RU2021135404A -
METHOD AND DEVICE FOR DETERMINING CHARACTERISTICS OF AIR FLOW
- Google Patents
METHOD AND DEVICE FOR DETERMINING CHARACTERISTICS OF AIR FLOW
Download PDF
Info
Publication number
RU2021135404A
RU2021135404ARU2021135404ARU2021135404ARU2021135404ARU 2021135404 ARU2021135404 ARU 2021135404ARU 2021135404 ARU2021135404 ARU 2021135404ARU 2021135404 ARU2021135404 ARU 2021135404ARU 2021135404 ARU2021135404 ARU 2021135404A
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.)
1. Способ определения характеристик воздушного потока, содержащий этапы, на которых:1. A method for determining the characteristics of an air flow, comprising the steps of:принимают акустические сигналы, формируемые воздушным потоком, посредством массива (100) микрофонов;receive acoustic signals generated by the air flow, through an array (100) of microphones;извлекают характеристическую информацию из акустических сигналов;extracting characteristic information from the acoustic signals;определяют информацию о воздушном потоке на основе характеристической информации;determining airflow information based on the characteristic information;причем информация о воздушном потоке содержит информацию относительно скорости ветра
и/или направления ветра
;wherein the airflow information contains information regarding the wind speed
and/or wind direction
;причем определение информации основано на корреляции характеристической информации, извлеченной из акустических сигналов, с ожидаемой версией соответствующей характеристической информации; причем ожидаемая версия определяется с использованием модели Коркоса, специализированной модели или другой модели; илиwherein the determination of the information is based on the correlation of the characteristic information extracted from the acoustic signals with an expected version of the corresponding characteristic information; wherein the expected version is determined using a Korkos model, a specialized model, or another model; orпричем этап определения информации основан на регрессии или классификации характеристической информации.wherein the step of determining the information is based on regression or classification of the characteristic information.2. Способ по п. 1, в котором характеристическая информация содержит временную информацию, и/или спектральную информацию, и/или пространственную информацию, и/или признак.2. The method according to claim 1, wherein the characteristic information comprises temporal information and/or spectral information and/or spatial information and/or a feature.3. Способ по п. 1 или 2, в котором ожидаемая версия определяется с использованием модели Коркоса, которая описана следующей формулой:3. The method according to claim 1 or 2, wherein the expected version is determined using the Korkos model, which is described by the following formula:
где
обозначает дискретную угловую частоту, K и
обозначают длину дискретного преобразования Фурье и частоту дискретизации, соответственно, d обозначает расстояние между микрофонами,
обозначает скорость конвективной турбулентности,
обозначает параметр затухания когерентности.Where
denotes the discrete angular frequency, K and
denote the length of the discrete Fourier transform and the sampling rate, respectively, d denotes the distance between the microphones,
denotes the speed of convective turbulence,
denotes the coherence damping parameter.4. Способ по пп. 1, 2 или 3, в котором этап определения информации о воздушном потоке содержит вычисление оптимального набора
посредством решения задачи минимизации наименьших квадратов (LS)4. The method according to paragraphs. 1, 2, or 3, wherein the step of determining the airflow information comprises calculating an optimal set
by solving the least squares (LS) minimization problem
обозначает теоретическую модель.where timeframe l has been omitted for brevity,
denotes the measured spatial coherence,
denotes a theoretical model.5. Способ по п. 4, в котором этап определения информации о воздушном потоке содержит минимизацию нормы Фробениуса составной матрицы ошибок, заданной посредством разности между матрицей измеренной пространственной когерентности и матрицей, определенной моделью Коркоса; и/или в котором этап определения информации о воздушном потоке содержит вычисление5. The method of claim 4, wherein the step of determining the airflow information comprises: minimizing the Frobenius norm of the composite error matrix given by the difference between the measured spatial coherence matrix and the matrix determined by the Korkos model; and/or wherein the step of determining the airflow information comprises calculating
где
- вектор оцененного распространения ветра,
- квадрат нормы Фробениуса матрицы, и
определен как
, где
- матрица измеренной пространственной когерентности, вычисленной на основе акустических сигналов.Where
is the estimated wind propagation vector,
is the square of the Frobenius norm of the matrix, and
defined as
, Where
- matrix of the measured spatial coherence calculated on the basis of acoustic signals.6. Способ по одному из предыдущих пунктов, в котором характеристическая информация извлекается посредством использования подхода управляемого машинного обучения и/или подхода глубокого обучения, и/или посредством использования сверточной или полносвязной нейронной сети.6. A method according to one of the preceding claims, wherein the feature information is extracted by using a supervised machine learning approach and/or a deep learning approach, and/or by using a convolutional or fully connected neural network.7. Способ по одному из предыдущих пунктов, в котором определение информации о воздушном потоке выполняется посредством сопоставления полученных признаков с измерениями характеризуемого воздушного потока.7. A method according to one of the preceding claims, wherein the determination of the airflow information is performed by comparing the features obtained with measurements of the characterized airflow.8. Способ по одному из предыдущих пунктов, дополнительно содержащий этап, на котором изолируют шума ветра из принятого акустического сигнала.8. The method according to one of the preceding claims, further comprising isolating wind noise from the received acoustic signal.9. Способ по п. 8, в котором этап изоляции шума ветра содержит выбор частотного диапазона акустического сигнала, причём выбор частотного диапазона находится в диапазоне от 20 Гц до 20 кГц, выбор частотного диапазона ниже 2 кГц, ниже 1,5 кГц, и/или в котором этап изоляции шума ветра содержит фильтрацию.9. The method of claim 8, wherein the step of isolating wind noise comprises selecting a frequency range of the acoustic signal, wherein the frequency range selection is in the range of 20 Hz to 20 kHz, the selection of a frequency range below 2 kHz, below 1.5 kHz, and/ or in which the wind noise isolation step comprises filtering.10. Способ по п. 9, в котором этап изоляции шума ветра дополнительно содержит этап оценки частотного диапазона шума ветра, причем упомянутый частотный диапазон должен быть выбран.10. The method of claim 9, wherein the step of isolating the wind noise further comprises the step of estimating a frequency range of the wind noise, said frequency range being selected.11. Способ по п. 9, в котором этап изоляции шума ветра содержит преобразование акустических сигналов в частотно-временную область или другую область.11. The method of claim 9, wherein the step of isolating wind noise comprises converting the acoustic signals into a time-frequency domain or other domain.12. Способ по одному из предыдущих пунктов, причем способ дополнительно содержит постобработку для удаления выбросов.12. The method of one of the preceding claims, the method further comprising post-processing to remove outliers.13. Компьютерная программа, имеющая программный код для выполнения способа по одному из предыдущих пунктов при выполнении компьютером.13. A computer program having program code for performing the method of one of the preceding claims when executed by a computer.14. Устройство (100) для определения характеристик воздушного потока, содержащее:14. Device (100) for determining the characteristics of the air flow, containing:массив (100) микрофонов для приема акустических сигналов, формируемых воздушным потоком;an array (100) of microphones for receiving acoustic signals generated by the air flow;блок (30) анализа акустического сигнала, выполненный с возможностью извлечения характеристической информации из акустического сигнала; иan acoustic signal analysis unit (30) configured to extract characteristic information from the acoustic signal; Andблок (70) оценки, выполненный с возможностью определения информации о воздушном потоке на основе характеристической информации;an evaluation unit (70) configured to determine airflow information based on the characteristic information;причем информация о воздушном потоке содержит информацию относительно скорости ветра
и/или направления ветра
;wherein the airflow information contains information regarding the wind speed
and/or wind direction
;причем определение информации основано на корреляции характеристической информации, извлеченной из акустических сигналов, с ожидаемой версией соответствующей характеристической информации; причем ожидаемая версия определяется с использованием модели Коркоса, специализированной модели или другой модели; илиwherein the determination of the information is based on the correlation of the characteristic information extracted from the acoustic signals with an expected version of the corresponding characteristic information; wherein the expected version is determined using a Korkos model, a specialized model, or another model; orпричем этап определения информации основан на регрессии или классификации характеристической информации.wherein the step of determining the information is based on regression or classification of the characteristic information.15. Устройство (100) по п. 14, в котором массив (100) микрофонов содержит по меньшей мере три микрофона.15. The apparatus (100) of claim 14, wherein the microphone array (100) comprises at least three microphones.16. Устройство (100) по п. 14 или 15, в котором микрофон содержит множество микрофонов, которые удалены друг от друга на расстояние меньше 20 мм, или меньше 15 мм, или меньше 10 мм, или меньше 30 мм.16. Device (100) according to claim 14 or 15, wherein the microphone comprises a plurality of microphones that are less than 20 mm apart, or less than 15 mm, or less than 10 mm, or less than 30 mm apart.17. Устройство (100) по одному из пп. 14-16, в котором массив (100) микрофонов содержит множество микрофонов, которые размещены в планарном созвездии и/или которые установлены в свободном поле.17. The device (100) according to one of paragraphs. 14-16, wherein the microphone array (100) comprises a plurality of microphones that are placed in a planar constellation and/or that are installed in a free field.18. Устройство (100) по одному из пп. 14-17, причем устройство (100) содержит низкочастотный фильтр (2) или элемент преобразования, выполненный с возможностью изоляции шума ветра из акустического сигнала.18. The device (100) according to one of paragraphs. 14-17, wherein the device (100) comprises a low pass filter (2) or conversion element configured to isolate wind noise from the acoustic signal.19. Устройство (100) по одному из пп. 14-18, причем устройство (100) дополнительно содержит блок (5) постобработки, выполненный с возможностью удаления выбросов.19. The device (100) according to one of paragraphs. 14-18, wherein the device (100) further comprises a post-processing unit (5) configured to remove outliers.
RU2021135404A2019-05-032020-04-30
METHOD AND DEVICE FOR DETERMINING CHARACTERISTICS OF AIR FLOW
RU2021135404A
(en)
Improved sound source positioning method based on progressive serial orthogonalization blind source separation algorithm and implementation system thereof