一种面向低频高斯噪声源的声源定位仿真方法技术

本发明专利技术公开了一种面向低频高斯噪声源的声源定位仿真方法，包括：将声源所在平面作为声源扫描平面，将声源扫描平面划分成若干个网格；设置麦克风阵列采集声信号，输出麦克风阵列信号作为阵列输出信号，对阵列输出信号进行频谱分析以及时频谱分析，得到声信号的特征频率；对阵列输出信号表达式的等号两边的式子分别求协方差矩阵得到等号左侧协方差矩阵和等号右侧协方差矩阵；将等号左侧协方差矩阵按行展开，并转置成列向量形式，将得到的列向量作为压缩感知的测量值；将等号右侧协方差矩阵按行展开，得到压缩感知的矩阵表达式；通过测量值和矩阵表达式计算声源的能量向量，定位声源位置。上述方法具有高分辨率和极好的抗噪性。

【技术实现步骤摘要】
一种面向低频高斯噪声源的声源定位仿真方法
本专利技术涉及信号处理领域，具体涉及一种面向低频高斯噪声源的声源定位仿真方法。
技术介绍
声源定位，就是用非接触、遥感方式表征声音的位置和能量信息，找到异常噪声源的位置，以可视化图像的形式给出声音的空间分布特征。目前高分辨率声源定位方法主要是谱估计类算法，例如MUSIC算法和ESPRIT算法。但是，现有技术中至少存在以下缺点和不足：MUSIC算法和ESPRIT算法都是基于特征值分解的算法，所以必须预知信源数目才能准确估计声源的位置。但是在实际应用中，根本无法准确预估声源的数目，再考虑到声音传播过程中的折射，反射现象造成的混响效应，对于该算法的性能也会造成极大的影响。除此之外，MUSIC算法还无法对声源的绝对能量信息进行准确的估计，只能预估能量的相对值大小。压缩感知技术是指一种寻找欠定线性系统的稀疏解的技术。它可以突破奈奎斯特采样定理的极限，用较少的测量值复原出原始信号，从而应用于获取和重构稀疏信号。将压缩感知技术用在阵列信号处理领域，通过稀疏波束图整形的方法限制波束图中阵列增益较大的元素个数，同时鼓励较大的阵列增益集中在波束主瓣中，从而达到降低旁瓣水平同时，提高主瓣中阵列增益水平，最终有效提高声源定位算法的分辨率。现有的声源定位算法大多存在分辨率低，抗噪性差的问题，尤其在低信噪比条件下无法达到较好的分辨率。因此，亟需一种能够有效提高定位的分辨率，同时极大的提高算法的抗噪性，在低信噪比、低频条件下也能够得到高分辨率的声源定位方法。
技术实现思路
针对本领域存在的不足之处，本专利技术提供了一种面向低频高斯噪声源的声源定位仿真方法，引入了压缩传感技术，能够有效提高定位的分辨率，同时极大的提高了算法的抗噪性，在低信噪比、低频条件下也能够得到高分辨率。为了提高声源定位算法的分辨率和稳定性，本专利技术提出将压缩感知技术应用在阵列信号处理中，极大的提高了波束图的主瓣增益，从而获得高精度和高分辨率。一种面向低频高斯噪声源的声源定位仿真方法，包括：(1)将声源所在平面作为声源扫描平面，将声源扫描平面划分成若干个网格；(2)设置麦克风阵列采集声信号，输出麦克风阵列信号作为阵列输出信号，对阵列输出信号进行频谱分析以及时频谱分析，得到声信号的特征频率；(3)对阵列输出信号表达式的等号两边的式子分别求协方差矩阵得到等号左侧协方差矩阵和等号右侧协方差矩阵，所述的阵列输出信号表达式为：X＝AS+N其中，X为阵列输出信号矩阵，A为麦克风阵列的方向矩阵，S为声信号矩阵，N为噪声矩阵；(4)将等号左侧协方差矩阵按行展开，并转置成列向量形式，将得到的列向量作为压缩感知的测量值；(5)将等号右侧协方差矩阵按行展开，得到压缩感知的矩阵表达式；(6)通过测量值和矩阵表达式计算声源的能量向量，定位声源位置。步骤(1)中，所述的声源扫描平面指的是一个假想平面，即在空间中约定的一个平面区域，将声源扫描平面划分为若干个网格，每个网格都是一个声源可能存在的位置点，通过逐网格扫描的方式遍历每一个网格进行计算，找出声源所在位置。步骤(2)中，优选地，所述的麦克风阵列所在平面和声源扫描平面同轴设置，方便标定声源的位置坐标。优选地，所述的麦克风阵列中相邻麦克风阵元之间的距离不大于待测声源的声信号的半波长。所述的频谱分析可采用快速傅里叶变换(FFT)。所述的快速傅里叶变换是离散傅里叶变换的快速运算方法，能够极大程度的提高运算速度。本专利技术可调用MATLAB中的FFT算法对原始声信号进行处理。所述的时频谱分析可采用短时傅里叶变换(STFT)。所述的短时傅里叶变换解决了快速傅里叶变换没有时间分辨率的问题，通常用来分析非平稳信号。该算法的原理是对一段信号进行加窗，将其分割成多段，每一段内分别进行傅里叶变换，得到该段内的局部频谱，最后按照时间顺序把各段拼接起来，得到信号的时频谱。本专利技术可调用MATLAB中的STFT算法对原始声信号进行处理。步骤(6)的具体步骤为：(6-1)分别用L1范数和L2范数对所述测量值和矩阵表达式进行最小化约束；(6-2)调用MATLAB的凸优化(CVX)工具包计算声源的能量向量，定位声源位置。优选地，在步骤(6)之后，可将定位结果以图像化的形式展示在声源扫描平面上，非常直观。本专利技术的面向低频高斯噪声源的声源定位仿真方法可用于大多数机械设备的声源定位中，例如汽车，石化管道等，给出机械设备的噪声分布空间特征，最终服务于机械设备的状态检测与故障诊断领域。本专利技术与现有技术相比，主要优点包括：本专利技术提出的面向低频高斯噪声源的声源定位仿真方法能够实现对声源进行有效的定位，尤其是具有极好的抗噪性，在低信噪比条件下依然保持较高的分辨率，同时该算法能够较准确的复原声源的能量信息。除此之外，在中高频率段该算法展现出了优良的性能，在低频段该算法也依旧保持着较好的精度。附图说明图1为实施例的面向低频高斯噪声源的声源定位仿真方法的流程示意图；图2为实施例的MATLAB仿真声源示意云图；图3为实施例的导入的麦克风阵列示意图；图4为实施例的声源信号中心频率为300Hz情况下的定位结果云图；图5为实施例的声源信号中心频率为500Hz情况下的定位结果云图；图6为实施例的声源信号中心频率为1000Hz情况下的定位结果云图。具体实施方式下面结合附图及具体实施例，进一步阐述本专利技术。应理解，这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围。下列实施例中未注明具体条件的实验方法，通常按照常规条件，或按照制造厂商所建议的条件。如图1所示，本实施例的面向低频高斯噪声源的声源定位仿真方法，包括以下步骤：S01，用麦克风阵列采集声信号。S02，对阵列输出信号表达式的等号两边分别求协方差矩阵，具体步骤如下所示：阵列信号的传播模型如图2所示，假设有M个声源，N个麦克风，则第i个麦克风的输出信号可以表示为：其中：Sk(t)表示声源信号；ni(t)表示干扰噪声；aik表示相位延迟，具体表示如下：其中：表示第k个声源到第i个阵元传播过程中的相位信息；Δri(k)表示第k个声源到第i个阵元的间距，代表幅值衰减；f为对声信号进行频谱分析和时频谱分析得到的特征频率，也可称为声源的信号中心频率；c表示声音传播速度；j为虚数单位，j2＝-1；e为自然对数的底数。用矩阵形式可以表示为：X＝AS+N(3)其中：X＝[x1(t),x2(t),...,xN(t)]T；将X称为麦克风阵列输出信号；将A称为麦克风阵列的方向矩阵；S＝[S1(t),S2(t),…,SM(t)]T；将S称为声源信号矩阵或声信号矩阵；N＝[n1(t),n2(t),...,nN(t)]T；将N称为噪声向量或噪声矩阵。对公式(3)两边同时求协方差矩阵，等式左侧协方差矩阵可以表示为：其中，XH表示X的共轭转置。将矩阵R逐行抽取转化为列向量：由公式(3)可以得到：E[XXH]＝E[ASSHAH](6)。将各项代入公式(6)右侧表达式，按照矩阵形式运算得到：同样的，将该矩阵按行展开，写成矩阵相乘的形式，可以得到下式：S03，将公式(5)中的RV代入公式(8)中，写成如下形式：RV＝GP+Q(9)其中：调用凸优化(CVX)工具包求解该问题：S04，求解出声源的能量和位置，通过在扫描平面上逐点扫描的方式以图像化的形式展示出来。本文档来自技高网...

【技术保护点】
1.一种面向低频高斯噪声源的声源定位仿真方法，包括：(1)将声源所在平面作为声源扫描平面，将声源扫描平面划分成若干个网格；(2)设置麦克风阵列采集声信号，输出麦克风阵列信号作为阵列输出信号，对阵列输出信号进行频谱分析以及时频谱分析，得到声信号的特征频率；(3)对阵列输出信号表达式的等号两边的式子分别求协方差矩阵得到等号左侧协方差矩阵和等号右侧协方差矩阵，所述的阵列输出信号表达式为：X＝AS+N其中，X为阵列输出信号矩阵，A为麦克风阵列的方向矩阵，S为声信号矩阵，N为噪声矩阵；(4)将等号左侧协方差矩阵按行展开，并转置成列向量形式，将得到的列向量作为压缩感知的测量值；(5)将等号右侧协方差矩阵按行展开，得到压缩感知的矩阵表达式；(6)通过测量值和矩阵表达式计算声源的能量向量，定位声源位置。

【技术特征摘要】
1.一种面向低频高斯噪声源的声源定位仿真方法，包括：(1)将声源所在平面作为声源扫描平面，将声源扫描平面划分成若干个网格；(2)设置麦克风阵列采集声信号，输出麦克风阵列信号作为阵列输出信号，对阵列输出信号进行频谱分析以及时频谱分析，得到声信号的特征频率；(3)对阵列输出信号表达式的等号两边的式子分别求协方差矩阵得到等号左侧协方差矩阵和等号右侧协方差矩阵，所述的阵列输出信号表达式为：X＝AS+N其中，X为阵列输出信号矩阵，A为麦克风阵列的方向矩阵，S为声信号矩阵，N为噪声矩阵；(4)将等号左侧协方差矩阵按行展开，并转置成列向量形式，将得到的列向量作为压缩感知的测量值；(5)将等号右侧协方差矩阵按行展开，得到压缩感知的矩阵表达式；(6)通过测量值和矩阵表达式计算声源的能量向量，定位声源位置。2.根据权利要求1所述的面向低频高斯噪声源的声...

【专利技术属性】
技术研发人员：初宁，黄乾，宁岳，汪琳琳，吴大转，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33