KR20220151478A - 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
KR20220151478A
KR20220151478A KR1020210058775A KR20210058775A KR20220151478A KR 20220151478 A KR20220151478 A KR 20220151478A KR 1020210058775 A KR1020210058775 A KR 1020210058775A KR 20210058775 A KR20210058775 A KR 20210058775A KR 20220151478 A KR20220151478 A KR 20220151478A
Authority
KR
South Korea
Prior art keywords
noise source
virtual noise
vector
virtual
location
Prior art date
Application number
KR1020210058775A
Other languages
Korean (ko)
Other versions
KR102580412B1 (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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

An apparatus for estimating a location of a broadband noise source based on block sparse compression sensing comprises: a virtual noise source generating unit generating a virtual noise source vector in which blocks of a plurality of frequency components for each of the plurality of virtual noise sources are arranged; a measurement information generation unit generating a frequency component vector in which blocks of a plurality of frequency components for each of a plurality of listeners are arranged; a linear matrix equation definition unit defining a relation between the virtual noise source vector and the frequency component vector as a linear matrix equation; a virtual noise source restoration unit restoring a virtual noise source vector from the linear matrix equation by using the block sparse compression sensing; and a noise source location estimating unit estimating a location of a noise source by calculating an average magnitude value of each of the plurality of virtual noise sources from the restored virtual noise source vector. The localization estimating performance can be improved by adding a signal processing technique capable of using the correlation of the frequency components to a noise source localization estimating technique based on the compressed sensing.

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 localization apparatus and method thereof

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 an apparatus and method for estimating a location of a broadband noise source based on compressive sensing, and more particularly, to an apparatus and method for estimating a location of a wideband noise source based on block sparse compression sensing using a correlation of frequency components in a noise source location estimation method. 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. The problem of estimating the location of a noise source in water has been studied a lot in the past. TDOA (Time Difference Of Arrival) and MFP (Matched Field Processing) using traditional signal processing techniques are widely used, and these techniques can obtain information on 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. Since the TDOA technique uses a time-series signal, it can estimate the position in the simplest way, but has a disadvantage that the accuracy of the result may be impaired by ambient noise. The MFP technique can estimate the location of a noise source using a similarity between a virtual noise source and a measurement signal using a time-series signal or a frequency signal. The result of the MFP technique is shown in the form of an ambiguity surface based on similarity values rather than simply one location. In particular, results using frequency signals generally show results that are more robust to noise than the TDOA technique. A limitation of this traditional localization technique is that the accuracy of the result may be reduced by the amount of measured information or ambient 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.In order to overcome these limitations, underwater acoustics introduces a signal processing technique called Compressive Sensing (CS) to try to obtain accurate position information in preparation for traditional position estimation techniques.

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.The compression sensing technique is a kind of signal processing technique that restores a signal with sparsity characteristics, and is a technique that enables high-performance signal recovery using a small number of measurement information in comparison to existing signal processing techniques. At this time, there is a limiting condition that the signal to be restored must be a sparse signal. This compression sensing technique is applied to the problem of estimating the location of a spatially sparse noise source. Sparsity is a characteristic of a signal that a signal has when non-zero elements of the signal are sparse. When using the characteristic of such a sparse signal, an accurate original signal can be restored using less measurement information. Such a signal restoration technique is called a compression 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 3D broadband noise source using a compression sensing technique, but separate location estimation is performed for each frequency component without integrally interpreting various frequency components of the noise source. That is, information about 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 to be solved by the present invention is based on block sparse compression sensing that can improve position estimation performance by adding a signal processing technique that can use the correlation of frequency components to a noise source position estimation technique based on a compression sensing technique. An apparatus and method for estimating a location of a broadband noise source are provided.

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. An apparatus for estimating a location of a wideband noise source based on block sparse compression sensing according to an embodiment of the present invention includes a virtual noise source generator for 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 arranged, and a plurality of listeners. A measurement information generation unit for generating a frequency component vector in which blocks of a plurality of frequency components for each are listed, a linear matrix equation definition unit for defining the relationship between the virtual noise source vector and the frequency component vector as a linear matrix equation, block sparse compression sensing A virtual noise source restoration unit for restoring a virtual noise source vector from the linear matrix equation using and a noise source location estimator for estimating 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 generating unit may generate the plurality of virtual noise sources uniformly distributed in a 3D space in order to estimate a location of an 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 defining a relationship between the m-th listener and the n-th virtual noise source for L frequency components, and combines the block matrices for the M listeners and the N virtual noise sources to form the sound wave of the linear matrix equation. 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 a virtual noise source vector from the linear matrix equation through Kenbex optimization.

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

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 method for estimating a location of a wideband noise source based on block sparse compression sensing according to another embodiment of the present invention includes 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 arranged, and for each of a plurality of listeners. Generating a frequency component vector in which blocks of a plurality of frequency components are arranged, defining a relationship between the virtual noise source vector and the frequency component vector as a linear matrix equation, using block sparse compression sensing to obtain a virtual noise source from the linear matrix equation The method includes restoring a vector, and estimating a 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.

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 method for estimating a location of a wideband noise source based on block sparse compression sensing may further include generating the plurality of virtual noise sources uniformly distributed in a 3D space in order 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 indices corresponding to spatial positions and frequencies.

상기 복수의 청음기 각각에서 계측된 시계열 신호를 푸리에 변환을 통해 주파수 신호로 변환할 수 있다.A time-series signal measured by each of the plurality of listeners may 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 m-th listener and the n-th virtual noise source for L frequency components is defined, and the block matrices for the M listeners and N virtual noise sources are combined to create the sound wave transfer function of the linear matrix equation. have.

켄벡스 최적화를 통하여 상기 선형행렬식으로부터 가상소음원 벡터를 복원할 수 있다. A virtual noise source vector can be restored from the linear matrix equation through Kenbex optimization.

상기 복원된 가상소음원 벡터의 각 블록의 l2-norm 값을 계산하여 소음원의 위치를 추정할 수 있다.The position of the noise source may 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.Localization performance can be improved by adding a signal processing technique capable of using the correlation of frequency components to a noise source localization technique based on compressed sensing.

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.1 is a block diagram illustrating an apparatus for estimating a location of a wideband noise source based on block sparse compression sensing according to an embodiment of the present invention.
2 is a diagram illustrating a virtual noise source in a 3D space according to an embodiment of the present invention.
3 is a diagram visually showing a linear matrix equation considering frequency correlation according to an embodiment of the present invention.
4 is a diagram illustrating restoration of a virtual noise source in a 3D space according to an embodiment of the present invention.
5 is a diagram illustrating an experimental environment of a signal generator and an array of listeners in a cavitation tunnel.
6 is a diagram illustrating an example of a time-series signal of a signal generator.
7 is a diagram illustrating an example of a Fourier-transformed frequency domain signal.
8 is a diagram showing a result of estimating the location of a signal generator by a method for estimating a location of a wideband noise source based on block sparse compressed sensing according to an embodiment of the present invention.
9 is a diagram showing a result of estimating the position of a signal generator using a compression 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 accompanying drawings, embodiments of the present invention will be described in detail so that those skilled in the art can easily carry out the present invention. This invention may be embodied in many different forms and is not limited to the embodiments set forth 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 describe the present invention, parts irrelevant to the description are omitted, and the same reference numerals are assigned to the same or similar components 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 certain component is said to "include", it means that it may further include other components without excluding other components unless otherwise stated.

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, an apparatus and method for estimating a location of a wideband noise source based on block sparse compression sensing 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.1 is a block diagram illustrating an apparatus for estimating a location of a wideband noise source based on block sparse compression sensing according to an embodiment of the present invention. 2 is a diagram illustrating a virtual noise source in a 3D space according to an embodiment of the present invention. 3 is a diagram visually showing a linear matrix equation considering frequency correlation according to an embodiment of the present invention. 4 is a diagram illustrating restoration of a virtual noise source in a 3D 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 FIGS. 1 to 4 , broadband noise sources generated in water have spatially sparse characteristics, and frequency components of each noise source have physical characteristics that share spatially sparseness.

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 broadband noise source localization apparatus 100 based on block sparse compressed sensing according to an embodiment of the present invention enhances spatially joint sparse characteristics of frequency components of each noise source using these characteristics to perform location estimation. can improve The block sparse compression sensing-based broadband noise source localization apparatus 100 defines a linear matrix equation in which frequency components of one noise source can form a block in order to enhance the joint sparse characteristic, and the frequency components forming the block form By restoring with block-sparse compressive sensing (BSCS) technique, it is possible to finally estimate the position of the noise source 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 compression sensing technique is a technique for making a signal more sparse by classifying continuously arranged non-zero elements among a signal to be reconstructed into one block. The apparatus 100 for estimating a location of a wideband noise source based on block sparse compression sensing divides several frequency components corresponding to one virtual noise source into consecutive 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 apparatus 100 includes a virtual noise source generator 110, a measurement information generator 120, a linear matrix equation definition unit 130, a virtual noise source restorer 140, and A noise source location estimation unit 150 is included.

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 method for estimating the location of a wideband noise source based on block sparse compression sensing includes a virtual noise source generator 110, a measurement information generator 120, a linear matrix equation definition unit 130, a virtual noise source restorer 140, and a noise source location estimator 150 It may include a signal processing process sequentially in 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 position of the actual noise source in a discrete process. In order to find the location of the actual noise source, it is necessary to search for the noise source in a continuous 3-dimensional space, but a lot of computation time is required. However, if the 3D space is expressed discretely, the computation time can be reduced. To this end, as illustrated in FIG. 2 , the virtual noise source generator 110 may generate N virtual noise sources (x 1 to x N ) uniformly distributed in a user-designated 3D space (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.As shown in Equation 1, the virtual noise source generator 110 may define and store N virtual noise sources (x 1 to x N ) with L frequency components (f 1 to f L ).

Figure pat00001
Figure pat00001

즉, 임의의 하나의 가상소음원(xk)은 L개의 주파수 성분들(f1 내지 fL)의 블록을 가지고 있으며, 가상소음원 벡터(x)는 N개의 블록들이 나열되어 있는

Figure pat00002
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 arranged.
Figure pat00002
It can take the form of a vector.

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 virtual noise source generator step 110 is an empty vector in which each element has only an index corresponding to a 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 generation unit 120 converts the time-series signal measured by the listener into a frequency signal. A time-series signal of a broadband noise source generated in water may be measured using an array of listeners, and the measurement information generating unit 120 may 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. In this case, the measurement information generation unit 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.

Figure pat00003
Figure pat00003

즉, 계측된 주파수 성분 벡터(y)는 하나의 청음기에 수신된 주파수 성분들(f1 내지 fL)이 하나의 블록을 이루어 M개의 블록들이 나열되어 있는

Figure pat00004
벡터 형태를 가질 수 있다.That is, 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.
Figure pat00004
It can take the form of a vector.

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

Figure pat00005
의 선형행렬식으로 생성한다.The linear matrix equation definition unit 130 considers the sound wave transfer model of the virtual noise source vector (x) and the frequency component vector (y) and calculates the relationship between the virtual noise source vector (x) and the frequency component vector (y) as a sound wave transfer function (A) using
Figure pat00005
It is generated as a linear determinant 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 equation definition unit 130 defines the sound wave transfer function for the m-th listener and the n-th virtual noise source for the l-th frequency component according to the sound wave propagation model as in Equation 3, and the virtual noise source vector (x) The relationship between y and the frequency component vector y can be defined as in Equation 4.

Figure pat00006
Figure pat00006

Figure pat00007
Figure pat00007

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.The linear matrix equation definition unit 130 processes the M listeners, N virtual noise sources, and L frequency components into one linear matrix, as shown in Equation 5. A block matrix defining the relationship of can be defined.

Figure pat00008
Figure pat00008

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 equation definition unit 130 combines block matrices for M listeners and N virtual noise sources as shown in Equation 6, and the sound wave transfer function representing the relationship between the virtual noise source vector (x) and the frequency component vector (y) (A) can be made. That is, the linear matrix formula definition unit 130 may make the sound wave transfer function A that relates the virtual noise source generator 110 and the measurement information generator 120 into a matrix of a special form.

Figure pat00009
Figure pat00009

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 may 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 visible structure of this linear determinant.

Figure pat00010
Figure pat00010

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 compression sensing. The virtual noise source restoration unit 140 may restore the virtual noise source vector (x), that is, the virtual noise source information, from the linear matrix of Equation 7 through convex optimization of Equation 8.

Figure pat00011
Figure pat00011

여기서,

Figure pat00012
은 오차 제한값이다. 이때 수학식 8의 켄벡스 최적화에 사용된 이론적 근거는 블록 희소 압축 센싱이다. here,
Figure pat00012
is the margin of error. At this time, the theoretical basis used for Kenbex optimization of Equation 8 is block sparse compression sensing.

일반적인 압축 센싱(conventional compressive sensing)은 임의의 벡터 x가 희소함을 가정하고 x를 복원한다. 일반적인 압축 센싱은 비결정형 문제에서

Figure pat00013
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 any vector x is sparse and restores x. In general compressive sensing, in non-deterministic problems
Figure pat00013
Among innumerable solutions x that satisfy , the x with the smallest "number of non-zero elements", that is, the rarest x, is determined as the desired solution.

블록 희소 압축 센싱(block-sparse compressive sensing)도 비결정형 문제에서

Figure pat00014
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.
Figure pat00014
It is a technique to find the rarest x as a solution among innumerable solutions x that satisfy . However, block sparse compressed sensing differs from general compressed sensing in that the criterion 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 at locations corresponding to the two virtual noise sources, the virtual noise source vector (x) may be represented by 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, it is not appropriate to apply a general compression sensing technique, and an appropriate block sparse compression sensing technique is applied to restore a given virtual noise source vector (x). In this case, Equation 8 is an l 2 -l 1 norm minimization technique that performs block sparse signal recovery.

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

Figure pat00015
의 l2-norm 값을 계산하는 수학식 9를 이용하여 n번째 가상소음원의 평균적 크기값인 Sn을 산출할 수 있다.The noise source location estimator 150 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 (x). The noise source location estimator 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 estimator 150 is a frequency component of the restored nth virtual noise source.
Figure pat00015
S n , which is the average size value of the nth virtual noise source, can be calculated using Equation 9 for calculating the l2-norm value of .

Figure pat00016
Figure pat00016

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 estimator 150 may use the size of the virtual noise source to determine whether an actual noise source exists at the location of the corresponding virtual noise source. For example, the noise source location estimator 150 may determine that an actual noise source exists in a virtual noise source whose size is greater than or equal to a threshold value.

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 position of the wideband noise source may be estimated using the apparatus 100 for estimating the position of the wideband noise source based on block sparse compressed sensing according to an embodiment of the present invention. Since the block sparse compression sensing-based broadband noise source location estimation apparatus 100 performs location estimation using the correlation of each frequency component, better performance is obtained when the same measurement information is used than a general compression sensing-based location estimation technique. show

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 the broadband noise source 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.5 is a diagram illustrating an experimental environment of a signal generator and an array of listeners in a cavitation tunnel. 6 is a diagram illustrating an example of a time-series signal of a signal generator. 7 is a diagram illustrating an example of a Fourier-transformed frequency domain signal. 8 is a diagram showing a result of estimating the location of a signal generator by a method for estimating a location of a wideband noise source based on block sparse compressed sensing according to an embodiment of the present invention. 9 is a diagram showing a result of estimating the position of a signal generator using a compression 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 FIG. 5, one broadband transducer source is installed as a noise source in the common water tank tunnel, and six hydrophones are installed on top of the wideband transducer source.

도 6과 같이 각 청음기마다 동기화된 시계열 신호가 5초간 계측되었고, 샘플링된 데이터를 저장하였다.As shown in FIG. 6, synchronized time-series signals for each listener were measured for 5 seconds, 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

Figure pat00017
를 생성한다.The virtual noise source generator 110 designates a search space to generate virtual noise sources with uniform intervals. In this experiment, the virtual noise source generator 110 creates a total of 37,149 potential transducer noise sources by specifying a space of 1m 1.4m 3m as shown in FIG. 5, and a total of 10 frequency components from 7kHz to 34kHz at 3kHz intervals. A virtual noise source vector that can store
Figure pat00017
generate

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

Figure pat00018
로 저장한다. The measurement information generation unit 120 converts the measured time series signal into a frequency signal as shown in FIG. 7 using Fourier transform. That is, the measurement information generation unit 120 converts a total of 10 frequency measurement signals at 3 kHz intervals from 7 kHz to 34 kHz into frequency component vectors.
Figure pat00018
Save 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 equation definition unit 130 may generate a linear matrix equation having 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

Figure pat00019
을 복원할 수 있다. The virtual noise source restoration unit 140 calculates the frequency components of the virtual noise source according to Equation 8.
Figure pat00019
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 estimator 150 may obtain the average size of the virtual noise source S n according to Equation 9 using the restored frequency components of the virtual noise source. S n , which is the size of an average virtual noise source, has a spatially sparse characteristic, 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 indicates the same location as the location of 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 result of estimating the position of the signal generator using the conventional compression sensing technique without considering the frequency correlation is shown in FIG. 9 . Since the frequency correlation is not used, it can be seen that a reliable location estimation result can be obtained only when many frequency components are used as shown in FIG. 9(d). It can be seen that the result of (a) of FIG. 9 using 10 frequency components shows significantly lower position estimation performance than the result 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 apparatus 100 for estimating the position of a wideband noise source based on block sparse compression sensing according to an embodiment of the present invention may be implemented by hardware, software, or a combination of hardware and software. That is, the block sparse compressed sensing-based broadband noise source localization apparatus 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 in which a computer program is recorded. and software can be implemented.

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 present invention referred to so far are only examples of the present invention, which are only used for the purpose of explaining the present invention, and are used to limit the scope of the present invention described in the meaning or claims. It is not. Therefore, those skilled in the art will understand that various modifications and equivalent other embodiments are possible therefrom. Therefore, the true technical protection scope 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: Broadband noise source location estimation device based on block sparse compression sensing
110: virtual noise source generator
120: measurement information generation unit
130: linear determinant definition unit
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 for generating a virtual noise source vector in which blocks of a plurality of frequency components for each of the plurality of virtual noise sources are arranged;
a measurement information generating unit generating a frequency component vector in which a plurality of frequency component blocks for each of the plurality of listeners are arranged;
a linear matrix equation definition unit defining a relationship between the virtual noise source vector and the frequency component vector as a linear matrix equation;
a virtual noise source restoration unit for restoring a virtual noise source vector from the linear determinant using block sparse compression sensing; and
A block sparse compressed sensing-based broadband noise source location estimation apparatus comprising a noise source location estimator for estimating a location of a noise source by calculating an average magnitude 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 block sparse compression sensing-based broadband noise source localization device for generating the plurality of virtual noise sources uniformly distributed in a three-dimensional space in order to estimate the location of an 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 a spatial position and frequency, and a block sparse compressed sensing-based wideband noise source localization 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 block sparse compressed sensing-based broadband noise source location estimation device for converting the measurement information generation unit into a frequency signal through a Fourier transform of a time-series signal measured by each of the plurality of listeners. 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 만드는 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 장치.According to claim 1,
The linear matrix definition unit defines a block matrix defining a relationship between the m-th listener and the n-th virtual noise source for L frequency components, and combines the block matrices for the M listeners and the N virtual noise sources to form the sound wave of the linear matrix equation. A broadband noise source localization device based on block sparse compression sensing that creates a transfer function. 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 block sparse compressed sensing-based broadband noise source location estimation device for restoring the virtual noise source vector from the linear matrix through Kenbex 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 estimator calculates the l2-norm value of each block of the restored virtual noise source vector to estimate the location of the noise source. 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 the plurality of virtual noise sources are arranged;
generating a frequency component vector in which blocks of a plurality of frequency components for each of a plurality of listeners are arranged;
defining a relationship between the virtual noise source vector and the frequency component vector as a linear matrix;
restoring a virtual noise source vector from the linear determinant using block sparse compression sensing; and
A method for estimating a location of a wideband noise source based on block sparse compression sensing, comprising: estimating a location of a noise source by calculating an average magnitude 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 claim 8,
Block sparse compressed sensing-based broadband noise source location estimation method, further comprising generating a plurality of virtual noise sources uniformly distributed in a three-dimensional space for location estimation 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 claim 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 indices corresponding to spatial positions and frequencies. 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 claim 8,
A method for estimating a location of a wideband noise source based on block sparse compression sensing for converting a time-series signal measured by each of the plurality of listeners into a frequency signal through a 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 만드는 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 방법.According to claim 8,
A block that defines a block matrix defining the relationship between the m-th listener and the n-th virtual noise source for L frequency components, and creates a sound wave transfer function of the linear matrix equation by combining the block matrices for the M listeners and N virtual noise sources. A broadband noise source localization method based on sparse compressive sensing. 제8 항에 있어서,
켄벡스 최적화를 통하여 상기 선형행렬식으로부터 가상소음원 벡터를 복원하는 블록 희소 압축 센싱 기반 광대역 소음원 위치 추정 방법.According to claim 8,
A block sparse compressed sensing-based broadband noise source location estimation method for restoring a virtual noise source vector from the linear matrix through Kenbex 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 claim 8,
A block sparse compression sensing based broadband noise source location estimation method for estimating the location of a noise source by calculating an 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 true KR20220151478A (en) 2022-11-15
KR102580412B1 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
KR102580412B1 (en) 2023-09-18

Similar Documents

Publication Publication Date Title
US9681250B2 (en) Statistical modelling, interpolation, measurement and anthropometry based prediction of head-related transfer functions
CN109885945B (en) Boundary element method near-field acoustic holographic transformation method in half-space environment
US20140278297A1 (en) Processing data representing energy propagating through a medium
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
Michalopoulou et al. Bayesian coherent and incoherent matched-field localization and detection in the ocean
US11467307B2 (en) Methods and data processing apparatus for deblending seismic data
US10674261B2 (en) Transfer function generation apparatus, transfer function generation method, and program
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
El Badawy et al. Localizing unsynchronized sensors with unknown sources
Miotello et al. Reconstruction of Sound Field Through Diffusion Models
KR102580412B1 (en) Apparatus for estimating broadband source location based on block sparse compressive sensing
CN118591737A (en) Locating a moving sound source
Candy Environmentally adaptive processing for shallow ocean applications: A sequential Bayesian approach
WO2022219558A1 (en) System and method for estimating direction of arrival and delays of early room reflections
Bertin et al. Compressive sensing in acoustic imaging
Soares et al. Environmental inversion using high-resolution matched-field processing
Kumar et al. Doa estimation using compressive beamforming in shallow ocean using acoustic vector sensors
KR101483271B1 (en) Method for Determining the Representative Point of Cluster and System for Sound Source Localization
Chu et al. Investigation of typical methods applied to compressive matched field processing
Li et al. Wideband USBL Localization by RANSAC-Type Linear Fitting
Magalhães et al. ALMA 2015: Sea trial of an underwater target localization technique using Hausdorff distance
KR101938724B1 (en) Seismic imaging of water column structure apparatus and method using frequency-domain reverse-time migration with analytic Green&#39;s function
Chen et al. Deconvolutional double-difference misfit measurements and the application for full-waveform inversion

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