KR102580412B1 - Apparatus for estimating broadband source location based on block sparse compressive sensing - Google Patents

Apparatus for estimating broadband source location based on block sparse compressive sensing Download PDF

Info

Publication number
KR102580412B1
KR102580412B1 KR1020210058775A KR20210058775A KR102580412B1 KR 102580412 B1 KR102580412 B1 KR 102580412B1 KR 1020210058775 A KR1020210058775 A KR 1020210058775A KR 20210058775 A KR20210058775 A KR 20210058775A KR 102580412 B1 KR102580412 B1 KR 102580412B1
Authority
KR
South Korea
Prior art keywords
noise source
virtual noise
vector
virtual
compressed sensing
Prior art date
Application number
KR1020210058775A
Other languages
Korean (ko)
Other versions
KR20220151478A (en
Inventor
박민석
추영민
양해상
성우제
Original Assignee
국방과학연구소
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 국방과학연구소 filed Critical 국방과학연구소
Priority to KR1020210058775A priority Critical patent/KR102580412B1/en
Publication of KR20220151478A publication Critical patent/KR20220151478A/en
Application granted granted Critical
Publication of KR102580412B1 publication Critical patent/KR102580412B1/en

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/18—Methods or devices for transmitting, conducting or directing sound

Abstract

블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치는 복수의 가상소음원 각각에 대한 복수의 주파수 성분의 블록이 나열되어 있는 가상소음원 벡터를 생성하는 가상소음원 생성부, 복수의 청음기 각각에 대한 복수의 주파수 성분의 블록이 나열되어 있는 주파수 성분 벡터를 생성하는 계측 정보 생성부, 상기 가상소음원 벡터와 상기 주파수 성분 벡터의 관계를 선형행렬식으로 정의하는 선형행렬식 정의부, 블록 희소 압축 센싱을 이용하여 상기 선형행렬식으로부터 가상소음원 벡터를 복원하는 가상소음원 복원부. 및 복원된 가상소음원 벡터로부터 상기 복수의 가상소음원 각각의 평균적인 크기값을 산출하여 소음원의 위치를 추정하는 소음원 위치 추정부를 포함한다.The block sparse compressed sensing-based broadband noise source location estimation device includes a virtual noise source generator that generates a virtual noise source vector listing blocks of a plurality of frequency components for each of a plurality of virtual noise sources, and a virtual noise source generator that generates a virtual noise source vector listing blocks of a plurality of frequency components for each of a plurality of virtual noise sources. A measurement information generator that generates a frequency component vector in which blocks are listed, a linear matrix definition unit that defines the relationship between the virtual noise source vector and the frequency component vector in a linear matrix, and a virtual noise source vector from the linear matrix using block sparse compressed sensing. A virtual noise source restoration unit that restores the noise source vector. and a noise source location estimation unit that estimates the location of the noise source by calculating an average size value of each of the plurality of virtual noise sources from the restored virtual noise source vector.

Description

블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치 및 그 방법{APPARATUS FOR ESTIMATING BROADBAND SOURCE LOCATION BASED ON BLOCK SPARSE COMPRESSIVE SENSING}Block sparse compressed sensing based broadband noise source location estimation device and method {APPARATUS FOR ESTIMATING BROADBAND SOURCE LOCATION BASED ON BLOCK SPARSE COMPRESSIVE SENSING}

본 발명은 압축 센싱 기반 광대역 소음원 위치 추정 장치 및 그 방법에 관한 것으로, 더욱 상세하게는 한 소음원의 위치 추정기법에 주파수 성분들의 상관관계를 이용하는 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치 및 그 방법에 관한 것이다.The present invention relates to a compressed sensing-based broadband noise source location estimation device and method. More specifically, to a block sparse compressed sensing-based broadband noise source location estimation device and method that uses the correlation of frequency components in a noise source location estimation technique. It's about.

수중에서 소음원의 위치 추정 문제는 종래부터 많은 연구가 진행되고 있다. 전통적인 신호처리 기법을 활용한 TDOA(Time Difference Of Arrival), MFP(Matched Field Processing) 등이 널리 활용되고 있으며, 이러한 기법들은 비교적 간단한 신호처리 절차를 통해 소음원의 위치에 관한 정보를 얻을 수 있다. Much research has been conducted on the problem of estimating the location of noise sources underwater. TDOA (Time Difference Of Arrival) and MFP (Matched Field Processing), which utilize traditional signal processing techniques, are widely used, and these techniques can obtain information about the location of noise sources through relatively simple signal processing procedures.

TDOA 기법은 시계열 신호를 이용하기 때문에 가장 간단한 방법으로 위치를 추정할 수 있으나, 주변 소음에 의해 결과의 정확도가 저해될 수 있다는 단점이 있다. MFP 기법은 시계열 신호 혹은 주파수 신호를 이용하여 가상의 소음원과 계측신호의 유사도를 이용해 소음원의 위치를 추정할 수 있다. MFP 기법의 결과는 단순히 하나의 위치가 아닌 유사도 값에 의한 모호 평면(ambiguity surface)의 형태로 나타나며, 특히 주파수 신호를 이용한 결과는 일반적으로 TDOA 기법에 비해 소음에 강인한 결과를 보여준다. 이러한 전통적인 위치 추정 기법의 한계점은 계측된 정보의 양 또는 주변 소음에 의해서 결과의 정확도가 떨어질 수 있다는 점이다. The TDOA technique can estimate location in the simplest way because it uses time series signals, but it has the disadvantage that the accuracy of the results may be impaired by surrounding noise. The MFP technique can estimate the location of a noise source using the similarity between a virtual noise source and a measured signal using a time series signal or frequency signal. The results of the MFP technique appear in the form of an ambiguity surface based on similarity values rather than simply a single location, and in particular, results using frequency signals generally show results that are more robust to noise than the TDOA technique. The limitation of these traditional location estimation techniques is that the accuracy of the results may be reduced depending on the amount of measured information or surrounding noise.

이러한 한계점을 극복하기 위해 수중음향학에서는 압축 센싱 기법(Compressive Sensing, CS)이라는 신호처리 기법을 도입하여 전통적인 위치 추정 기법에 대비하여 정확한 위치 정보를 얻기 위해 시도하고 있다.To overcome these limitations, underwater acoustics is attempting to obtain accurate location information compared to traditional location estimation techniques by introducing a signal processing technique called Compressive Sensing (CS).

압축 센싱 기법은 희소성의 특성을 가진 신호를 복원하는 신호처리 기법의 한 종류이며, 기존의 신호처리 기법에 대비하여 적은 수의 계측 정보를 이용하여 고성능의 신호 복원을 가능하게 하는 기법이다. 이때, 복원하고자 하는 신호는 희소 신호(sparse signal)이어야 한다는 제한 조건이 있다. 이러한 압축 센싱 기법은 공간적으로 희소한 소음원에 대한 위치 추정 문제에 응용되고 있다. 희소성(sparsity)이란 신호가 가지고 있는 0이 아닌 요소가 희소(sparse)할 경우 가지게 되는 신호의 특징이다. 이러한 희소한 신호의 특성을 이용할 경우 더 적은 계측 정보를 이용하여 정확한 원래 신호를 복원할 수 있는데, 이러한 신호 복원 기법을 압축 센싱 기법이라고 한다.Compressed sensing technique is a type of signal processing technique that restores signals with sparsity characteristics, and is a technique that enables high-performance signal restoration using a small amount of measurement information compared to existing signal processing techniques. At this time, there is a limitation that the signal to be restored must be a sparse signal. This compressed sensing technique is applied to the problem of location estimation for spatially sparse noise sources. Sparsity is a characteristic of a signal that occurs when the non-zero elements of the signal are sparse. When using the characteristics of these rare signals, the accurate original signal can be restored using less measurement information. This signal restoration technique is called a compressed sensing technique.

압축 센싱 기법을 이용하여 3차원 광대역 소음원의 위치를 추정하기 위한 연구가 진행되고 있으나, 소음원이 가지는 여러 주파수 성분들을 통합적으로 해석하지 못하고 주파수 성분들 각각에 대해 별개의 위치 추정이 수행되고 있다. 즉, 주파수 성분들의 상관관계에 대한 정보가 활용되지 못하고 있다. Research is being conducted to estimate the location of a three-dimensional broadband noise source using compressed sensing techniques, but the various frequency components of the noise source cannot be comprehensively analyzed, and separate location estimates are performed for each frequency component. In other words, information about the correlation between frequency components is not utilized.

본 발명이 해결하고자 하는 기술적 과제는 압축 센싱 기법을 기반으로 하는 소음원의 위치 추정 기법에 주파수 성분들의 상관관계를 이용할 수 있는 신호처리 기법을 추가하여 위치 추정 성능을 향상시킬 수 있는 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치 및 그 방법을 제공함에 있다.The technical problem that the present invention aims to solve is a block-sparse compressed sensing-based technology that can improve location estimation performance by adding a signal processing technique that can use the correlation of frequency components to the noise source location estimation technique based on the compressed sensing technique. To provide a broadband noise source location estimation device and method.

본 발명의 일 실시예에 따른 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치는 복수의 가상소음원 각각에 대한 복수의 주파수 성분의 블록이 나열되어 있는 가상소음원 벡터를 생성하는 가상소음원 생성부, 복수의 청음기 각각에 대한 복수의 주파수 성분의 블록이 나열되어 있는 주파수 성분 벡터를 생성하는 계측 정보 생성부, 상기 가상소음원 벡터와 상기 주파수 성분 벡터의 관계를 선형행렬식으로 정의하는 선형행렬식 정의부, 블록 희소 압축 센싱을 이용하여 상기 선형행렬식으로부터 가상소음원 벡터를 복원하는 가상소음원 복원부. 및 복원된 가상소음원 벡터로부터 상기 복수의 가상소음원 각각의 평균적인 크기값을 산출하여 소음원의 위치를 추정하는 소음원 위치 추정부를 포함한다. A block sparse compressed sensing-based broadband noise source location estimation device according to an embodiment of the present invention includes a virtual noise source generator that generates a virtual noise source vector in which blocks of a plurality of frequency components for each of a plurality of virtual noise sources are listed, and a plurality of listeners. A measurement information generator that generates a frequency component vector in which blocks of a plurality of frequency components for each are listed, a linear matrix definition unit that defines the relationship between the virtual noise source vector and the frequency component vector in a linear matrix, and block sparse compressed sensing. A virtual noise source restoration unit that restores a virtual noise source vector from the linear determinant using . and a noise source location estimation unit that estimates the location of the noise source by calculating an average size value of each of the plurality of virtual noise sources from the restored virtual noise source vector.

상기 가상소음원 생성부는 실제 소음원의 위치 추정을 위하여 3차원 공간에서 균일하게 분포되어 있는 상기 복수의 가상소음원을 생성할 수 있다.The virtual noise source generator may generate the plurality of virtual noise sources uniformly distributed in three-dimensional space to estimate the location of the actual noise source.

상기 가상소음원 생성부에서 생성되는 가상소음원 벡터는 각 요소들이 공간적 위치 및 주파수에 대응되는 색인만을 가지고 있는 비어있는 벡터일 수 있다. The virtual noise source vector generated by the virtual noise source generator may be an empty vector in which each element has only an index corresponding to a spatial position and frequency.

상기 계측 정보 생성부는 상기 복수의 청음기 각각에서 계측된 시계열 신호를 푸리에 변환을 통해 주파수 신호로 변환할 수 있다. The measurement information generator may convert the time series signal measured by each of the plurality of listeners into a frequency signal through Fourier transform.

상기 선형행렬식 정의부는 L개의 주파수 성분에 대해 m번째 청음기와 n번째 가상소음원의 관계를 정의하는 블록 행렬을 정의하고, M개의 청음기와 N개의 가상소음원에 대한 블록 행렬들을 조합하여 상기 선형행렬식의 음파 전달 함수를 만들 수 있다. The linear matrix definition unit defines a block matrix that defines the relationship between the mth listener and the nth virtual noise source for the L frequency components, and combines the block matrices for the M listener and the N virtual noise source to determine the sound wave of the linear matrix. You can create a transfer function.

상기 가상소음원 복원부는 켄벡스 최적화를 통하여 상기 선형행렬식으로부터 가상소음원 벡터를 복원할 수 있다.The virtual noise source restoration unit may restore the virtual noise source vector from the linear determinant through Kenvex optimization.

상기 소음원 위치 추정부는 상기 복원된 가상소음원 벡터의 각 블록의 l2-norm 값을 계산하여 소음원의 위치를 추정할 수 있다. The noise source location estimation unit may calculate the l2-norm value of each block of the restored virtual noise source vector to estimate the location of the noise source.

본 발명의 다른 실시예에 따른 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 방법은 복수의 가상소음원 각각에 대한 복수의 주파수 성분의 블록이 나열되어 있는 가상소음원 벡터를 생성하는 단계, 복수의 청음기 각각에 대한 복수의 주파수 성분의 블록이 나열되어 있는 주파수 성분 벡터를 생성하는 단계, 상기 가상소음원 벡터와 상기 주파수 성분 벡터의 관계를 선형행렬식으로 정의하는 단계, 블록 희소 압축 센싱을 이용하여 상기 선형행렬식으로부터 가상소음원 벡터를 복원하는 단계, 및 복원된 가상소음원 벡터로부터 상기 복수의 가상소음원 각각의 평균적인 크기값을 산출하여 소음원의 위치를 추정하는 단계를 포함한다.A block sparse compressed sensing-based broadband noise source location estimation method according to another embodiment of the present invention includes the steps of generating a virtual noise source vector in which blocks of a plurality of frequency components for each of a plurality of virtual noise sources are listed, and Generating a frequency component vector in which blocks of a plurality of frequency components are listed, defining a relationship between the virtual noise source vector and the frequency component vector as a linear matrix, and calculating a virtual noise source from the linear matrix using block sparse compressed sensing. It includes the step of restoring a vector, and calculating the average size value of each of the plurality of virtual noise sources from the restored virtual noise source vector to estimate the location of the noise source.

상기 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 방법은 실제 소음원의 위치 추정을 위하여 3차원 공간에서 균일하게 분포되어 있는 상기 복수의 가상소음원을 생성하는 단계를 더 포함할 수 있다.The block sparse compressed sensing-based broadband noise source location estimation method may further include generating the plurality of virtual noise sources uniformly distributed in three-dimensional space to estimate the location of an actual noise source.

상기 가상소음원 벡터를 생성하는 단계에서 생성되는 가상소음원 벡터는 각 요소들이 공간적 위치 및 주파수에 대응되는 색인만을 가지고 있는 비어있는 벡터일 수 있다.The virtual noise source vector generated in the step of generating the virtual noise source vector may be an empty vector in which each element has only an index corresponding to a spatial position and frequency.

상기 복수의 청음기 각각에서 계측된 시계열 신호를 푸리에 변환을 통해 주파수 신호로 변환할 수 있다.The time series signal measured from each of the plurality of listeners can be converted into a frequency signal through Fourier transform.

L개의 주파수 성분에 대해 m번째 청음기와 n번째 가상소음원의 관계를 정의하는 블록 행렬을 정의하고, M개의 청음기와 N개의 가상소음원에 대한 블록 행렬들을 조합하여 상기 선형행렬식의 음파 전달 함수를 만들 수 있다.A block matrix defining the relationship between the mth listener and the nth virtual noise source for the L frequency components can be defined, and the block matrices for the M listeners and N virtual noise sources can be combined to create a sound wave transfer function of the linear matrix equation. there is.

켄벡스 최적화를 통하여 상기 선형행렬식으로부터 가상소음원 벡터를 복원할 수 있다. The virtual noise source vector can be restored from the linear determinant through Kenvex optimization.

상기 복원된 가상소음원 벡터의 각 블록의 l2-norm 값을 계산하여 소음원의 위치를 추정할 수 있다.The location of the noise source can be estimated by calculating the l2-norm value of each block of the restored virtual noise source vector.

주파수 성분들의 상관관계를 이용할 수 있는 신호처리 기법을 압축 센싱 기반의 소음원 위치 추정 기법에 추가하여 위치 추정 성능을 향상시킬 수 있다.Position estimation performance can be improved by adding a signal processing technique that can utilize the correlation of frequency components to the compressed sensing-based noise source location estimation technique.

도 1은 본 발명의 일 실시예에 따른 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치를 나타내는 블록도이다.
도 2는 본 발명의 일 실시예에 따른 3차원 공간상의 가상소음원을 예시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 주파수 상관관계를 고려한 선형행렬식을 가시적으로 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 3차원 공간상의 가상소음원의 복원을 예시한 도면이다.
도 5는 캐비테이션 터널 내 신호발생기 및 청음기 배열의 실험 환경을 예시한 도면이다.
도 6은 신호발생기의 시계열 신호의 일예를 예시한 도면이다.
도 7은 푸리에 변환된 주파수 영역 신호의 일예를 예시한 도면이다.
도 8은 본 발명의 실시예에 따른 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 방법으로 신호발생기의 위치를 추정한 결과를 나타내는 도면이다.
도 9는 주파수 상관관계를 고려하지 않고 압축센싱 기법을 이용하여 신호발생기의 위치를 추정한 결과를 나타내는 도면이다.Figure 1 is a block diagram showing a block sparse compressed sensing-based broadband noise source location estimation device according to an embodiment of the present invention.
Figure 2 is a diagram illustrating a virtual noise source in three-dimensional space according to an embodiment of the present invention.
Figure 3 is a diagram visually showing a linear determinant considering frequency correlation according to an embodiment of the present invention.
Figure 4 is a diagram illustrating restoration of a virtual noise source in three-dimensional space according to an embodiment of the present invention.
Figure 5 is a diagram illustrating the experimental environment of the signal generator and listener arrangement within the cavitation tunnel.
Figure 6 is a diagram illustrating an example of a time series signal from a signal generator.
Figure 7 is a diagram illustrating an example of a Fourier transformed frequency domain signal.
Figure 8 is a diagram showing the results of estimating the location of a signal generator using a broadband noise source location estimation method based on block sparse compressed sensing according to an embodiment of the present invention.
Figure 9 is a diagram showing the results of estimating the position of a signal generator using a compressed sensing technique without considering frequency correlation.

이하, 첨부한 도면을 참고로 하여 본 발명의 실시예들에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예들에 한정되지 않는다.Hereinafter, with reference to the attached drawings, embodiments of the present invention will be described in detail so that those skilled in the art can easily practice the present invention. The invention may be implemented in many different forms and is not limited to the embodiments described herein.

본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다.In order to clearly explain the present invention, parts that are not relevant to the description are omitted, and identical or similar components are assigned the same reference numerals throughout the specification.

또한, 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함" 한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.In addition, throughout the specification, when a part is said to "include" a certain component, this means that it may further include other components rather than excluding other components, unless specifically stated to the contrary.

이하, 도 1 내지 4를 참조하여 본 발명의 실시예에 따른 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치 및 그 방법에 대하여 설명한다.Hereinafter, a block sparse compressed sensing-based broadband noise source location estimation device and method according to an embodiment of the present invention will be described with reference to FIGS. 1 to 4.

도 1은 본 발명의 일 실시예에 따른 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치를 나타내는 블록도이다. 도 2는 본 발명의 일 실시예에 따른 3차원 공간상의 가상소음원을 예시한 도면이다. 도 3은 본 발명의 일 실시예에 따른 주파수 상관관계를 고려한 선형행렬식을 가시적으로 나타내는 도면이다. 도 4는 본 발명의 일 실시예에 따른 3차원 공간상의 가상소음원의 복원을 예시한 도면이다.Figure 1 is a block diagram showing a block sparse compressed sensing-based broadband noise source location estimation device according to an embodiment of the present invention. Figure 2 is a diagram illustrating a virtual noise source in three-dimensional space according to an embodiment of the present invention. Figure 3 is a diagram visually showing a linear determinant considering frequency correlation according to an embodiment of the present invention. Figure 4 is a diagram illustrating restoration of a virtual noise source in three-dimensional space according to an embodiment of the present invention.

도 1 내지 4를 참조하면, 수중에서 발생하는 광대역 소음원들은 공간적인 희소한(spatially sparse) 특징을 가지고 있고, 각 소음원들의 주파수 성분들은 공간적인 희소성을 공유하는 물리적 특성을 가지고 있다.Referring to Figures 1 to 4, broadband noise sources occurring underwater have spatially sparse characteristics, and the frequency components of each noise source have physical characteristics that share spatial sparsity.

본 발명의 실시예에 따른 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치(100)는 이러한 특징을 이용하여 각 소음원이 가진 주파수 성분들의 공간적인 공동 희소한(spatially joint sparse) 특성을 강화시켜 위치 추정 성능을 향상시킬 수 있다. 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치(100)는 공동 희소한 특성을 강화시키기 위하여 하나의 소음원의 주파수 성분들이 블록(block)을 이룰 수 있는 선형행렬식을 정의하고, 블록 형태를 이룬 주파수 성분들을 블록 희소 압축 센싱(block-sparse compressive sensing, BSCS) 기법으로 복원하여, 최종적으로 더 정확한 소음원의 위치를 추정할 수 있다. The block sparse compressed sensing-based broadband noise source location estimation device 100 according to an embodiment of the present invention uses these characteristics to enhance the spatially joint sparse characteristics of the frequency components of each noise source to improve location estimation performance. can be improved. The block sparse compressed sensing-based broadband noise source location estimation device 100 defines a linear matrix in which the frequency components of one noise source can form a block in order to strengthen the joint sparse characteristic, and the frequency components formed in the block form are defined. By restoring it using block-sparse compressive sensing (BSCS), the final location of the noise source can be estimated more accurately.

블록 희소 압축 센싱 기법은 복원될 신호 중 연속적으로 배치된 0이 아닌 요소들을 하나의 블록으로 구분하여 신호를 더욱 희소하게 만들어 주는 기법이다. 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치(100)는 하나의 가상소음원에 해당하는 여러 주파수 성분들을 연속적인 요소들, 즉 블록으로 구분한다. The block sparse compressed sensing technique is a technique that makes the signal more sparse by dividing consecutively placed non-zero elements of the signal to be restored into one block. The block sparse compressed sensing-based broadband noise source location estimation device 100 divides several frequency components corresponding to one virtual noise source into continuous elements, that is, blocks.

더욱 상세하게, 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치(100)는 가상소음원 생성부(110), 계측 정보 생성부(120), 선형행렬식 정의부(130), 가상소음원 복원부(140) 및 소음원 위치 추정부(150)를 포함한다. In more detail, the block sparse compressed sensing-based broadband noise source location estimation device 100 includes a virtual noise source generator 110, a measurement information generator 120, a linear matrix definition unit 130, a virtual noise source restoration unit 140, and It includes a noise source location estimation unit 150.

블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 방법은 가상소음원 생성부(110), 계측 정보 생성부(120), 선형행렬식 정의부(130), 가상소음원 복원부(140), 소음원 위치 추정부(150) 순서의 순차적으로 신호처리 과정을 포함할 수 있다.The block sparse compressed sensing-based broadband noise source location estimation method includes a virtual noise source generator 110, a measurement information generator 120, a linear matrix definition unit 130, a virtual noise source restoration unit 140, and a noise source location estimation unit 150. It may include signal processing processes in sequential order.

가상소음원 생성부(110)는 실제 소음원의 위치 추정을 이산적(discrete) 과정으로 수행하기 위해 촘촘하고 일정한 간격으로 배치된 복수의 가상소음원(x1 내지 xN)을 생성한다. 실제 소음원의 위치를 찾기 위해서는 연속적인 3차원 공간에서 소음원을 탐색해야 하지만 많은 연산시간이 요구된다. 하지만, 3차원 공간을 이산적으로 표현하면 연산시간을 줄일 수 있다. 이를 위해 도 2에 예시한 바와 같이, 가상소음원 생성부(110)는 사용자가 지정한 3차원 공간에서 균일하게 분포되어 있는 N개의 가상소음원(x1 내지 xN)을 생성할 수 있다(1<k<N). The virtual noise source generator 110 generates a plurality of virtual noise sources (x 1 to x N ) arranged at close and regular intervals in order to estimate the location of the actual noise source in a discrete process. In order to find the location of the actual noise source, the noise source must be searched in a continuous three-dimensional space, but it requires a lot of computational time. However, computing time can be reduced by discretely expressing the 3D space. To this end, as illustrated in FIG. 2, the virtual noise source generator 110 can generate N virtual noise sources (x 1 to x N ) uniformly distributed in a three-dimensional space designated by the user (1 < k <N).

가상소음원 생성부(110)는 수학식 1과 같이 L개의 주파수 성분(f1 내지 fL)으로 N개의 가상소음원(x1 내지 xN)을 정의하여 저장할 수 있다.The virtual noise source generator 110 can define and store N virtual noise sources (x 1 to x N ) with L frequency components (f 1 to f L ) as shown in Equation 1.

즉, 임의의 하나의 가상소음원(xk)은 L개의 주파수 성분들(f1 내지 fL)의 블록을 가지고 있으며, 가상소음원 벡터(x)는 N개의 블록들이 나열되어 있는 벡터 형태를 가질 수 있다. That is, any one virtual noise source (x k ) has blocks of L frequency components (f 1 to f L ), and the virtual noise source vector (x) has N blocks listed. It can be in vector form.

가상소음원 생성부(110) 단계에서의 가상소음원 벡터(x)는 각 요소들이 공간적 위치 및 주파수에 대응되는 색인(index)만을 가지고 있는 비어있는 벡터이다.The virtual noise source vector (x) in the step of the virtual noise source generator 110 is an empty vector in which each element has only an index corresponding to the spatial position and frequency.

계측 정보 생성부(120)는 청음기에서 계측된 시계열 신호를 주파수 신호로 변환한다. 수중에서 발생하는 광대역 소음원의 시계열 신호는 청음기 배열을 이용하여 계측될 수 있으며, 계측 정보 생성부(120)는 계측된 시계열 신호를 푸리에 변환을 통해 주파수 신호로 변환할 수 있다. The measurement information generator 120 converts the time series signal measured by the listening device into a frequency signal. The time series signal of a broadband noise source occurring underwater can be measured using a listener array, and the measurement information generator 120 can convert the measured time series signal into a frequency signal through Fourier transform.

이때, 계측 정보 생성부(120)는 M개의 청음기 각각에 대하여 L개의 주파수 성분들(f1 내지 fL)을 수학식 2와 같은 벡터 형태로 저장할 수 있다. At this time, the measurement information generator 120 may store L frequency components (f 1 to f L ) for each of the M listeners in a vector form as shown in Equation 2.

즉, 계측된 주파수 성분 벡터(y)는 하나의 청음기에 수신된 주파수 성분들(f1 내지 fL)이 하나의 블록을 이루어 M개의 블록들이 나열되어 있는 벡터 형태를 가질 수 있다.In other words, the measured frequency component vector (y) is a block in which the frequency components (f 1 to f L ) received by one listener form one block, and M blocks are arranged. It can be in vector form.

선형행렬식 정의부(130)는 가상소음원 벡터(x)와 주파수 성분 벡터(y)의 음파전달모델을 고려하여 가상소음원 벡터(x)와 주파수 성분 벡터(y)의 관계를 음파 전달 함수(A)를 이용하여 의 선형행렬식으로 생성한다.The linear matrix definition unit 130 considers the sound wave transfer model of the virtual noise source vector (x) and the frequency component vector (y) and determines the relationship between the virtual noise source vector (x) and the frequency component vector (y) as a sound wave transfer function (A). using It is generated using a linear matrix of .

구체적으로, 선형행렬식 정의부(130)는 음파전달모델에 따라 l번째 주파수 성분에 대한 m번째 청음기와 n번째 가상소음원에 대한 음파 전달 함수를 수학식 3과 같이 정의하고, 가상소음원 벡터(x)와 주파수 성분 벡터(y)의 관계를 수학식 4와 같이 정의할 수 있다.Specifically, the linear matrix definition unit 130 defines the sound wave transfer function for the mth listener and the nth virtual noise source for the lth frequency component according to the sound wave transfer model as shown in Equation 3, and the virtual noise source vector (x) The relationship between and the frequency component vector (y) can be defined as Equation 4.

선형행렬식 정의부(130)는 M개의 청음기, N개의 가상소음원, L개의 주파수 성분을 하나의 선형행렬로 처리하기 위하여 수학식 5와 같이 L개의 모든 주파수 성분에 대해 m번째 청음기와 n번째 가상소음원의 관계를 정의하는 블록 행렬(block matrix)을 정의할 수 있다.In order to process M listeners, N virtual noise sources, and L frequency components into one linear matrix, the linear matrix definition unit 130 includes the m listener and the n virtual noise source for all L frequency components as shown in Equation 5. A block matrix that defines the relationship can be defined.

그리고, 선형행렬식 정의부(130)는 수학식 6과 같이 M개의 청음기와 N개의 가상소음원에 대한 블록 행렬들을 조합하여 가상소음원 벡터(x)와 주파수 성분 벡터(y)의 관계를 나타내는 음파 전달 함수(A)를 만들 수 있다. 즉, 선형행렬식 정의부(130)는 가상소음원 생성부(110)와 계측 정보 생성부(120)를 관계지어 주는 음파 전달 함수(A)를 특수한 형태의 행렬로 만들 수 있다.In addition, the linear matrix definition unit 130 is a sound wave transfer function that represents the relationship between the virtual noise source vector (x) and the frequency component vector (y) by combining block matrices for M listeners and N virtual noise sources as shown in Equation 6. (A) can be made. That is, the linear matrix definition unit 130 can create a sound wave transfer function (A) that relates the virtual noise source generator 110 and the measurement information generator 120 into a special type of matrix.

최종적으로, 선형행렬식 정의부(130)는 수학식 7과 같이 가상소음원 벡터(x)와 주파수 성분 벡터(y)의 관계를 선형행렬식으로 정의할 수 있다. 도 3은 이러한 선형행렬식의 가시적인 구조를 나타내고 있다. Finally, the linear matrix equation definition unit 130 can define the relationship between the virtual noise source vector (x) and the frequency component vector (y) as a linear matrix equation, as shown in Equation 7. Figure 3 shows the visual structure of this linear determinant.

가상소음원 복원부(140)는 블록 희소 압축 센싱을 이용하여 가상소음원 벡터(x)를 복원한다. 가상소음원 복원부(140)는 수학식 8의 켄벡스 최적화(convex optimization)를 통하여 수학식 7의 선형행렬식으로부터 가상소음원 벡터(x), 즉 가상소음원의 정보를 복원할 수 있다.The virtual noise source restoration unit 140 restores the virtual noise source vector (x) using block sparse compressed sensing. The virtual noise source restoration unit 140 can restore the virtual noise source vector (x), that is, information about the virtual noise source, from the linear determinant of Equation 7 through convex optimization of Equation 8.

여기서, 은 오차 제한값이다. 이때 수학식 8의 켄벡스 최적화에 사용된 이론적 근거는 블록 희소 압축 센싱이다. here, is the error limit. At this time, the theoretical basis used for Kenvex optimization in Equation 8 is block sparse compressed sensing.

일반적인 압축 센싱(conventional compressive sensing)은 임의의 벡터 x가 희소함을 가정하고 x를 복원한다. 일반적인 압축 센싱은 비결정형 문제에서 를 만족하는 무수히 많은 해 x들 중에서 "0이 아닌 요소의 개수"가 가장 적은 x, 즉 가장 희소한 x가 찾고자 하는 해로 결정한다.Conventional compressive sensing assumes that a random vector x is sparse and restores x. General compressed sensing is used in non-deterministic problems. Among the countless solutions x that satisfy

블록 희소 압축 센싱(block-sparse compressive sensing)도 비결정형 문제에서 를 만족하는 무수히 많은 해 x들 중에서 가장 희소한 x를 해로 찾는 기법이다. 다만, 블록 희소 압축 센싱은 일반적인 압축 센싱과 달리 희소한 x를 판단하는 기준이 "0이 아닌 블록의 개수"라는 점에서 차이점이 있다. Block-sparse compressive sensing is also used in non-deterministic problems. This is a technique to find the rarest x among the countless solutions x that satisfy . However, block sparse compressed sensing differs from general compressed sensing in that the standard for determining sparse x is "the number of non-zero blocks."

도 4에 예시한 바와 같이, 2개의 가상 소음원에 대응되는 위치에 2개의 실제 광대역 소음원이 존재한다면, 가상소음원 벡터(x)는 L개의 주파수 성분을 가지는 두 개의 블록으로 표현될 수 있다. 이는 물리적으로 보았을 때, 소음원이 공간적으로 희소한 광대역(spatially sparse and wideband) 특성을 지니고 있기 때문이다. 따라서 희소성의 단위가 블록이기 때문에 일반적인 압축 센싱 기법의 적용은 적절하지 않고, 주어진 가상소음원 벡터(x)를 복원하기 위해 적합한 블록 희소 압축 센싱 기법이 적용된다. 이때, 수학식 8은 블록 희소 신호 복원을 수행해주는 l2-l1 노름 최소화(norm minimization) 기법이다. As illustrated in FIG. 4, if two actual broadband noise sources exist in positions corresponding to two virtual noise sources, the virtual noise source vector (x) can be expressed as two blocks having L frequency components. This is because, physically, the noise source has spatially sparse and wideband characteristics. Therefore, since the unit of sparsity is a block, the application of a general compressed sensing technique is not appropriate, and an appropriate block sparse compressed sensing technique is applied to restore the given virtual noise source vector (x). At this time, Equation 8 is a l 2 -l 1 norm minimization technique that performs block sparse signal restoration.

소음원 위치 추정부(150)는 복원된 가상소음원 벡터(x)로부터 복수의 가상소음원 각각의 평균적인 크기값을 산출하여 소음원의 위치를 추정한다. 소음원 위치 추정부(150)는 복원된 가상소음원 벡터(x)의 각 블록의 l2-norm 값을 계산하여 소음원의 위치를 추정할 수 있다. 소음원 위치 추정부(150)는 복원된 n번째 가상소음원의 주파수 성분인 의 l2-norm 값을 계산하는 수학식 9를 이용하여 n번째 가상소음원의 평균적 크기값인 Sn을 산출할 수 있다.The noise source location estimation unit 150 estimates the location of the noise source by calculating the average size value of each of the plurality of virtual noise sources from the restored virtual noise source vector (x). The noise source location estimation unit 150 may estimate the location of the noise source by calculating the l2-norm value of each block of the restored virtual noise source vector (x). The noise source location estimation unit 150 is the frequency component of the restored nth virtual noise source. S n , the average size value of the nth virtual noise source, can be calculated using Equation 9, which calculates the l2-norm value of .

소음원 위치 추정부(150)는 가상소음원의 크기를 이용하여 해당 가상소음원의 위치에 실제 소음원이 존재하는지 여부를 판단할 수 있다. 예를 들어, 소음원 위치 추정부(150)는 가상소음원의 크기가 임계치 이상인 가상소음원에 실제 소음원이 존재하는 것으로 판단할 수 있다.The noise source location estimation unit 150 may use the size of the virtual noise source to determine whether an actual noise source exists at the location of the virtual noise source. For example, the noise source location estimation unit 150 may determine that an actual noise source exists in a virtual noise source whose size is greater than or equal to a threshold.

상기와 같이, 본 발명의 일 실시예에 따른 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치(100)를 이용하여 광대역 소음원의 위치를 추정할 수 있다. 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치(100)는 각 주파수 성분들의 상관관계를 이용하여 위치 추정을 수행하기 때문에 일반적인 압축 센싱 기반의 위치 추정 기법에 비해 같은 계측 정보를 사용하였을 경우 더 나은 성능을 보여준다. As described above, the location of a broadband noise source can be estimated using the block sparse compressed sensing-based broadband noise source location estimation device 100 according to an embodiment of the present invention. Since the block sparse compressed sensing-based broadband noise source location estimation device 100 performs location estimation using the correlation of each frequency component, it provides better performance when using the same measurement information compared to a general compressed sensing-based location estimation technique. It shows.

이러한 정확도 측면의 성능 향상을 검증하기 위하여 실험 데이터를 이용하여 상술한 순서대로 광대역 소음원의 위치 추정을 수행하였으며, 이에 대하여 도 5 내지 9를 참조하여 설명한다.In order to verify the performance improvement in terms of accuracy, location estimation of broadband noise sources was performed in the above-described order using experimental data, which will be described with reference to FIGS. 5 to 9.

도 5는 캐비테이션 터널 내 신호발생기 및 청음기 배열의 실험 환경을 예시한 도면이다. 도 6은 신호발생기의 시계열 신호의 일예를 예시한 도면이다. 도 7은 푸리에 변환된 주파수 영역 신호의 일예를 예시한 도면이다. 도 8은 본 발명의 실시예에 따른 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 방법으로 신호발생기의 위치를 추정한 결과를 나타내는 도면이다. 도 9는 주파수 상관관계를 고려하지 않고 압축센싱 기법을 이용하여 신호발생기의 위치를 추정한 결과를 나타내는 도면이다.Figure 5 is a diagram illustrating the experimental environment of the signal generator and listener arrangement within the cavitation tunnel. Figure 6 is a diagram illustrating an example of a time series signal from a signal generator. Figure 7 is a diagram illustrating an example of a Fourier transformed frequency domain signal. Figure 8 is a diagram showing the results of estimating the location of a signal generator using a broadband noise source location estimation method based on block sparse compressed sensing according to an embodiment of the present invention. Figure 9 is a diagram showing the results of estimating the position of a signal generator using a compressed sensing technique without considering frequency correlation.

도 5에 예시한 바와 같이, 공동수조터널 내에 소음원으로 하나의 광대역 신호발생기(transducer source)가 설치되어 있고, 광대역 신호발생기 상단에 6개의 청음기(hydrophones)가 설치되어 있다. As illustrated in Figure 5, one broadband signal generator (transducer source) is installed as a noise source in the common water tank tunnel, and six hydrophones are installed on top of the broadband signal generator.

도 6과 같이 각 청음기마다 동기화된 시계열 신호가 5초간 계측되었고, 샘플링된 데이터를 저장하였다.As shown in Figure 6, a synchronized time series signal was measured for 5 seconds for each listener, and the sampled data was stored.

가상소음원 생성부(110)는 탐색 공간을 지정하여 균일한 간격의 가상소음원을 생성한다. 본 실험에서 가상소음원 생성부(110)는 도 5와 같이 1m 1.4m 3m 공간을 지정하여 총 37,149개의 가상소음원(potential transducer noise source)을 생성시키고, 7kHz부터 34kHz까지 3kHz 간격으로 총 10개의 주파수 성분을 저장할 수 있는 가상소음원 벡터 를 생성한다.The virtual noise source generator 110 specifies a search space and generates virtual noise sources at uniform intervals. In this experiment, the virtual noise source generator 110 creates a total of 37,149 virtual noise sources (potential transducer noise sources) by designating a space of 1m, 1.4m, and 3m as shown in Figure 5, and a total of 10 frequency components at 3kHz intervals from 7kHz to 34kHz. A virtual noise source vector that can store creates .

계측 정보 생성부(120)는 계측된 시계열 신호를 푸리에 변환을 이용해 도 7과 같이 주파수 신호로 변환한다. 즉, 계측 정보 생성부(120)는 7kHz부터 34kHz까지 3kHz 간격의 총 10개의 주파수 계측 신호를 주파수 성분 벡터 로 저장한다. The measurement information generator 120 converts the measured time series signal into a frequency signal as shown in FIG. 7 using Fourier transform. That is, the measurement information generator 120 converts a total of 10 frequency measurement signals from 7 kHz to 34 kHz at 3 kHz intervals into a frequency component vector. Save it as

선형행렬식 정의부(130)는 수학식 3 내지 7에 따라 6개의 청음기, 37,149개의 가상소음원, 10개의 주파수 성분을 가지는 선형행렬식을 생성할 수 있다. The linear matrix definition unit 130 can generate a linear matrix equation with 6 listeners, 37,149 virtual noise sources, and 10 frequency components according to Equations 3 to 7.

가상소음원 복원부(140)는 수학식 8에 따라 가상소음원의 주파수 성분들인 을 복원할 수 있다. The virtual noise source restoration unit 140 is the frequency components of the virtual noise source according to Equation 8. can be restored.

소음원 위치 추정부(150)는 복원된 가상소음원의 주파수 성분들을 이용해 수학식 9에 따라 평균적인 가상소음원의 크기인 Sn을 구할 수 있다. 평균적인 가상소음원의 크기인 Sn은 공간적으로 희소한 특성을 띄고, 도 8과 같은 몇 개의 희소한 성분들로 복원될 수 있다. 이때, 도 8의 1번 지점이 소음원의 위치로 추정될 수 있고, 이는 실제 신호발생기의 위치와 동일한 위치를 나타낸다.The noise source location estimation unit 150 can obtain S n , the average size of the virtual noise source, according to Equation 9 using the frequency components of the restored virtual noise source. S n , the size of the average virtual noise source, has spatially sparse characteristics and can be restored with several sparse components as shown in FIG. 8. At this time, point 1 in FIG. 8 can be estimated as the location of the noise source, which represents the same location as the actual signal generator.

주파수 상관관계를 고려하지 않고 기존의 압축센싱 기법을 이용하여 신호발생기의 위치를 추정한 결과는 도 9와 같다. 주파수의 상관관계를 이용하지 않았기 때문에 도 9의 (d)와 같이 많은 주파수 성분들을 이용해야 신뢰할 수 있는 위치 추정 결과를 얻을 수 있음을 확인할 수 있다. 10개의 주파수 성분을 이용한 도 9의 (a)의 결과는 본 발명의 실시예에 따른 결과에 비하여 현저히 떨어지는 위치 추정 성능을 보여주는 것을 확인할 수 있다.The results of estimating the position of the signal generator using the existing compressed sensing technique without considering frequency correlation are shown in Figure 9. Since the correlation of frequencies was not used, it can be confirmed that reliable location estimation results can be obtained only by using many frequency components, as shown in (d) of FIG. 9. It can be seen that the results in Figure 9(a) using 10 frequency components show significantly lower location estimation performance than the results according to the embodiment of the present invention.

본 발명의 실시예에 따른 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치(100)는 하드웨어나 소프트웨어, 또는 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 즉, 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치(100)는 집적회로(IC)와 같이 하드웨어적으로 구현되거나, 컴퓨터 프로그램과 같이 소프트웨어적으로 구현되거나, 또는 컴퓨터 프로그램이 기록된 기록매체와 같이 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.The block sparse compressed sensing-based broadband noise source location estimation device 100 according to an embodiment of the present invention may be implemented with hardware, software, or a combination of hardware and software. That is, the block sparse compressed sensing-based broadband noise source location estimation device 100 is implemented in hardware, such as an integrated circuit (IC), in software, such as a computer program, or in hardware, such as a recording medium on which a computer program is recorded. It can be implemented through a combination of and software.

지금까지 참조한 도면과 기재된 발명의 상세한 설명은 단지 본 발명의 예시적인 것으로서, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.The drawings and detailed description of the invention described so far are merely illustrative of the present invention, and are used only for the purpose of explaining the present invention, and are not used to limit the meaning or scope of the present invention described in the claims. That is not the case. Therefore, those skilled in the art will understand that various modifications and other equivalent embodiments are possible therefrom. Therefore, the true scope of technical protection of the present invention should be determined by the technical spirit of the appended claims.

100: 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치
110: 가상소음원 생성부
120: 계측 정보 생성부
130: 선형행렬식 정의부
140: 가상소음원 복원부
150: 소음원 위치 추정부100: Block sparse compressed sensing-based broadband noise source location estimation device
110: Virtual noise source generation unit
120: Measurement information generation unit
130: Linear determinant definition part
140: Virtual noise source restoration unit
150: Noise source location estimation unit

Claims (14)

복수의 가상소음원 각각에 대한 복수의 주파수 성분의 블록이 나열되어 있는 가상소음원 벡터를 생성하는 가상소음원 생성부;
복수의 청음기 각각에 대한 복수의 주파수 성분의 블록이 나열되어 있는 주파수 성분 벡터를 생성하는 계측 정보 생성부;
상기 가상소음원 벡터와 상기 주파수 성분 벡터의 관계를 선형행렬식으로 정의하는 선형행렬식 정의부;
블록 희소 압축 센싱을 이용하여 상기 선형행렬식으로부터 가상소음원 벡터를 복원하는 가상소음원 복원부; 및
복원된 가상소음원 벡터로부터 상기 복수의 가상소음원 각각의 평균적인 크기값을 산출하여 소음원의 위치를 추정하는 소음원 위치 추정부를 포함하는 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치.A virtual noise source generator that generates a virtual noise source vector in which blocks of a plurality of frequency components for each of the plurality of virtual noise sources are listed;
a measurement information generator that generates a frequency component vector in which blocks of a plurality of frequency components for each of the plurality of listeners are listed;
a linear matrix definition unit defining a relationship between the virtual noise source vector and the frequency component vector using a linear matrix equation;
a virtual noise source restoration unit that restores a virtual noise source vector from the linear determinant using block sparse compressed sensing; and
A block sparse compressed sensing-based broadband noise source location estimation device including a noise source location estimation unit that estimates the location of the noise source by calculating an average size value of each of the plurality of virtual noise sources from the restored virtual noise source vector. 제1 항에 있어서,
상기 가상소음원 생성부는 실제 소음원의 위치 추정을 위하여 3차원 공간에서 균일하게 분포되어 있는 상기 복수의 가상소음원을 생성하는 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치.According to claim 1,
The virtual noise source generator is a block sparse compressed sensing-based broadband noise source location estimation device that generates the plurality of virtual noise sources uniformly distributed in three-dimensional space to estimate the location of the actual noise source. 제1 항에 있어서,
상기 가상소음원 생성부에서 생성되는 가상소음원 벡터는 각 요소들이 공간적 위치 및 주파수에 대응되는 색인만을 가지고 있는 비어있는 벡터인 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치.According to claim 1,
The virtual noise source vector generated by the virtual noise source generator is an empty vector in which each element has only an index corresponding to the spatial location and frequency. A block sparse compressed sensing-based broadband noise source location estimation device. 제1 항에 있어서,
상기 계측 정보 생성부는 상기 복수의 청음기 각각에서 계측된 시계열 신호를 푸리에 변환을 통해 주파수 신호로 변환하는 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치.According to claim 1,
The measurement information generator is a block sparse compressed sensing-based broadband noise source location estimation device that converts time series signals measured by each of the plurality of listeners into frequency signals through Fourier transform. 제1 항에 있어서,
상기 선형행렬식 정의부는 L개의 주파수 성분에 대해 m번째 청음기와 n번째 가상소음원의 관계를 정의하는 블록 행렬을 정의하고, M개의 청음기와 N개의 가상소음원에 대한 블록 행렬들을 조합하여 상기 선형행렬식의 음파 전달 함수를 만들고,
L, M 및 N은 2 이상이고, m은 1 내지 M이고, n은 1 내지 N인 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치.According to claim 1,
The linear matrix definition unit defines a block matrix that defines the relationship between the mth listener and the nth virtual noise source for the L frequency components, and combines the block matrices for the M listener and the N virtual noise source to determine the sound wave of the linear matrix. Create a transfer function,
L, M, and N are 2 or more, m is 1 to M, and n is 1 to N. A block sparse compressed sensing-based broadband noise source location estimation device. 제1 항에 있어서,
상기 가상소음원 복원부는 켄벡스 최적화를 통하여 상기 선형행렬식으로부터 가상소음원 벡터를 복원하는 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치.According to claim 1,
The virtual noise source restoration unit is a block sparse compressed sensing-based broadband noise source location estimation device that restores the virtual noise source vector from the linear determinant through Kenvex optimization. 제1 항에 있어서,
상기 소음원 위치 추정부는 상기 복원된 가상소음원 벡터의 각 블록의 l2-norm 값을 계산하여 소음원의 위치를 추정하는 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치.According to claim 1,
The noise source location estimation unit calculates the l2-norm value of each block of the restored virtual noise source vector to estimate the location of the noise source. A block sparse compressed sensing-based broadband noise source location estimation device. 복수의 가상소음원 각각에 대한 복수의 주파수 성분의 블록이 나열되어 있는 가상소음원 벡터를 생성하는 단계;
복수의 청음기 각각에 대한 복수의 주파수 성분의 블록이 나열되어 있는 주파수 성분 벡터를 생성하는 단계;
상기 가상소음원 벡터와 상기 주파수 성분 벡터의 관계를 선형행렬식으로 정의하는 단계;
블록 희소 압축 센싱을 이용하여 상기 선형행렬식으로부터 가상소음원 벡터를 복원하는 단계; 및
복원된 가상소음원 벡터로부터 상기 복수의 가상소음원 각각의 평균적인 크기값을 산출하여 소음원의 위치를 추정하는 단계를 포함하는 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 방법.Generating a virtual noise source vector in which blocks of a plurality of frequency components for each of a plurality of virtual noise sources are listed;
generating a frequency component vector in which blocks of a plurality of frequency components for each of a plurality of listeners are listed;
defining a relationship between the virtual noise source vector and the frequency component vector using a linear matrix;
Restoring a virtual noise source vector from the linear determinant using block sparse compressed sensing; and
A block sparse compressed sensing-based broadband noise source location estimation method comprising the step of estimating the location of a noise source by calculating an average size value of each of the plurality of virtual noise sources from the restored virtual noise source vector. 제8 항에 있어서,
실제 소음원의 위치 추정을 위하여 3차원 공간에서 균일하게 분포되어 있는 상기 복수의 가상소음원을 생성하는 단계를 더 포함하는 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 방법.According to clause 8,
A block sparse compressed sensing-based broadband noise source location estimation method further comprising generating the plurality of virtual noise sources uniformly distributed in three-dimensional space to estimate the location of an actual noise source. 제8 항에 있어서,
상기 가상소음원 벡터를 생성하는 단계에서 생성되는 가상소음원 벡터는 각 요소들이 공간적 위치 및 주파수에 대응되는 색인만을 가지고 있는 비어있는 벡터인 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 방법.According to clause 8,
The virtual noise source vector generated in the step of generating the virtual noise source vector is an empty vector in which each element has only an index corresponding to the spatial position and frequency. A block sparse compressed sensing-based broadband noise source location estimation method. 제8 항에 있어서,
상기 복수의 청음기 각각에서 계측된 시계열 신호를 푸리에 변환을 통해 주파수 신호로 변환하는 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 방법.According to clause 8,
A block sparse compressed sensing-based broadband noise source location estimation method that converts time series signals measured from each of the plurality of listeners into frequency signals through Fourier transform. 제8 항에 있어서,
L개의 주파수 성분에 대해 m번째 청음기와 n번째 가상소음원의 관계를 정의하는 블록 행렬을 정의하고, M개의 청음기와 N개의 가상소음원에 대한 블록 행렬들을 조합하여 상기 선형행렬식의 음파 전달 함수를 만들고,
L, M 및 N은 2 이상이고, m은 1 내지 M이고, n은 1 내지 N인 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 방법.According to clause 8,
Define a block matrix that defines the relationship between the mth listener and the nth virtual noise source for the L frequency components, and combine the block matrices for the M listeners and N virtual noise sources to create a sound wave transfer function of the linear matrix equation,
L, M, and N are 2 or more, m is 1 to M, and n is 1 to N. A broadband noise source location estimation method based on block sparse compressed sensing. 제8 항에 있어서,
켄벡스 최적화를 통하여 상기 선형행렬식으로부터 가상소음원 벡터를 복원하는 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 방법.According to clause 8,
A block sparse compressed sensing-based broadband noise source location estimation method that restores a virtual noise source vector from the linear determinant through Kenvex optimization. 제8 항에 있어서,
상기 복원된 가상소음원 벡터의 각 블록의 l2-norm 값을 계산하여 소음원의 위치를 추정하는 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 방법.According to clause 8,
A block sparse compressed sensing-based broadband noise source location estimation method that estimates the location of the noise source by calculating the l2-norm value of each block of the restored virtual noise source vector.
KR1020210058775A 2021-05-06 2021-05-06 Apparatus for estimating broadband source location based on block sparse compressive sensing KR102580412B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210058775A KR102580412B1 (en) 2021-05-06 2021-05-06 Apparatus for estimating broadband source location based on block sparse compressive sensing

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210058775A KR102580412B1 (en) 2021-05-06 2021-05-06 Apparatus for estimating broadband source location based on block sparse compressive sensing

Publications (2)

Publication Number Publication Date
KR20220151478A KR20220151478A (en) 2022-11-15
KR102580412B1 true KR102580412B1 (en) 2023-09-18

Family

ID=84041646

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210058775A KR102580412B1 (en) 2021-05-06 2021-05-06 Apparatus for estimating broadband source location based on block sparse compressive sensing

Country Status (1)

Country Link
KR (1) KR102580412B1 (en)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101547605B1 (en) 2014-05-20 2015-08-28 주식회사 해양시스템기술 Apparatus and method of detecting a underwater moving object
KR101909710B1 (en) 2018-04-18 2018-10-18 국방과학연구소 A method of estimating the arrival angle of the covariance matrix based on the frequency domain based on the sparsity of the signal in the sonar system and system thereof
KR102019281B1 (en) 2018-05-30 2019-09-06 국방과학연구소 Apparatus for estimating sound speed profile based on compressive sensing

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101547605B1 (en) 2014-05-20 2015-08-28 주식회사 해양시스템기술 Apparatus and method of detecting a underwater moving object
KR101909710B1 (en) 2018-04-18 2018-10-18 국방과학연구소 A method of estimating the arrival angle of the covariance matrix based on the frequency domain based on the sparsity of the signal in the sonar system and system thereof
KR102019281B1 (en) 2018-05-30 2019-09-06 국방과학연구소 Apparatus for estimating sound speed profile based on compressive sensing

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
THE JOURNAL OF THE ACOUSTICAL SOCIETY OF AMERICA
공학박사 학위논문

Also Published As

Publication number Publication date
KR20220151478A (en) 2022-11-15

Similar Documents

Publication Publication Date Title
Huang et al. Real-time passive source localization: A practical linear-correction least-squares approach
CN108024762B (en) Ear shape analysis method, ear shape analysis device, and ear shape model generation method
Velasco et al. TDOA matrices: Algebraic properties and their application to robust denoising with missing data
Nunes et al. A steered-response power algorithm employing hierarchical search for acoustic source localization using microphone arrays
US9681250B2 (en) Statistical modelling, interpolation, measurement and anthropometry based prediction of head-related transfer functions
WO2014096364A1 (en) A method and a system for determining the geometry and/or the localisation of an object
CN105794226B (en) Room impulse response estimation for acoustic echo cancellation
Ba et al. L1 regularized room modeling with compact microphone arrays
Wang et al. Estimation of multiple sound sources with data and model uncertainties using the EM and evidential EM algorithms
Comanducci et al. Source localization using distributed microphones in reverberant environments based on deep learning and ray space transform
Kitić et al. Hearing behind walls: localizing sources in the room next door with cosparsity
Michalopoulou et al. Bayesian coherent and incoherent matched-field localization and detection in the ocean
Dang et al. A feature-based data association method for multiple acoustic source localization in a distributed microphone array
White et al. Localisation of sperm whales using bottom-mounted sensors
KR102580412B1 (en) Apparatus for estimating broadband source location based on block sparse compressive sensing
WO2012164448A1 (en) Method for self - calibrating a set of acoustic sensors, and corresponding system
KR101695080B1 (en) Seismic waveform inversion method and apparatus for underground velocity information derived from the single-channel seismic data
Zhang et al. A unified numerical scheme for coupled multiphysics model
KR102019281B1 (en) Apparatus for estimating sound speed profile based on compressive sensing
Meyer et al. Verification on head-related transfer functions of a snowman model simulated using the finite-difference time-domain method
WO2022219558A9 (en) System and method for estimating direction of arrival and delays of early room reflections
Warner et al. Bowhead whale localization using asynchronous hydrophones in the Chukchi Sea
Miotello et al. Reconstruction of Sound Field through Diffusion Models
Soares et al. Environmental inversion using high-resolution matched-field processing
Uchida et al. Mixed Reality Visualization of Room Impulse Response Map using Room Geometry and Physical Model of Sound Propagation

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant