一种基于模拟声场先验信息的声强稀疏测量高分辨率成像方法技术

本发明专利技术涉及一种基于模拟声场先验信息的声强稀疏测量高分辨率成像方法，首先，对目标声源元件进行结构噪声辐射分析，获取其模拟声强分布的可视化图像；随后提取模拟声场的先验信息包括：声强强点的位置、稀疏矩阵以及稀疏度K；再结合声强强点位置和混合高斯分布模型，完成声强测点的位置设计，并根据设计好的测点位置推导出观测矩阵的数学模型；最后基于稀疏矩阵、观测矩阵和贪婪算法所构成的压缩感知数据处理框架，对声强稀疏测量值进行算法重构，实现高分辨率成像。实现高分辨率成像。实现高分辨率成像。

【技术实现步骤摘要】
一种基于模拟声场先验信息的声强稀疏测量高分辨率成像方法


[0001]本专利技术涉及声强测量成像的
，特别是一种基于模拟声场先验信息的声强稀疏测量高分辨率成像方法。

技术介绍

[0002]声强测量成像技术以图像形式直观展示振动体外部的声强场能分布，主要应用于车辆动力系统和冰箱制冷系统等系统级产品的噪声源定位，特别地，包含声源细节信息的图像纹理特征还可用于系统的故障诊断，该方法便捷且辨识度高，但其面向小尺寸元件成像时还存在分辨率不足的问题。
[0003]声强成像的分辨率受限源于两个方面的问题：声强测量固有的系统误差和瑞利判据的影响。声强测量固有的系统误差包括：有限差分误差、相位匹配误差和近场误差。其中有限差分误差与相位匹配误差分别影响了声强测量的高频及低频精度，进一步限制了双声传感器的间距；近场误差认为面对多源相干声场，声强探头应与声源面的距离应大于3倍的双声传感器间距；瑞利判据则对声波信号的测试过程中声传感器应尽可能靠近测试对象，以捕捉近场消逝波成分，这种消逝波包含辐射声场的细节信息。由上述分析可知，声强成像的分辨率不足体现在两个方面：近场误差与瑞利判据的矛盾以及声强频带宽度的不足。
[0004]针对上述问题，可分别从两个方面入手解决：提高声场采集信号的信噪比和突破奈氏采样的束缚以拓展信号采样的频宽。压缩感知理论指出只要信号的稀疏或可压缩的，就能通过少量观测数据高概率恢复原始信号。压缩感知不仅能够有效提高采集信号的带宽，同时这种亚采样髙恢复的方法能够提高同种采样频率下的信噪比，从而使得重构信号突破瑞利分辨率的限制。

技术实现思路

[0005]有鉴于此，本专利技术将压缩感知理论与声强成像技术相结合提供一种基于模拟声场先验信息的声强稀疏测量高分辨率成像方法，解决原有声强成像技术无法满足振源密集型元件声源辨识精度问题。
[0006]本专利技术采用以下方案实现：一种基于模拟声场先验信息的声强稀疏测量高分辨率成像方法，包括以下步骤：
[0007]步骤S1：对目标声源元件进行结构噪声辐射分析，获取目标元件的模拟声场图像；
[0008]步骤S2：对步骤S1中获取的模拟声场图像进行稀疏表达，确定能够还原完整声场的稀疏表达矩阵及稀疏度；
[0009]步骤S3：根据模拟声场图像设计声强测点分布，并推导出对应观测矩阵数学式；
[0010]步骤S4：基于贪婪算法，分别输入步骤S2中确定的稀疏表达矩阵及稀疏度值，步骤S3中确定的观测矩阵，输出目标元件模拟声场的稀疏系数，进一步还原出模拟声场的可视化图像，用以实现目标元件声场稀疏测点信息的完整声场重构，确立压缩感知的算法框架；
[0011]步骤S5：基于步骤S4中所建立的压缩感知算法框架下，根据混合高斯分布的测点生成方法，进行随机测点的位置布置，并对各测点进行声强离散测量；采用压缩感知算法程序对稀疏离散测点数据进行后处理重构，最终实现声强稀疏测量的高分辨率成像。
[0012]进一步地，步骤S1中所述获取目标元件的模拟声场图像通过三个部分，分别为：目标元件内部激振信息的数值模拟、振动激励在结构体内部至壳体的传递和外表面质点振动引起的空气噪声辐射。
[0013]进一步地，所述步骤S3的具体内容为：
[0014]基于混合高斯分布模型设计声强测点分布：首先根据模拟声场图像中模拟声场目标区域的声强分布，提取声强高值区域中心点的位置坐标作为程序初始值；随后结合声强区域的大小，并设置与传统声强测量相同的测点数量；最后调用高斯混合模型生成随机测点，并完成测点绘制；
[0015]由声强稀疏测点位置向观测矩阵数学式的推导过程如下：
[0016]假设模拟声强的完整分布由21
×
21即441个数据点构成，将其二维声强分布数据用矩阵的形式进行表示如下，记为A；
[0017][0018]将矩阵A取每一列元素排成一维列向量为x＝[x0,x1,x2,x3,
…
,x437,x438,x439,x440]T；混合高斯分布的随机测点位置为100个，根据这些测点信息在矩阵A中的位置，同样取每一列逐个进行排列，假设随机测点向量y＝[x1,x2,x9,
…
,x433,x440]T；记观测矩阵为B＝(b1,b2,b3,
…
,b99,b100)T，则y＝Φx,即：x1＝Φ1x,x2＝Φ2x，x9＝Φ3x，
…
，x433＝Φ99x,x440＝Φ100x，由此推导出观测矩阵如下：
[0019][0020]与现有技术相比，本专利技术具有以下有益效果：
[0021]本专利技术大地减少了声强测量的工作量，有效提高了信噪比，降低对环境噪声的要求，同时拓展了声强测量频宽，其分辨率的提升将有助于对振源密集型元件级产品的声源辨识。
附图说明
[0022]图1为本专利技术实施例的方法流程图。
[0023]图2为本专利技术实施例的DCT冗余字典构造的程序流程图。
[0024]图3为本专利技术实施例的模拟声场与不同稀疏度的压缩还原声场，其中，图3(a)为模拟声场，图3(b)为稀疏度35的压缩还原声场图，图3(c)为稀疏度45的压缩还原声场图，图3
(d)为稀疏度55的压缩还原声场图。
[0025]图4为本专利技术实施例的基于混合高斯分布模型的声强测点设计流程图。
[0026]图5为本专利技术实施例的贪婪算法的流程图。
[0027]图6为本专利技术实施例的基于模拟声场先验信息的声强稀疏测量的实验方案。
[0028]图7为本专利技术实施例的应用于斜轴式轴向柱塞马达声强成像的结果示例图。
具体实施方式
[0029]下面结合附图及实施例对本专利技术做进一步说明。
[0030]应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。
[0031]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0032]本实施例提供一种基于模拟声场先验信息的声强稀疏测量高分辨率成像方法，包括以下步骤：
[0033]步骤S1：对目标声源元件进行结构噪声辐射分析，获取目标元件的模拟声场图像；
[0034]步骤S2：对步骤S1中获取的模拟声场图像进行稀疏表达，确定能够还原完整声场的稀疏表达矩阵及稀疏度；
[0035]步骤S3：根据模拟声场图像设计声强测点分布，并推导出对应观测矩阵数学式；
[0036]步骤S4：基于贪婪算法，分别输入步骤S2中确定的稀疏表达矩阵及稀疏度值，步骤S3中确定的观测矩阵，输出目标元件模拟声场的稀疏系数，进一步还原出模拟声场的可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模拟声场先验信息的声强稀疏测量高分辨率成像方法，其特征在于：包括以下步骤：步骤S1：对目标声源元件进行结构噪声辐射分析，获取目标元件的模拟声场图像；步骤S2：对步骤S1中获取的模拟声场图像进行稀疏表达，确定能够还原完整声场的稀疏表达矩阵及稀疏度；步骤S3：根据模拟声场图像设计声强测点分布，并推导出对应观测矩阵数学式；步骤S4：基于贪婪算法，分别输入步骤S2中确定的稀疏表达矩阵及稀疏度值，步骤S3中确定的观测矩阵，输出目标元件模拟声场的稀疏系数，进一步还原出模拟声场的可视化图像，用以实现目标元件声场稀疏测点信息的完整声场重构，确立压缩感知的算法框架；所述压缩感知的算法框架即为步骤S2、步骤S3确立的稀疏表达矩阵、稀疏度、观测矩阵数学式以及所述完整声场重构的过程；步骤S5：基于步骤S4中所建立的压缩感知算法框架下，根据混合高斯分布的测点生成方法，进行随机测点的位置布置，并对各测点进行声强离散测量；采用压缩感知算法程序对稀疏离散测点数据进行后处理重构，最终实现声强稀疏测量的高分辨率成像。2.根据权利要求1所述的一种基于模拟声场先验信息的声强稀疏测量高分辨率成像方法，其特征在于：步骤S1中所述获取目标元件的模拟声场图像通过三个部分，分别为：目标元件内部激振信息的数值模拟、振动激励在结构体内部至壳体的传递和外表面质点振动引起的空气噪声...

【专利技术属性】
技术研发人员：黄惠，李智超，吴干永，陈淑梅，贡青鸿，
申请(专利权)人：福州大学，
类型：发明
国别省市：