【技术实现步骤摘要】
本专利技术涉及声阵列信号处理、优化算法，具体指一种基于遗传算法的平面同心圆麦克风阵列优化方法。
技术介绍
1、声源定位技术是现代科学中一个备受关注的研究领域，它在各种应用中都具有广泛的用途。声源定位的关键问题是确定声源在三维空间中的精确位置，这对于导航、监控、通信和多个其他领域都具有巨大的潜力。在声源定位系统中，麦克风阵列是核心组成部分。麦克风的数量、位置和特性直接影响声源定位的准确性。因此，为了提高系统性能，寻找最佳的麦克风阵列结构成为一个具有挑战性的问题。现有的研究已经在不同应用环境下提出了各种麦克风阵列设计。然而，随着应用需求的多样化和复杂性的增加，传统的手动设计方法已经不再满足需求。
技术实现思路
1、本专利技术为了克服现有研究的不足，提供了一种基于遗传算法的平面同心圆麦克风阵列优化方法，旨在解决现有平面同心圆麦克风阵列优化方法在特定定位场景下定位效果不佳以及麦克风数量过高的问题，实现特定定位场景下平面同心圆麦克风阵列的全局最优化，在保证其定位性能的情况下大幅减少麦克风的数量，同时提高了空间分辨率。
2、为了解决上述技术问题，本专利技术的技术方案为：
3、一种基于遗传算法的平面同心圆麦克风阵列优化方法，包括以下步骤：
4、步骤1:确定待优化的平面同心圆阵列。
5、步骤2:计算每个麦克风的坐标。
6、步骤3:对每个麦克风的坐标进行编码，使其作为遗传算法的初始化输入。
7、step1:创建一个决策变量向量，
8、step2:对于每个麦克风的位置，将其对应的决策变量设置为一个正整数(通常为1)，表示选择该麦克风。
9、step3:对于不需要的麦克风位置，将其对应的决策变量设置为零，表示不选择该麦克风。
10、步骤4:计算麦克风阵列的空间相关矩阵。
11、step1:计算麦克风之间的距离矩阵dismic,第i个麦克风和第j个麦克风之间的距离为dismic(i,j)。
12、step2:计算信号传播的时间延迟τ，第i个麦克风到第j个麦克风之间的延迟为τ(i,j)。
13、
14、其中fs为采样频率，c为声速，m为麦克风的总个数。
15、step3:计算空间相关函数rnn。对于每个频率点fbin,使用sinc函数来计算空间相关函数:
16、
17、其中rnnbin表示每个频点处的空间相关函数，fs为采样频率，fftlen为傅里叶变换长度。
18、step4:将step3中计算得到的空间相关函数整合成空间相关函数。
19、步骤5:对麦克风阵列信号进行波束形成。
20、step1:设定波束形成的具体目标方位角，目标方位角指的是声源相对一个参考方向的角度位置，设定目标方位角是为了分析麦克风阵列在不同方向上的性能，本专利技术在四个方向上对麦克风阵列进行波束形成，用于分析其性能。
21、step2:计算导向向量和权向量,导向向量是与信号传播方向相关的向量，用于表示信号在不同传播方向上的相位关系用strvec表示，权向量是一组权重值，用于对每个麦克风的信号进行加权处理，以实现特定方向上的波束形成用w表示。
22、导向向量的长度和麦克风的总数量m相同，其中的每个元素表示一个麦克风与信号源之间的相位差，其计算方法为:
23、
24、其中θ表示目标方位角，f表示信号的频率，τi(θ)(i＝1,2,…,m)表示信号的传播时延，在步骤4step2中已经计算得出。
25、权向量的计算公式为：
26、
27、其中a(θ)表示导向向量，rnn为阵列的空间相关矩阵，均在上述步骤中计算得出。
28、step3:计算计算扫描方向下的导向向量。扫描方向指的是空间中不同的方向上的观测点，表示声源可能出现的方位角范围，通过在这些方向上进行观测，可以获得在不同方向上的波束形成响应。扫描方向下的导向向量用表示，其计算方法与导向向量类似:
29、
30、其中表示扫描范围内的方位角，f表示信号的频率，表示信号的传播时延。
31、step4:计算波束形成响应。波束形成响应是根据权向量和输入信号计算的，表示阵列对特定方向上信号的响应。它可以通过以下公式计算:
32、
33、其中表示扫描方向下的导向向量，w为权向量。
34、在响应中加上常数50，这是为了将响应值映射到更为明显的尺度上，相当于将响应值加上50分贝作为参考功率作为参考功率，以便后续分析和理解波束形成的结果。
35、步骤6:将波束形成得到的响应值beamformingresponse用于目标函数的计算。
36、step1:计算主瓣增益。主瓣增益表示波束形成响应中主瓣的峰值增益，通常是波束形成响应的最大值。可以用以下公式表示:
37、mainlobegain＝max(beamformingresponse) (7)
38、step2:计算主瓣带宽。主瓣带宽表示主瓣的宽度，可以通过以下步骤计算:
39、1)通过差分滤波器提升波束形成响应的边缘，以凸显主瓣的边缘。差分滤波器是一种用于检测信号变化的工具。在这里，使用差分滤波器来突出波束形成响应的边缘。
40、2)找到主瓣边缘的位置，即找到波束形成响应中首次下降到零的位置来实现
41、step3:计算旁瓣增益。旁瓣增益表示主瓣以外的方向上的峰值增益，通常是波束形成响应的次大值。这可以用以下公式表示：
42、sidelobegain＝max(beamformingresponse)(除主瓣之外的地方) (8)
43、其中sidelobegain表示旁瓣增益，在除除主瓣之外的地方寻找最大峰值，即为旁瓣增益。
44、步骤7:构建目标函数。目标函数综合考虑了主瓣增益、主瓣带宽和旁瓣增益等因素，这些主要指标的计算上面步骤已经给出，在优化的过程中，需要更大的主瓣增益，更小的主瓣带宽和旁瓣增益，这是提高麦克风阵列分辨率和其它性能的关键，则目标函数可以表达为以下形式:
45、
46、这个目标函数的计算方式旨在最大化主瓣增益、最小化主瓣带宽，并将旁瓣增益与主瓣增益相比较，以达到优化波束形成性能的目的。具体优化过程中还需要融入麦克风数量的影响，将刚才计算得出的目标函数记作y，则最终目标函数的形式为：
47、
48、其中α为比例系数，取值范围为α∈(0,1),m为麦克风的总数量。
49、步骤8:遗传算法参数设定。遗产操作采用matlab中的ga函数实现。
50、步骤9:融入模拟退火算法。
51、step1:定义模拟退火算法的初始温度和终止温度：首先，需要为模拟退火算法选择一个合适的初始本文档来自技高网...
【技术保护点】
1.一种基于遗传算法的平面同心圆麦克风阵列优化方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于遗传算法的平面同心圆麦克风阵列优化方法，其特征在于，所述步骤S1的具体方法为：
3.根据权利要求1所述的基于遗传算法的平面同心圆麦克风阵列优化方法，其特征在于，所述步骤S2的具体方法为：
4.根据权利要求3所述的基于遗传算法的平面同心圆麦克风阵列优化方法，其特征在于，所述步骤S3的编码方法为：
5.根据权利要求1所述的基于遗传算法的平面同心圆麦克风阵列优化方法，其特征在于，所述步骤S4中，麦克风阵列的空间相关矩阵的计算方法为：
6.根据权利要求1所述的基于遗传算法的平面同心圆麦克风阵列优化方法，其特征在于，所述步骤S5的具体方法为：
7.根据权利要求1所述的基于遗传算法的平面同心圆麦克风阵列优化方法，其特征在于，所述遗传算法的参数设定包括：
8.根据权利要求1所述的基于遗传算法的平面同心圆麦克风阵列优化方法，其特征在于，所述步骤S8的具体方法为：
【技术特征摘要】
1.一种基于遗传算法的平面同心圆麦克风阵列优化方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于遗传算法的平面同心圆麦克风阵列优化方法，其特征在于，所述步骤s1的具体方法为：
3.根据权利要求1所述的基于遗传算法的平面同心圆麦克风阵列优化方法，其特征在于，所述步骤s2的具体方法为：
4.根据权利要求3所述的基于遗传算法的平面同心圆麦克风阵列优化方法，其特征在于，所述步骤s3的编码方法为：
5.根据权利要求1所述...
【专利技术属性】
技术研发人员：席旭刚，王晨，李文国，金燕，孟明，汪婷，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：
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。