基于譜矩陣分解重構的波束形成聲源識別方法.pdf

1、傳聲器陣列波束形成聲源識別方法因測量簡單、計算速度快、中高頻分辨率高等優(yōu)勢而被廣泛應用于汽車、航天等領域的聲源識別中。為獲取更全面、精確的聲源識別結(jié)果，各種清晰化波束形成算法成為研究重點，其中又以反卷積算法為主。目前，對新興的譜矩陣分解重構清晰化方法的研究較為鮮見，本文針對兩種譜分解重構波束形成算法進行全面的研究與分析，并成功應用于某汽車前圍板隔聲薄弱部位的識別。
　　本文首先基于球面波假設，給出了互譜延時求和及互譜成像函數(shù)兩種傳

2、統(tǒng)波束形成算法的基本原理并簡要闡述了評價識別性能的主要指標?；谒惴ɡ碚摼帉懗绦虿⑦M行單聲源、多聲源的模擬仿真，分析結(jié)果表明：雖然兩種算法均能有效的識別不同類型的聲源，且頻率越高分辨率越好，但輸出的高旁瓣污染了成像圖，寬主瓣影響了識別精度。當存在低于最大旁瓣的弱聲源時，傳統(tǒng)波束形成方法因以上缺陷而無法識別弱源，使識別結(jié)果不全面。此，為克服傳統(tǒng)波束形成的缺陷，結(jié)合互譜延時求和、奇異值分解理論給出了奇異值分解波束形成算法?；诰帉懙乃惴ǔ绦?/p>

3、進行強、弱聲源的模擬仿真，結(jié)果表明：對中高頻率、不發(fā)生融合（間距大于不發(fā)生融合的最小距離）的不相干聲源，奇異值分解波束形成方法不僅能識別強聲源，更能突破旁瓣的限制準確的識別弱源。但該方法不能用于相干強弱源的識別，且不具備提高分辨率、降低旁瓣的能力。設計的不相干聲源的算例試驗驗證了仿真的正確性及實際應用中的效性。在奇異值分解思想基礎上，為使識別成像結(jié)果更清晰，給出了函數(shù)波束形成算法。進行的單聲源、多聲源的模擬仿真表明：在聚焦轉(zhuǎn)向向量等于聲

4、源傳播向量的理想情況下函數(shù)波束形成既有效的衰減了旁瓣又提高了分辨率，且指數(shù)越大清晰化效果越好。非理想情況下函數(shù)波束形成雖衰減旁瓣顯著，但主瓣峰值輸出卻出現(xiàn)失真，且指數(shù)越大失真越嚴重。根據(jù)大量的仿真結(jié)果給出了輸出誤差曲線，并建議指數(shù)參數(shù)取值為16?；诓幌喔伤穆曉磽P聲器算例試驗驗證了仿真模擬的正確性及其優(yōu)越的識別弱源的能力。最后，針對某汽車前圍板隔聲薄弱部位進行了識別試驗，基于函數(shù)波束形成方法準確的識別出空調(diào)進氣口這一隔聲薄弱部位，并通過