本發(fā)明涉及一種基于加權(quán)修正參數(shù)的P范數(shù)高分辨率高精度噪聲源定位識(shí)別方法，屬于噪聲源定位技術(shù)領(lǐng)域。

背景技術(shù)：

常規(guī)波束形成(conventional beamforming，CBF)作為最主要的噪聲源陣列信號(hào)處理技術(shù)因其優(yōu)良的寬容性和易操作性被廣泛的應(yīng)用到對(duì)飛機(jī)，汽車輻射噪聲的探測(cè)與定位中。然而常規(guī)波束形成其空間分辨率受到陣列物理孔徑的限制，即存在“瑞利限(Rayleigh)”，在多聲源探測(cè)中，空間“混淆”問題嚴(yán)重。

為了突破“瑞利限”，眾多高分辨率譜估計(jì)法應(yīng)運(yùn)而生，其中以子空間多重信號(hào)分類(MUSIC)算法為代表，該算法通過對(duì)基陣接收數(shù)據(jù)協(xié)方差矩陣進(jìn)行特征分解，從而得到同信號(hào)分量相對(duì)應(yīng)的信號(hào)子空間與噪聲子空間,利用其正交特性構(gòu)造出“針狀”空間譜峰，相較于以往的各種方法大大的提高了定位精度及空間分辨率。然而該方法僅能得到聲源方位的估計(jì)結(jié)果，無法真實(shí)反映聲源貢獻(xiàn)的相對(duì)大小，不能達(dá)到聲源識(shí)別的目的。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)上述問題，本發(fā)明要解決的技術(shù)問題是提供一種基于加權(quán)修正參數(shù)的P范數(shù)高分辨率高精度噪聲源定位識(shí)別方法。

本發(fā)明的基于加權(quán)修正參數(shù)的P范數(shù)噪聲源定位識(shí)別方法，它的定位識(shí)別方法為：

步驟一、特征值分解聲源定位識(shí)別方法：

由M元全向聲學(xué)麥克風(fēng)陣列接收數(shù)據(jù)構(gòu)造的譜矩陣為：

其中：P(ω)＝[P₁(ω) P₂(ω)L P_M(ω)]^T為陣列接收信號(hào)進(jìn)行離散傅里葉變換后的頻域快拍矢量,上標(biāo)H表示共軛轉(zhuǎn)置；由于為Hermite矩陣,其特征值分解可表示成：

其中Λ是一個(gè)對(duì)角矩陣，由排序的特征值組成：

Λ＝diag[λ₁,λ₂,L,λ_M] (3)

U為M×M維矩陣,由正交特征矢量組成：

U＝[φ₁ Mφ₂ ML Mφ_M] (4)

每個(gè)正交特征矢量定義了一個(gè)特征子空間，表示陣列對(duì)信號(hào)在該子空間內(nèi)響應(yīng)的方向向量，其特征值為子空間響應(yīng)強(qiáng)度；由此通過特征值及特征失量來定義陣列對(duì)聲源在該子空間內(nèi)的響應(yīng)函數(shù)為：

將u_i帶入式(2)得到由子空間響應(yīng)函數(shù)表征的譜矩陣為：

由于特征子空間與特征矢量具有相同的正交特性,上式可寫成：

比較式(1)和式(7)發(fā)現(xiàn)陣列對(duì)空間聲源的響應(yīng)可表示成各階特征子空間響應(yīng)函數(shù)的疊加；若S_i為第i階特征子空間對(duì)應(yīng)的i階聲源向量，H為聲源向量與接收陣元間的傳遞函數(shù)矩陣，那么每階特征子空間均可看成是一個(gè)網(wǎng)絡(luò)系統(tǒng)，其輸出為子空間響應(yīng)函數(shù)u_i：

HS_i＝u_i (8)

由于聲波是微振幅波,滿足疊加原理，當(dāng)輸入為時(shí)疊加原理確認(rèn)網(wǎng)絡(luò)的輸出為即陣列對(duì)空間聲源的響應(yīng)，那么由網(wǎng)絡(luò)系統(tǒng)傳遞特性可知，此時(shí)輸入信號(hào)就表示掃描空間中待識(shí)別的目標(biāo)聲源；

步驟二、P范數(shù)噪聲源信號(hào)重構(gòu)法：

首先將掃描域離散化為N個(gè)格點(diǎn)區(qū)域，節(jié)點(diǎn)處為波束掃描點(diǎn)，各掃描點(diǎn)均存在一預(yù)設(shè)聲源，除目標(biāo)聲源外，其余為假想聲源，所有預(yù)設(shè)聲源幅值構(gòu)成了子空間內(nèi)(T·N)×1維聲源向量S_i，T表示預(yù)設(shè)聲源類型數(shù)；

認(rèn)為該子空間響應(yīng)函數(shù)u_i是由這些預(yù)設(shè)源輻射的聲場(chǎng)疊加產(chǎn)生,不同預(yù)設(shè)聲源類型聯(lián)合構(gòu)成了掃描點(diǎn)與陣元間的M×(T·N)維傳遞函數(shù)矩陣H，通過求解式(8)可計(jì)算出聲源向量S_i,即該子空間內(nèi)波束掃描輸出；考慮式(8)為聲學(xué)逆問題,通常采用正則化技術(shù)獲得問題的近似解；

其中α稱為正則化參數(shù)；其取值與輸入的信噪比有關(guān)，通常為矩陣HH^-1(或H^-1H)最大特征值的0.1％～10％；

由于假想聲源并不真實(shí)存在，其幅值在向量S_i表現(xiàn)為零或近似為零，采用基于加權(quán)修正參數(shù)的P范數(shù)迭代算法，將式(8)轉(zhuǎn)化為如下線性約束優(yōu)化問題；

其中p的取值范圍為0到1之間，分別代表不同的范數(shù)約束；E_(p)(S_i)越小說明S_i中的信息越局部化，越稀疏；采用Lagrange乘子的方法求解上式，要最小化的代價(jià)函數(shù)為：

其中λ為L(zhǎng)agrange乘子向量，對(duì)S_i和λ分別求復(fù)梯度并求解，得到：

由(12)式可得：

進(jìn)而可解出關(guān)于聲源向量S_i和Lagrange乘子λ的形式解如下：

其中W＝diag(|S_i(n)|^P-2)；由于式(14)是一個(gè)非線性方程，因此需要采用迭代方法求解S_i；將W作為迭代加權(quán)矩陣，其取值為前一次迭代結(jié)果構(gòu)成的對(duì)角陣，代入公式(14)獲得新一代的S_i，由其構(gòu)成的W作為下一代加權(quán)矩陣，如此反復(fù)直至達(dá)到最優(yōu)解為止；考慮到矩陣HW^-1H^H通常為病態(tài)的，需要在每次迭代過程中引入正則化參數(shù)降低重構(gòu)誤差；綜上得到求解聲源向量S_i的迭代公式如下：

其中(k)表示迭代次數(shù)，同理可獲得每次迭代的代價(jià)函數(shù)為：

由于聲源向量S_i信息局部化的特點(diǎn)，在每次的迭代過程中都會(huì)有部分元素值為零，將這些元素代入加權(quán)矩陣W中時(shí)所對(duì)應(yīng)的加權(quán)值同樣為零，這樣使得在中為零的元素在中依然為零；并將加權(quán)矩陣W加以修正：

W＝diag(|S_i(n)|^P-2+ε) (17)

步驟三、加權(quán)修正參數(shù)ε對(duì)算法的選取：

在掃描空間中隨機(jī)分布25個(gè)單極子聲源，滿足N/κ＝100/25＝4>3的稀疏條件，發(fā)射頻率f＝2kHz，分別討論了聲源強(qiáng)度均值為0.1、1、10時(shí)參數(shù)ε對(duì)聲源向量重建精度的影響，ε的變化范圍0.001～5，共進(jìn)行25次迭代，50次Monte-carlo仿真試驗(yàn)；

最后加權(quán)修正參數(shù)的大小與聲場(chǎng)信息有關(guān)：

其中表示加權(quán)迭代前由(9)式直接計(jì)算的結(jié)果。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：通過特征分解獲得各階特征子空間及子空間響應(yīng)函數(shù)，對(duì)各階特征子空間采用預(yù)設(shè)聲源的方法建立子空間聲源向量重構(gòu)模型，利用加權(quán)修正參數(shù)的P范數(shù)稀疏性約束求解該重構(gòu)模型，迫使子空間聲源向量能更快，更有效的向真實(shí)稀疏源位置收斂，獲得能量更加集中的稀疏解；分析了信噪比、測(cè)量距離、基陣孔徑及分析頻率對(duì)算法定位性能的影響，仿真結(jié)果顯示該方法可實(shí)現(xiàn)對(duì)不同類型聲源位置及幅度的準(zhǔn)確估計(jì)，穩(wěn)定性較好。

附圖說明

為了易于說明，本發(fā)明由下述的具體實(shí)施及附圖作以詳細(xì)描述。

圖1為本發(fā)明的流程圖；

圖2為本發(fā)明中P-EVD性能與ε及信號(hào)均值關(guān)系曲線圖；

圖3為本發(fā)明中新的ε對(duì)P-EVD性能的影響示意圖；其中a為ε與聲源強(qiáng)度關(guān)系曲線圖；b為聲源強(qiáng)度均值與重建精度關(guān)系曲線圖；

圖4為實(shí)施例中非相干單極子聲源定位示意圖，其中a為CBF；b為MUSIC；c為P-EVD；

圖5為實(shí)施例中相干單極子聲源定位示意圖；其中a為CBF；b為MUSIC；c為P-EVD；

圖6為實(shí)施例中分布式聲源定位示意圖；其中a為CBF；b為MUSIC；c為P-EVD；

圖7為實(shí)施例中混合類型聲源定位示意圖；其中a為CBF單極子；b為CBF偶極子；c為MUSIC單極子；d為MUSIC-偶極子；e為P-EVD單極子；f為P-EVD偶極子；

圖8為實(shí)施例中頻率對(duì)聲源定位性能的影響示意圖；其中a為幅度估計(jì)誤差；b為方位估計(jì)誤差；

圖9為實(shí)施例中測(cè)距孔徑比對(duì)聲源定位性能的影響示意圖；其中a為幅度估計(jì)誤差；b為方位估計(jì)誤差；

圖10為實(shí)施例中噪聲對(duì)聲源定位性能的影響示意圖；其中a為幅度估計(jì)誤差；b為方位估計(jì)誤差。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明了，下面通過附圖中示出的具體實(shí)施例來描述本發(fā)明。但是應(yīng)該理解，這些描述只是示例性的，而并非要限制本發(fā)明的范圍。此外，在以下說明中，省略了對(duì)公知結(jié)構(gòu)和技術(shù)的描述，以避免不必要地混淆本發(fā)明的概念。

如圖1所示，本具體實(shí)施方式采用以下技術(shù)方案：它的定位識(shí)別方法為：

一、特征值分解聲源定位識(shí)別方法：

考慮由M元全向聲學(xué)麥克風(fēng)陣列接收數(shù)據(jù)構(gòu)造的譜矩陣為：

其中：P(ω)＝[P₁(ω) P₂(ω)L P_M(ω)]^T為陣列接收信號(hào)進(jìn)行離散傅里葉變換后的頻域快拍矢量,上標(biāo)H表示共軛轉(zhuǎn)置。由于為Hermite矩陣,其特征值分解(EVD)可表示成：

其中Λ是一個(gè)對(duì)角矩陣，由排序的特征值組成：

Λ＝diag[λ₁,λ₂,L,λ_M] (3)

U為M×M維矩陣,由正交特征矢量組成：

U＝[φ₁ Mφ₂ ML Mφ_M] (4)

每個(gè)正交特征矢量定義了一個(gè)特征子空間，表示陣列對(duì)信號(hào)在該子空間內(nèi)響應(yīng)的方向向量，其特征值為子空間響應(yīng)強(qiáng)度；由此可以通過特征值及特征失量來定義陣列對(duì)聲源在該子空間內(nèi)的響應(yīng)函數(shù)為：

將u_i帶入式(2)得到由子空間響應(yīng)函數(shù)表征的譜矩陣為：

由于特征子空間與特征矢量具有相同的正交特性,上式可寫成：

比較式(1)和式(7)發(fā)現(xiàn)陣列對(duì)空間聲源的響應(yīng)可表示成各階特征子空間響應(yīng)函數(shù)的疊加。若S_i為第i階特征子空間對(duì)應(yīng)的i階聲源向量，H為聲源向量與接收陣元間的傳遞函數(shù)矩陣，那么每階特征子空間均可看成是一個(gè)網(wǎng)絡(luò)系統(tǒng)，其輸出為子空間響應(yīng)函數(shù)u_i：

HS_i＝u_i (8)

由于聲波是微振幅波,滿足疊加原理，當(dāng)輸入為時(shí)疊加原理確認(rèn)網(wǎng)絡(luò)的輸出為即陣列對(duì)空間聲源的響應(yīng)，那么由網(wǎng)絡(luò)系統(tǒng)傳遞特性可知，此時(shí)輸入信號(hào)就表示掃描空間中待識(shí)別的目標(biāo)聲源。至此，對(duì)空間目標(biāo)聲源的探測(cè)定位被轉(zhuǎn)化為求解各階特征子空間內(nèi)的聲源向量問題。

二、P范數(shù)噪聲源信號(hào)重構(gòu)法(P-EVD)：

與常規(guī)波束形成聲源定位識(shí)別方法相同,對(duì)于任意階特征子空間,首先將掃描域離散化為N個(gè)格點(diǎn)區(qū)域，節(jié)點(diǎn)處為波束掃描點(diǎn)，各掃描點(diǎn)均存在一預(yù)設(shè)聲源,該預(yù)設(shè)聲源可以是點(diǎn)聲源，偶極子聲源，多極子聲源等,也可為不同類型聲源的組合形式。除目標(biāo)聲源外，其余為假想聲源，所有預(yù)設(shè)聲源幅值構(gòu)成了子空間內(nèi)(T·N)×1維聲源向量S_i，T表示預(yù)設(shè)聲源類型數(shù)。認(rèn)為該子空間響應(yīng)函數(shù)u_i是由這些預(yù)設(shè)源輻射的聲場(chǎng)疊加產(chǎn)生,不同預(yù)設(shè)聲源類型聯(lián)合構(gòu)成了掃描點(diǎn)與陣元間的M×(T·N)維傳遞函數(shù)矩陣H，通過求解式(8)可計(jì)算出聲源向量S_i,即該子空間內(nèi)波束掃描輸出；考慮式(8)為聲學(xué)逆問題,通常采用正則化技術(shù)獲得問題的近似解。

其中α稱為正則化參數(shù)；其取值與輸入的信噪比有關(guān),通常為矩陣HH^-1(或H^-1H)最大特征值的0.1％～10％。

由于假想聲源并不真實(shí)存在，其幅值在向量S_i表現(xiàn)為零或近似為零，而目標(biāo)聲源通常具有較大的幅值，這說明S_i具有信息局部化的特點(diǎn)，可將其看成是一組稀疏信號(hào)。正則化技術(shù)雖然解決了逆問題的不適定性，但并不能獲得最優(yōu)的稀疏解。為了得到能量集中的稀疏解,采用基于加權(quán)修正參數(shù)的P范數(shù)迭代算法，將式(8)轉(zhuǎn)化為如下線性約束優(yōu)化問題。

其中p的取值范圍為0到1之間，分別代表不同的范數(shù)約束。E_(p)(S_i)越小說明S_i中的信息越局部化，越稀疏。采用Lagrange乘子的方法求解上式，要最小化的代價(jià)函數(shù)為：

其中λ為L(zhǎng)agrange乘子向量，對(duì)S_i和λ分別求復(fù)梯度并求解，得到：

由(12)式可得：

進(jìn)而可解出關(guān)于聲源向量S_i和Lagrange乘子λ的形式解如下：

其中W＝diag(|S_i(n)|^P-2)。由于式(14)是一個(gè)非線性方程，因此需要采用迭代方法求解S_i。將W作為迭代加權(quán)矩陣，其取值為前一次迭代結(jié)果構(gòu)成的對(duì)角陣，代入公式(14)獲得新一代的S_i，由其構(gòu)成的W作為下一代加權(quán)矩陣，如此反復(fù)直至達(dá)到最優(yōu)解為止?？紤]到矩陣HW^-1H^H通常為病態(tài)的，需要在每次迭代過程中引入正則化參數(shù)降低重構(gòu)誤差。綜上得到求解聲源向量S_i的迭代公式如下：

其中(k)表示迭代次數(shù)，同理可獲得每次迭代的代價(jià)函數(shù)為：

由于聲源向量S_i信息局部化的特點(diǎn)，在每次的迭代過程中都會(huì)有部分元素值為零，可以注意到，將這些元素代入加權(quán)矩陣W中時(shí)所對(duì)應(yīng)的加權(quán)值同樣為零，這樣使得在中為零的元素在中依然為零。這樣會(huì)導(dǎo)致聲源向量S_i部分信息缺失，鑒于此，將加權(quán)矩陣W加以修正：

W＝diag(|S_i(n)|^P-2+ε) (17)

三、加權(quán)修正參數(shù)ε對(duì)算法的選?。?/p>

由前面的分析可知，加權(quán)修正參數(shù)的引入是為了避免聲源向量中的信息丟失，確保迭代過程的穩(wěn)健性。因此計(jì)算過程中參數(shù)ε的參與勢(shì)必會(huì)影響算法的性能。加權(quán)修正參數(shù)的選取對(duì)聲源向量重建精度的影響很大，選擇適當(dāng)?shù)男拚齾?shù)不僅可以提高重建精度還可以增加空間中可識(shí)別的聲源數(shù)目。下面討論參數(shù)ε對(duì)算法的影響。

在掃描空間中隨機(jī)分布25個(gè)單極子聲源，滿足N/κ＝100/25＝4>3的稀疏條件，發(fā)射頻率f＝2kHz，分別討論了聲源強(qiáng)度均值為0.1、1、10時(shí)參數(shù)ε對(duì)聲源向量重建精度的影響，ε的變化范圍0.001～5，共進(jìn)行25次迭代，50次Monte-carlo仿真試驗(yàn)。

圖2中顯示了聲源強(qiáng)度均值不同時(shí)，加權(quán)修正參數(shù)ε對(duì)P-EVD性能的影響，可以發(fā)現(xiàn)修正參數(shù)ε對(duì)聲源向量重建精度的影響與聲源強(qiáng)度均值有關(guān)，對(duì)于相同的修正參數(shù)，信號(hào)強(qiáng)度均值越小，重建精度越高；當(dāng)信號(hào)強(qiáng)度均值一定時(shí)，隨著參數(shù)ε的增加重建精度降低，P-EVD算法的性能下降。為了使參數(shù)的選擇更具有通用性，滿足強(qiáng)信號(hào)對(duì)應(yīng)小參數(shù)的條件，將加權(quán)修正參數(shù)做如下更改，不再是按經(jīng)驗(yàn)選取的固定值，其大小與聲場(chǎng)信息有關(guān)：

其中表示加權(quán)迭代前由(9)式直接計(jì)算的結(jié)果。為了驗(yàn)證上式參數(shù)的有效性，采用同圖1相同的仿真條件，分析在新的加權(quán)修正參數(shù)下，聲源強(qiáng)度均值與重建精度的關(guān)系及不同聲源強(qiáng)度均值對(duì)應(yīng)的ε值。

圖3顯示了式(18)中新的加權(quán)修正參數(shù)ε對(duì)P-EVD定位性能的影響。由圖3(a)可見，隨著聲源強(qiáng)度的增加，參數(shù)ε值越來越小，這與圖2中顯示的結(jié)果相同，再次證明了聲源信號(hào)越強(qiáng)，所需的加權(quán)修正參數(shù)值越小。圖3(b)顯示的是采用圖(a)中的參數(shù)ε進(jìn)行加權(quán)疊加計(jì)算聲源強(qiáng)度與聲源向量重建精度的關(guān)系。將圖中曲線與圖3中的結(jié)果進(jìn)行比較，可見在新的加權(quán)修正參數(shù)ε下，無論聲源強(qiáng)度為何值，聲源向量重建成功率均達(dá)到99％以上，說明如式(18)顯示的加權(quán)修正參數(shù)ε具有自適應(yīng)性。在實(shí)際測(cè)量中，可以采用該參數(shù)ε進(jìn)行加權(quán)疊加計(jì)算來提高算法的性能。

實(shí)施例：

仿真分析：

為了基于加權(quán)修正參數(shù)的P范數(shù)噪聲源定位算法(P-EVD)的有效性,將其對(duì)不同類型聲源的定位識(shí)別結(jié)果與經(jīng)典的常規(guī)波束形成技術(shù)(CBF)和子空間MUSIC算法進(jìn)行比較分析；采用由聲學(xué)麥克風(fēng)構(gòu)成的7×7均勻網(wǎng)格陣，陣元間距0.3m；目標(biāo)聲源位于x-y平面上,掃描域8m×8m；掃描間隔0.25m；基陣面與掃描面相距z＝5m；背景噪聲為高斯白噪聲,除特別說明，信噪比snr＝20dB；Monte-Carlo實(shí)驗(yàn)數(shù)為50；取P＝1；正則化參數(shù)α取最大特征值的1％。

考慮到噪聲源大多可看成是由單極子或偶極子構(gòu)成的分布式聲源,故預(yù)設(shè)聲源采用單極子聲源及任意方向的偶極子聲源,其頻域表達(dá)式如下：

其中,表示聲源與陣元間的方向矢量，θ為偶極子方向即偶極子軸與x軸的夾角，由于x-y平面上任意方向的偶極子可由位于θ＝0°和θ＝90°的偶極子表示，因此預(yù)設(shè)聲源類型可設(shè)定為x方向θ＝0°的偶極子聲源,y方向θ＝90°的偶極子聲源及單極子點(diǎn)聲源，下面分別對(duì)不同形式的聲源進(jìn)行仿真分析。

算例一：兩個(gè)非相干單極子聲源A和B分別位于(-1,0,0)和(1,0,0)，發(fā)射頻率為1.5kHz幅值為a_A＝a_B＝2的單頻信號(hào)。

圖4所示是三種算法對(duì)非相干單極子聲源的定位結(jié)果，由于常規(guī)波束形成算法的空間分辨率低,并且旁瓣起伏較大(圖4(a)),從掃描圖中不能分辨出兩個(gè)聲源的空間位置；圖4(b)中的MUSIC算法是一種高分辨率空間譜估計(jì)算法,其空間分辨率明顯高于CBF,具有尖銳的聚焦峰和低旁瓣級(jí),圖中兩聲源空間位置清晰可見,該方法可實(shí)現(xiàn)對(duì)非相干聲源的準(zhǔn)確定位；但對(duì)聲源幅值的估計(jì)不盡理想(圖中兩聲源幅值為a_A＝a_B＝0.055),這是由于MUSIC空間譜估計(jì)算法是利用信號(hào)子空間與噪聲子空間的正交性估計(jì)目標(biāo)聲源方位；并不能獲得目標(biāo)聲源的幅值；由上闡述可知P-EVD算法是以P范數(shù)為約束獲得信號(hào)能量高度集中的稀疏解,因此在完成對(duì)聲源精確定位的基礎(chǔ)上還可實(shí)現(xiàn)對(duì)聲源幅值的估計(jì),使這一問題得以解決；圖4(c)顯示的是采用P-EVD算法輸出的空間譜,圖中無旁瓣,具有更尖銳的聚焦峰尺度,聲源位置清晰可見,可獲取高精度高分辨率聲源定位結(jié)果.圖中顯示兩聲源幅值為a_A＝a_B＝2.08,估計(jì)誤差為4％,估計(jì)精度良好；在誤差允許范圍內(nèi),該方法可獲得對(duì)聲源方位及幅值滿意的估計(jì)結(jié)果。

算例二：考慮兩相干單級(jí)子聲源A和B,其聲源參數(shù)同算例一。

從圖5顯示的結(jié)果可以看出：(1)與算例一的仿真結(jié)果相似，CBF的低分辨率使其依然無法分辨出聲源的個(gè)數(shù)及空間位置,定位失效。(2)雖然MUSIC算法在非相干聲源定位中展現(xiàn)出高分辨率的優(yōu)越性，但對(duì)于相干聲源,由于無法準(zhǔn)確估計(jì)聲源個(gè)數(shù)，因此很難實(shí)現(xiàn)對(duì)相干聲源的檢測(cè)(圖5(b))，其定位結(jié)果同樣失效。(3)P-EVD算法依然具有優(yōu)異的空間分辨率和精確的幅度估計(jì)能力,a_A＝a_B＝1.99，其幅度估計(jì)誤差為1％,克服了其他方法不能處理相干聲源的不足。算例一同算例二說明P-EVD方法可實(shí)現(xiàn)對(duì)聲源位置及幅度的精確估計(jì)而無需考慮其相干性。

算例三：目標(biāo)聲源為兩條聲源中心分別位于(-1,1.5,0)和(1,-0.8,0)的非相干有限長(zhǎng)線源A和B，與x軸夾角分別為45°和90°,其長(zhǎng)度均為1.4m,發(fā)射頻率為1.5kHz聲源幅度a_A＝a_B＝1的單頻信號(hào),將其看成是由多個(gè)單極子聲源構(gòu)成的分布式聲源。掃描結(jié)果如圖6所示,分布式聲源由圖中＊標(biāo)注。

結(jié)果顯示：(1)CBF與MUSIC對(duì)分布式聲源的掃描輸出看起來更像是兩個(gè)集中聲源，MUSIC算法僅僅是消除了CBF中大部分的旁瓣干擾，提高了空間分辨率，依然不能獲得精準(zhǔn)的定位結(jié)果及幅度估計(jì)。(2)P-EVD的掃描結(jié)果與圖中標(biāo)定的分布式聲源吻合的很好，輸出聲源幅度為a_A＝a_B＝0.99,估計(jì)誤差1％。通過該仿真可知，該方法可實(shí)現(xiàn)對(duì)分布式聲源形態(tài)，方向，位置的有效識(shí)別及其幅度的準(zhǔn)確估計(jì)。

算例四：偶極子聲源A位于(1,1,0),其偶極子軸與x方向夾角為45°±180°,在(-2,-1,0)處同時(shí)存在與聲源A相干的單極子聲源B,兩聲源均發(fā)射頻率為1.5kHz,幅度a_A＝a_B＝1的單頻信號(hào)。

當(dāng)空間同時(shí)存在單極子和偶極子聲源時(shí)，根據(jù)預(yù)設(shè)的聲源類型,陣列掃描結(jié)束后可同時(shí)獲得單極子聲源模型與偶極子聲源模型的輸出結(jié)果,如圖7所示，圖中箭頭標(biāo)記顯示為聲場(chǎng)梯度,用以判斷偶極子方向。圖7(a)中CBF對(duì)單極子模型及偶極子模型的掃描輸出相似，掃描結(jié)果均顯示存在兩個(gè)峰值，雖然在偶極子掃描結(jié)果中聲場(chǎng)梯度與聲源A的方向相同,但僅從這兩張掃描圖無法判斷聲源個(gè)數(shù)及類型,進(jìn)而無法實(shí)現(xiàn)聲源識(shí)別。盡管MUSIC算法有較好的偶極子掃描結(jié)果,但目標(biāo)源的相干性造成MUSIC算法對(duì)單極子模型的掃描結(jié)果在偶極子聲源A處出現(xiàn)峰值(圖5(b)),定位最終失效.P-EVD算法的輸出結(jié)果顯示其單極子模型與偶極子模型的輸出結(jié)果均僅存在唯一的掃描尖峰,與仿真設(shè)定的聲源類型及方位相同,輸出幅度分別為a_B＝0.97、a_A＝1.048,估計(jì)誤差3％和4.8％；從圖中偶極子的掃描結(jié)果還能觀測(cè)到輸出偶極子方向?yàn)棣龋?3.982,與聲源A之間存在2.2％估計(jì)誤差.以上說明P-EVD算法可通過掃描結(jié)果判斷聲源類型,實(shí)現(xiàn)對(duì)聲源空間位置，幅度及方向(偶極子聲源)的滿意估計(jì)。

加權(quán)修正參數(shù)的P范數(shù)噪聲源定位性能分析：

仿真結(jié)果顯示出P-EVD算法在不同類型聲源定位識(shí)別中的優(yōu)越性，為了進(jìn)一步討論該算法的穩(wěn)健性，從分析頻率，測(cè)量距離與陣列孔徑比及信噪比三方面分析這些參數(shù)對(duì)聲源定位誤差及幅度估計(jì)誤差的影響。

圖8-10給出了P-EVD聲源定位性能受分析頻率，測(cè)距空間比及背景干擾對(duì)聲源影響的曲線；通過對(duì)比分析可以得到如下結(jié)論：(1)P-EVD算法克服了常規(guī)波束形成低頻受限的缺點(diǎn)，可實(shí)現(xiàn)在低，中，高全頻段內(nèi)聲源定位,并不受測(cè)量距離及陣列孔徑的約束,定位準(zhǔn)確有效；(2)相對(duì)于P-EVD算法對(duì)聲源方位估計(jì)的寬容性，其聲源幅度估計(jì)僅在中高頻段內(nèi)有效,且測(cè)距孔徑比需小于15方可獲得滿意的幅度估計(jì)結(jié)果；(3)P-EVD與CBF的抗干擾能力相當(dāng)，當(dāng)背景干擾過強(qiáng)時(shí)，兩種方法對(duì)聲源方位及幅度的估計(jì)都存在巨大的偏差，結(jié)果完全失效，信噪比到0dB以上時(shí)才可獲得理想的定位識(shí)別結(jié)果。

通過以上仿真結(jié)果來看，P-EVD算法相對(duì)與常規(guī)方法對(duì)測(cè)量參數(shù)的適用性更強(qiáng)，在大部分測(cè)量情況下均可獲得滿意的聲源定位識(shí)別效果。

以上顯示和描述了本發(fā)明的基本原理和主要特征和本發(fā)明的優(yōu)點(diǎn)。本行業(yè)的技術(shù)人員應(yīng)該了解，本發(fā)明不受上述實(shí)施例的限制，上述實(shí)施例和說明書中描述的只是說明本發(fā)明的原理，在不脫離本發(fā)明精神和范圍的前提下，本發(fā)明還會(huì)有各種變化和改進(jìn)，這些變化和改進(jìn)都落入要求保護(hù)的本發(fā)明范圍內(nèi)。本發(fā)明要求保護(hù)范圍由所附的權(quán)利要求書及其等效物界定。