一种基于互协方差稀疏重构的声矢量阵方位估计方法技术

本发明专利技术涉及一种基于互协方差稀疏重构的声矢量阵方位估计方法。本发明专利技术包括：(a)获得声矢量阵接收数据，在感兴趣的空间Θ中生成关于声源信号的矢量阵空域稀疏化表示；(b)在每一个方位角θ

An acoustic vector array DOA estimation method based on sparse reconstruction of cross covariance

The present invention relates to an acoustic vector array azimuth estimation method based on sparse reconstruction of cross covariance. The present invention includes: (a) for receiving data to generate vector array acoustic vector array, spatial sparse on the sound source signal representation in the space. Interested in; (b) at each azimuth angle

【技术实现步骤摘要】
一种基于互协方差稀疏重构的声矢量阵方位估计方法
本专利技术涉及一种基于互协方差稀疏重构的声矢量阵方位估计方法。
技术介绍
声矢量阵列信号处理技术的最大优势在于将矢量传感器的抗噪能力与阵列空间分辨力性能有机结合起来，因此较单一的声压阵处理具有更高的方位估计性能。但是，现有的声矢量阵信号处理技术基本都是基于Nehorai理论框架，其实质是将声矢量阵的振速信息作为与声压相同的独立阵元信息来处理，没有充分利用“声压—振速”联合信息处理，因此信噪比门限较高。事实上，在远程声场中相干源(尺度有限的信号源)信号的声压和振速是相干的，而在各向同性噪声场中噪声的声压与振速是不相关的，因此基于声压振速联合信息处理技术必然会具有更强的各向同性噪声抑制能力。基于此，白兴宇等提出了声压振速联合信号处理方法，将子空间类方法的高分辨能力和矢量水听器的抗噪能力有机结合起来，实现了远程高分辨DOA估计(1白兴宇，基于联合信息处理的声矢量测向技术，工学博士论文，哈尔滨工程大学，2006)。其核心技术是将声压振速互协方差矩阵进行子空间分解，从而将子空间类高分辨空间谱方法拓展应用于矢量阵信号处理中。AngelikiXenaki等人提出了压缩感知波束形成概念，利用阵列接收数据的空间稀疏性进行声源重构(2AngelikiXenaki，PeterGerstoft，KlausMosegaard.Compressivebeamforming.J.Acoust.Soc.Am.2014,136(1):260-271)。在利用阵列协方差矩阵稀疏重构用于目标方位估计的研究中，SiyangZhong等人提出了基于声压阵数据协方差矩阵的压缩感知波束形成方法(3SiyangZhong，QingkaiWei，XunHuang.Compressivesensingbeamformingbasedoncovarianceforacousticimagingwithnoisymeasurements，J.Acoust.Soc.Am.2013，134(5)，445-451)，将声源波形估计问题转化为声源功率估计问题。NingChu等人提出了基于稀疏重构的声源功率与位置估计方法(4NingChu，JoséPicheral，AliMohammad-djafari，NicolasGac.Arobustsuper-resolutionapproachwithsparsityconstraintinacousticimaging)。但以上方法仅仅利用了声源相互独立的先验信息，其缺点与传统声压阵处理相同，无法降低信噪比门限。时洁等人提出了基于压缩感知的矢量阵聚焦定位方法(5时洁，杨德森，时胜国，胡博，朱中锐.基于压缩感知的矢量阵聚焦定位方法.物理学报.2016,65(2):024302,1-11)，充分利用声源的空间稀疏性，构造了矢量阵近场定位的稀疏信号模型,利用l1范数正则法求解,实现了小快拍下的准确声源定位。尽管该技术利用矢量阵处理,克服了相干声源分辨困难,贡献评价不准确,实际应用中算法性能退化严重,计算结果依赖大快拍进行数据协方差估计,算法迭代处理计算量巨大等一系列复杂问题，但其仍是将声压振速视为独立通道进行处理，无法充分发挥声压—振速联合处理的优势。受到以上物理机理和处理方法的启发，本专利重点关注了声压振速互协方差矩阵的空间稀疏性，专利技术了一种基于互协方差矩阵的压缩感知波束形成方法，该方法可同时获得声源功率与方位估计结果。
技术实现思路
本专利技术目的在于充分利用矢量阵声压—振速联合处理的优势提供一种增强噪声抑制能力，实现对声源能量在稀疏空间的重构，可同时获得声源功率和方位估计结果的基于互协方差稀疏重构的声矢量阵方位估计方法。本专利技术的目的是这样实现的：(a)获得声矢量阵接收数据，在感兴趣的空间Θ中生成关于声源信号的矢量阵空域稀疏化表示。(b)在每一个方位角θk上，生成M×M维声压—振速互协方差矩阵R(p+vc)(θk)。(c)充分利用声压—振速联合处理中，信号和噪声之间的不相关性以及信号和信号之间，噪声与噪声之间的独立性，将互协方差矩阵中的Φ(vc)(θk)化为K×K维对角矩阵。(d)对M×M维互协方差矩阵R(p+vc)(θk)进行变形，生成新的M2×1维互协方差列向量(e)得到关于信号功率的稀疏表示。(f)利用已经获得的矢量阵互协方差列向量和超完备的GΦ(vc)(θk)来重构稀疏信号矩阵(g)遍历全部方位角θk(k＝1,2,...,K)，重复步骤(b)至(f)，得到每一个角度θk上的声源信号功率估计结果。(h)根据全部方位角的声源信号功率估计值，绘制方位谱图。(i)通过空间谱的谱峰位置和强度同时确定声源来波方位和功率相对大小。本专利技术的有益效果是：1)构造了新的声源信号稀疏表示形式，这种形式不同于以往将矢量阵中的振速通道仅仅看作和声压通道相同的标量进行处理，而是充分利用了声压—振速联合处理的优势，极大的提高了阵列信号处理的噪声抑制能力。2)利用矢量阵接收到的声源信息的空域压缩特性，使阵列信号处理不再是直接获得方位估计结果(即只能获得方位角的估计值)，而是可以同时获得声源方位和功率的联合估计结果。3)充分利用了矢量阵对左右舷模糊分辨能力，在稀疏重构后的空间谱中完全压制了模糊信息。4)在空间谱中自然表现出极高的空间高分辨性能，仅在声源所在方位变现出声源功率值，而在相邻方位上完全没有功率泄露。5)可以在小快拍数下仍获得理想的方位估计效果。附图说明图1为矢量阵稀疏信号示意图；图2为方位谱图对比结果；图3为功率估计误差随信噪比的变化曲线；图4为方位估计误差随信噪比的变化曲线。具体实施方式下面结合附图对本专利技术做进一步描述。该方法充分利用矢量阵声压振速联合处理优势，利用声源在空间方位上的稀疏性，通过构造新颖的声矢量阵互协方差向量的稀疏表示，有效增强声矢量阵方位估计性能。(a)获得声矢量阵接收数据，在感兴趣的空间Θ中生成关于声源信号的矢量阵空域稀疏化表示。考虑单个远场单频点声源信号入射到M元均匀二维声矢量线列阵上，阵元间距d一般选取为声波半波长(图1所示为矢量阵稀疏信号示意图)。生成多快拍下的矢量阵稀疏信号的矩阵形式如下：Y(p)＝AS+N(p)(1a)Y(vx)＝AΦ(vx)S+N(vx)(1b)Y(vy)＝AΦ(vy)S+N(vy)(1c)上式可展开表示为：其中，S为K×L维源信号矩阵，K为在空间Θ中的全部方位角数，L为快拍数，sk为对应于第k号来波方向的1×L维信号矢量；A为常规线列阵导向矢量矩阵，其中元素(m＝1,2,...,M，k＝1,2,...,K)为对应于第k号来波方向上的信号到达第m号阵元的导向矢量元素，d为阵元间距，f为声波频率，c为水中声速；上标(.)(p)、(.)(vx)和(.)(vy)分别表示对应于声压、x向振速和y向振速的变量、矢量或矩阵。Φ(vx)和Φ(vy)分别为对应于x向振速和y向振速通道的单位向量矩阵，均为K×K维对角矩阵。考虑背景噪声干扰，N(p)、N(vx)和N(vy)分别为M×L维声压、x向振速和y向振速通道噪声矩阵。和分别为第m号水听器的声压、x向振速和y向振速通道1×L维噪声数据矢量。Y(p)、Y(vx)和Y(vy)分别为M×L维声压、x向振速和y向本文档来自技高网...

【技术保护点】
一种基于互协方差稀疏重构的声矢量阵方位估计方法，其特征在于，该方法包括如下步骤：(a)获得声矢量阵接收数据，在感兴趣的空间Θ中生成关于声源信号的矢量阵空域稀疏化表示；(b)在每一个方位角θ

【技术特征摘要】
1.一种基于互协方差稀疏重构的声矢量阵方位估计方法，其特征在于，该方法包括如下步骤：(a)获得声矢量阵接收数据，在感兴趣的空间Θ中生成关于声源信号的矢量阵空域稀疏化表示；(b)在每一个方位角θk上，生成M×M维声压—振速互协方差矩阵R(p+vc)(θk)；(c)充分利用声压—振速联合处理中，信号和噪声之间的不相关性以及信号和信号之间，噪声与噪声之间的独立性，将互协方差矩阵中的Φ(vc)(θk)化为K×K维对角矩阵；(d)对M×M维互协...

【专利技术属性】
技术研发人员：时洁，杨德森，时胜国，张昊阳，朱中锐，李松，胡博，莫世奇，方尔正，张揽月，洪连进，李思纯，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23