的第/>

个网格点的波束形成输出。对公式12采用公式13所示的Gauss-Seidel迭代求解线性方程组从而提取真实声源x，有效消除旁瓣干扰和缩减主瓣宽度以此来提升空间分辨率：

（公式13）

1.4 函数反卷积波束形成

DAMAS算法的空间分辨率相比于FB算法（即前述函数波束形成）有明显的优势，但是其本身点扩散函数PSF的限制，其动态范围相比于FB算法还有改善的空间。将函数波束形成方法引入DAMAS算法中，对新建立的线性方程组进行Gauss-Seidel迭代求解得到的函数反卷积波束形成输出结果保留DAMAS算法高空间分辨率的同时还提升了声源识别结果的动态范围，为声源定位提供了更加强大的定位算法。

具体的，将函数波束形成公式7进一步表示为前述公式1：

（公式1）

再将公式1代入公式11可得前述公式2所示的反卷积波束形成式子：

（公式2）

和公式7中的指数幂不同。而且尽管公式2中的点扩散函数被提高到了v次幂，并且A的对角元素是恒为1的，不受幂指数的影响，而非对角线元素在0到1之间，因幂指数的增大而变小。

上式和前述公式11相比可以看出，公式2将常规波束形成的输出替换成了函数波束形成的输出，并将点扩散函数矩阵中的元素也提升至

次幂，这两种方法的结合称为反卷积函数波束形成。

求声源分布向量

的方法也就是和DAMAS一样，对公式2进行反卷积操作，通过公式13的Gauss-Seidel方法迭代过程中引入正约束求解该方程组。/>

（公式13）

其具体仿真结果如图4-图6所示，其中，图4为常规波束定位结果，图5为函数波束定位效果，图6为本申请的反卷积函数波束定位效果，很明显F-DAMAS在DAMAS基础上引入函数波束形成，不仅提高空间分辨率，还提升了动态范围。

在一个实施例中，提供了一种计算机设备，本申请实施例提供的计算机设备，可以是服务器，也可以是客户端：如图7所示，为本申请实施例提供的计算机设备的结构示意图。

处理器1701、存储器1702、总线1705、接口1704，处理器1701与存储器1702、接口1704相连，总线1705分别连接处理器1701、存储器1702以及接口1704，接口1704用于接收或者发送数据，处理器1701是单核或多核中央处理单元，或者为特定集成电路，或者为被配置成实施本发明实施例的一个或多个集成电路。存储器1702可以为随机存取存储器(randomaccess memory，RAM) ，也可以为非易失性存储器(non-volatile memory) ，例如至少一个硬盘存储器。存储器1702用于存储计算机执行指令。具体的，计算机执行指令中可以包括程序1703。

本实施例中，该处理器1701调用程序1703时，可以使图7中的管理服务器执行数据包分析方法操作，具体此处不再赘述。

应理解，本申请上述实施例提供的处理器，可以是中央处理单元(centralprocessing unit，CPU) ，还可以是其他通用处理器、数字信号处理器(digital signalprocessor，DSP)、专用集成电路(application-specific integrated circuit ，ASIC) 、现成可编程门阵列(field programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

还应理解，本申请中以上实施例中的计算机设备中的处理器的数量可以是一个，也可以是多个，可以根据实际应用场景调整，此处仅仅是示例性说明，并不作限定。本申请实施例中的存储器的数量可以是一个，也可以是多个，可以根据实际应用场景调整，此处仅仅是示例性说明，并不作限定。

还需要说明的是，当计算机设备包括处理器(或处理单元)与存储器时，本申请中的处理器可以是与存储器集成在一起的，也可以是处理器与存储器通过接口连接，可以根据实际应用场景调整，并不作限定。

本申请提供了一种芯片系统，该芯片系统包括处理器，用于支持计算机设备（客户端或服务器）实现上述方法中所涉及的控制器的功能，例如处理上述方法中所涉及的数据和/或信息。在一种可能的设计中，芯片系统还包括存储器，存储器，用于保存必要的程序指令和数据。该芯片系统，可以由芯片构成，也可以包括芯片和其他分立器件。

在另一种可能的设计中，当该芯片系统为用户设备或接入网等内的芯片时，芯片包括：处理单元和通信单元，处理单元例如可以是处理器，通信单元例如可以是输入/输出接口、管脚或电路等。该处理单元可执行存储单元存储的计算机执行指令，以使该客户端或管理服务器等内的芯片执行S101-S104的步骤。可选地，存储单元为芯片内的存储单元，如寄存器、缓存等，存储单元还可以是客户端或管理服务器等内的位于芯片外部的存储单元，如只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)等。

本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机执行时实现上述任一方法实施例中与客户端或管理服务器的控制器执行声源确定方法流程。对应的，该计算机可以为上述计算机设备（客户端或服务器）。

应理解，本申请以上实施例中的提及的控制器或处理器，可以是中央处理单元(central processing unit，CPU) ，还可以是其他通用处理器、数字信号处理器(digitalsignal processor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现成可编程门阵列(field programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等中的一种或多种的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

还应理解，本申请中以上实施例中的计算机设备（客户端或服务器）或芯片系统等中的处理器或控制器的数量可以是一个，也可以是多个，可以根据实际应用场景调整，此处仅仅是示例性说明，并不作限定。本申请实施例中的存储器的数量可以是一个，也可以是多个，可以根据实际应用场景调整，此处仅仅是示例性说明，并不作限定。

还应理解，本申请实施例中以上实施例中的计算机设备（客户端或服务器）等中提及的存储器或可读存储介质等，可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，ROM)、可编程只读存储器(programmable ROM ，PROM)、可擦除可编程只读存储器(erasablePROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory，RAM) ，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronousDRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM) 和直接内存总线随机存取存储器(direct rambusRAM，DR RAM)。

本领域普通技术人员可以理解实现上述实施例的全部或部分由计算机设备（客户端或服务器）或者处理器执行的步骤可以通过硬件或程序来指令相关的硬件完成。程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，随机接入存储器等。具体地，例如：上述处理单元或处理器可以是中央处理器，通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。上述的这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

当使用软件实现时，上述实施例描述基于阵列信号处理的声源定位方法步骤可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质等。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别

类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。

在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本申请实施例中所使用的单数形式的“一种”、“”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，在本申请的描述中，除非另有说明，“/”表示前后关联的对象是一种“或”的关系，例如，A/B可以表示A或B；本申请中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A，B可以是单数或者复数。

取决于语境，如在此所使用的词语“如果”或“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (9)

1.一种基于阵列信号处理的声源定位方法，其特征在于，包括：

获取目标区域的声源信号以及所述目标区域的声源采集设备信息，其中，所述声源采集设备信息包括声源信号采集设备的阵列信息，所述声源信号是通过声源信号采集设备采集得到的；

根据所述阵列信息以及预设的平面间距信息和阵面距离信息，确定聚焦网格声源平面；

基于所述聚焦网格声源平面，对所述声源信号做信号处理，确定所述声源信号的波束矩阵信息，其中，所述波束矩阵信息包括所述声源信号的波束互谱矩阵；

通过预设的声源模型对所述波束互谱矩阵进行升幂计算，以确定所述声源信号的第一波束输出结果；

对所述第一波束输出结果进行反卷积计算，以确定所述声源信号的定位信息。

2.根据权利要求1所述基于阵列信号处理的声源定位方法，其特征在于，所述通过预设的声源模型对所述波束互谱矩阵进行升幂计算，以确定所述声源信号的第一波束输出结果包括：

对所述波束互谱矩阵进行特征分解处理，以得到所述波束互谱矩阵的第一矩阵，其中，所述第一矩阵均包含所述波束互谱矩阵的特征值；

基于第一波束形成模型，对所述第一矩阵进行第一升幂计算，以得到第一升幂结果，其中，所述声源模型包括所述第一波束形成模型；

基于所述第一波束形成模型，对所述第一升幂结果进行第二升幂计算，以得到第一声源分布；

基于所述第一声源分布以及第二波束形成模型，对所述第二波束形成模型中的点扩散函数进行第三升幂计算以得到第一波束输出结果，其中，所述声源模型包括所述第二波束形成模型。

3.根据权利要求2所述基于阵列信号处理的声源定位方法，其特征在于，在所述基于第一波束形成模型，对所述第一矩阵进行第一升幂计算之前，所述方法还包括：

基于所述平面间距信息和阵面距离信息，获取所述聚焦网格声源平面的历史迭代信息；

基于历史迭代信息，确定幂指数，其中，所述第一升幂计算是基于所述幂指数执行的。

4.一种基于阵列信号处理的声源定位装置，其特征在于，包括：

信息采集模块，用于获取目标区域的声源信号以及所述目标区域的声源采集设备信息，其中，所述声源采集设备信息包括声源信号采集设备的阵列信息，所述声源信号是通过声源信号采集设备采集得到的；

平面确定模块，用于根据所述阵列信息以及预设的平面间距信息和阵面距离信息，确定聚焦网格声源平面；

矩阵确定模块，用于基于所述聚焦网格声源平面，对所述声源信号做信号处理，确定所述声源信号的波束矩阵信息，其中，所述波束矩阵信息包括所述声源信号的波束互谱矩阵；

迭代计算模块，用于通过预设的声源模型对所述波束互谱矩阵进行升幂计算，以确定所述声源信号的第一波束输出结果；

定位模块，用于对所述第一波束输出结果进行反卷积计算，以确定所述声源信号的定位信息。

5.根据权利要求4所述基于阵列信号处理的声源定位装置，其特征在于，所述迭代计算模块包括：

特征分解单元，用于对所述波束互谱矩阵进行特征分解处理，以得到所述波束互谱矩阵的第一矩阵，其中，所述第一矩阵均包含所述波束互谱矩阵的特征值；

第一升幂单元，用于基于第一波束形成模型，对所述第一矩阵进行第一升幂计算，以得到第一升幂结果，其中，所述声源模型包括所述第一波束形成模型；

第二升幂单元，用于基于所述第一波束形成模型，对所述第一升幂结果进行第二升幂计算，以得到第一声源分布；

第三升幂单元，用于基于所述第一声源分布以及第二波束形成模型，对所述第二波束形成模型中的点扩散函数进行第三升幂计算以得到第一波束输出结果，其中，所述声源模型包括所述第二波束形成模型。

6.根据权利要求5所述基于阵列信号处理的声源定位装置，其特征在于，所述装置还包括：

历史信息采集模块，用于在所述基于第一波束形成模型，对所述第一矩阵进行第一升幂计算之前，基于所述平面间距信息和阵面距离信息，获取所述聚焦网格声源平面的历史迭代信息；

幂指数确定模块，用于基于历史迭代信息，确定幂指数，其中，所述第一升幂计算是基于所述幂指数执行的。

7.一种基于阵列信号处理的声源定位系统，其特征在于，包括：

声源采集设备，用于采集目标区域的声源信号，所述声源采集设备呈多臂螺旋分布，所述声源采集设备之间的距离小于等于0.02m；

声信号处理模块，用于通过预设的声源模型对波束互谱矩阵进行升幂计算，以确定所述声源信号的第一波束输出结果，并对第一波束输出结果进行反卷积计算，以确定所声源信号的定位信息；

成像模块，用于对所述定位信息进行成像处理。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至3任一项中所述基于阵列信号处理的声源定位方法。

9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至3任一项中所述基于阵列信号处理的声源定位方法。

Images