基于移动阵列的非同步测量声源定位研究

来源 :西安电子科技大学 | 被引量 : 0次 | 上传用户:labidax
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
声源定位包括利用传感器阵列测量声场中的声学量和利用反向传播算法重建声源在声场的分布图像。目前声源定位在工业生产、医疗、地质研究和军事等领域都有着广泛的应用。麦克风阵列信号接收作为声源定位过程的关键步骤,其对声源信号采样的质量直接影响着后续的声源定位准确性。根据采样定理,麦克风阵列接收信号频率的上限受到阵元间距影响,下限受到阵列大小影响。所以对于超出频率限制范围声源信号,麦克风对信号的采样质量会下降,进而降低了声源定位的准确性。但为了使声源定位算法适用于更大声源频率范围的定位,无限制的扩大单一麦克风阵列的规格,或忽略实体阵元大小地缩进阵元间距都是不现实不可行的。针对这一问题,论文采用非同步测量的声源采集方法,通过移动基础麦克风阵列在各预设的测量点处接收数据,结合矩阵补全算法实现阵列在各测量点处的虚拟联合和接收信号的虚拟同步。进而解决单一麦克风阵列大小和阵元间距对可定位声源频率范围的限制问题。同时,通过对现有的非同步测量声源定位算法进行研究后认为,一方面,常规波束形成声源成像分辨率和定位准确度受到麦克风阵列阵型影响,而非同步测量声源定位的虚拟麦克风阵列扩展中,测量点位置分布是决定扩展后阵型的一个重要元素;另一方面,互谱矩阵补全的模型和算法影响着各测量点接收数据联合与同步的准确程度,进而影响声源定位准确性。为了进一步优化非同步测量声源定位算法,论文针对上述两个方面展开研究。具体内容如下:(1)针对测量点位置优化问题,论文通过仿真对比实验探究了不同测量点分布对声源定位的影响,确定了测量点分布与声源成像分辨率间主要的联系与控制因素:峰值旁瓣电平。根据群优化算法中萤火虫算法的优化模型,提出了以测量点位置坐标为优化种群,峰值旁瓣电平为适应度函数的测量点位置优化算法。通过仿真实验,证明了所提出的测量点位置优化算法对声源成像中的旁瓣具有良好的抑制作用,同时对提升声源定位准确性和扩展声源定位频率范围具有有效性。(2)针对互谱矩阵补全模型的优化问题,非同步测量声源定位方向现有的矩阵补全模型使用了核范数近似互谱矩阵低秩性条件。核范数使得补全过程中互谱矩阵全部特征值的大小都受到极小化计算的削减,降低了互谱矩阵补全的准确性。为了更好的近似低秩性条件,论文提出了使用截断核范数取代核范数的互谱矩阵补全模型,该模型能够选择性的极小化非声源信号对应的互谱矩阵特征值,进而提升互谱矩阵补全的准确性。(3)针对互谱矩阵补全算法的优化问题,论文在截断核范数互谱矩阵补全模型的基础上,结合图像处理领域的纹理块矩阵、矩阵加权技术和最优化算法,提出了新的适用于非同步测量声源定位的互谱矩阵补全算法。通过仿真实验,证明了新提出的互谱矩阵补全算法在声源定位过程中对提升声源定位频率上限和声源定位准确度的有效性。
其他文献
随着科学信息技术的成熟发展,市场对通信的需求不断增加,为应对复杂多变的通信环境,通信系统中天线的数量也越来越多。可重构天线凭借其可在频率、方向图或极化等方面实现单参数或多参数的重构,使单一天线具备多个天线的功能从而减少天线数量、简化电磁环境而成为天线设计领域的研究热点。石墨烯作为一种新型的二维碳纳米材料,由碳原子在同一平面内以正六边形的形式排列构成。其独特的结构和性质,已经得到了许多领域研究者们的
随着人们生活水平的日益提高和生活节奏的加快,人们对省时省力和体验舒适的人工智能技术的需求越来越多,而基于计算机视觉的目标检测任务则是人工智能领域的重要组成部分,智慧城市、自动驾驶、电力巡检以及人脸解锁等应用都用到了目标检测技术。早期的基于深度学习的目标检测模型大多数都利用了先验框(anchor)来降低模型的学习难度,但由于超参数较多、检测器泛化能力受限,近几年,学者们开始重点研究基于anchor-
静态随机存储器(Static Random-Access Memory,SRAM),在便携式移动电子设备、可穿戴电子设备以及片上系统(Systems On Chip,SOC)等嵌入式产品中扮演了重要的角色。目前芯片制造工艺不断发展,嵌入式芯片的工作带宽、功耗、面积和速度等性能指标也日益严苛。Fin FET工艺逐渐取代传统平面CMOS工艺,成为了目前主流的先进芯片制造工艺。为了满足目前嵌入式芯片的设
极化码由土耳其毕尔肯大学的Ar(?)kan教授于2009年首次提出,是一种理论上被证明可达信道容量的编码方案。对于极化码的译码方案,有两种主流算法,连续删除(Successive Cancellation,SC)译码算法和置信传播(Belief Propagation,BP)译码算法,但是这两类算法都受限于译码性能与时延问题,不能满足下一代通信系统对高速率、低时延的要求,所以就需要探索一种译码新思
近年来,遥感技术的成熟和深度学习的发展为舰船智能化检测带来了新浪潮。舰船目标检测作为国防建设和海洋监测应用中关键环节而备受关注。然而,该研究仍然存在以下两个挑战:(1)现有合成孔径雷达数据集中,不同图像的舰船目标较小,常规方法容易受到复杂背景的干扰,严重影响舰船检测的准确率,即复杂背景舰船小目标检测问题;(2)现有光学遥感数据集中,同一幅图像中舰船目标在尺寸上差异大,在分布上密集,即多尺度高密集舰
随着信息化时代的到来,社会各领域出现了越来越多的智能化终端设备和交换节点,网络业务类型逐渐多样化,网络规模扩大化,这给网络交换技术带来了新的挑战。当前,卫星通信、智能汽车、远程控制、自动化工业等高科技领域对大规模业务传输提出了新的要求,采用CSMA/CD技术的传统以太网已经无法满足其对于实时性和可靠性的需求,而现有的TTE/TSN网络主要完成端口交换而不进行时间片的位移变换,因此必须采用集中路由规
高光谱图像分类旨在将高光谱图像中的所有像元分配至一组特定的类别中去,是高光谱图像处理领域最活跃的研究课题之一。同普通自然图像不同,高光谱图像较高的光谱维度,较高的空间变异性与光谱变异性,为高光谱图像分类任务带来挑战。卷积神经网络天然适合处理图像数据,且其在自然图像上的优异表现,很自然地被引入高光谱图像分类中。因此本文基于卷积神经网络设计高光谱图像分类框架。同时借鉴生物的视觉注意机制,为网络设计注意
量子信息学作为量子物理和信息科学交叉形成的一门新的学科,发展至今,在理论和实验上都已经取得了丰硕的成果。量子通信是量子信息科学的一个重要的分支,以量子态作为载体传输信息并且利用量子的独特的物理性质来保证通信的安全性和高效性。量子通信从起初的单光子通信到现在利用量子的纠缠特性进行通信,在不断的突破与进步。量子远程制备作为量子通信的主要研究内容,是实现量子远程通信、量子网络、量子计算的重要一环,在量子
随着集成电路的生产工艺不断进步,显示驱动芯片得以飞速发展。显示驱动芯片规模不断扩大,承担了更多的功能。显示驱动芯片结构复杂程度的不断上升,不仅会对芯片设计提出更高的要求,也会给芯片成品测试带来更多的挑战。现如今的消费电子市场芯片产品迭代周期不断缩短,为提高芯片的品质,降低芯片成本,减少芯片测试时间,可测试性设计逐渐占据了重要地位。可测试性设计主要方法是将芯片测试纳入芯片的设计规格中,通过在芯片中添
近年来,人工智能和集成电路领域的飞速发展对健康医学产生了深远的影响,机器学习可以利用病人大量的临床数据对其病情做精确地分析,智能计算机系统可以为卫生专业人员提供治疗方案。智慧医疗在电子信息、生物医学、数据分析等领域进行深度交叉融合,在引领未来医疗时代等方面具有重要意义。植入式生物医疗芯片作为智慧医疗的硬件载体,逐渐成为近年来的研究热点。植入式生物芯片需要植入生物体内获取被测者的生理参数,因此需要有