【技术实现步骤摘要】
一种基于Green函数修正的高分辨率声源定位方法
本专利技术涉及噪声源的识别和定位领域，具体涉及一种基于Green函数修正的高分辨率声源定位方法。
技术介绍
噪声源识别技术在机械设备故障诊断、环境噪声治理以及舰船、潜艇减振降噪，高铁、汽车NVH开发等方面有着广泛的应用，并逐步发展出了波束形成、近场声全息、反卷积声源成像等多种先进的噪声源识别技术。近年来，信号处理领域中压缩感知理论的出现为进一步提高噪声源识别精度与空间分辨率，并降低噪声源识别系统的硬件成本提供了理论保证和实现途径，籍此发展出了一些基于压缩感知理论中稀疏重构方法的新兴的噪声源识别技术，例如:基于压缩感知的波束形成算法，基于稀疏等效源和稀疏模态等效源法的近场声全息，基于正交匹配追踪的反卷积声源成像方法等等，这些方法都利用了实际中声源分布通常是空域的先验信息，通过稀疏重构算法求解带有稀疏约束的欠定方程组获得声源分布的稀疏解，实现声源分布的精确重构，从而进一步提高了声源识别的精度与分辨率，降低了测量所需的传感器数目和测量数据量。然而，无论是传统的还是新兴的噪声源识别技...
【技术保护点】
1.一种基于Green函数修正的高分辨率声源定位方法，其特征包括以下步骤：/n步骤1、在K个声源辐射形成的声场中布置M个传感器，从而形成测量面W；采集各传感器所检测到的声压数据p＝[p(r
【技术特征摘要】 【专利技术属性】
1.一种基于Green函数修正的高分辨率声源定位方法，其特征包括以下步骤：
步骤1、在K个声源辐射形成的声场中布置M个传感器，从而形成测量面W；采集各传感器所检测到的声压数据p＝[p(r1),p(r2),…p(rm)]，其中，rm表示测量面W上第m个测量点的坐标向量，p(rm)表示第m个测量点的声压数据；
步骤2、定义聚焦面T为离散化声源计算平面所形成的网格面；所述聚焦面T包含N个网格点，且每个网格点为聚焦点；
将每个聚焦点作为潜在声源点，从而利用式(1)构造声源源强列向量q：
q＝[q(r1),q(r2),...q(rn)](1)
式(1)中，rn表示聚焦面T上第n个聚焦点的坐标向量，n＝1,2,3,…N；
利用式(2)建立所述聚焦面T上各网格点与传感器阵列中各传感器之间的Green函数矩阵G：
式(2)中，gm(rn)为第n个聚焦点到第m个传感器之间的Green函数，且j为虚数单位，k表示声波波数，|rn-rm|为第n个聚焦点到第m个传感器之间的距离，m＝1,2,3，...，M；
步骤3、利用式(3)建立声源源强列向量q与传感器阵列声压测量值p之间的关系：
p＝Gq(3)
步骤4、通过稀疏重构算法对(3)式进行求解，获得所述聚焦面T上各网格点处的声源源强列向量，通过所述声源源强列向量中的源强大小确定所述聚焦面上声源的个数K及各声源的初步位置；
根据各声源的初步位置，从所述Green函数矩阵G中抽取相应的列，从而形成如式(4)所示的待修正的Green函数矩阵GK：
GK＝[g(rc1),(rc2),…,g(rcK)](4)
式(4)中，g(rcK)为第K个声源的初步位置到传感器阵列中各传感器的Green函数所组成的列向量，即g(rcK)＝[g1(rck),g2(rck),…,gm(rcK)]T；其中gm(rcK)为第K个声源的初步位置到第m个传感器的Green函数；
步骤5、对所述待修正的Green函数矩阵GK进行一阶泰勒展开，并结合坐标轮换迭代优化方法，从而估计出实际声源位置对应的修正后的Green函数矩阵Gt，从而在所述聚焦面T上网格点之间实现亚网格搜索，得到准确的声源位置。
2.根据权利要求1中所述的高分辨率声源定位方法，其特征在于：所述步骤5是按如下过程进行：
步骤5.1：利用式(5)所示的一阶泰勒展开方法，得到修正后的Green函数矩阵Gt：
式(5)中，ΔX，ΔY分别为由各声源在x、y方向的位置偏差所组成的对角矩阵，并有：
技术研发人员：徐亮，李子风，毕传兴，徐文，权璐纯，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽;34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。