【技术实现步骤摘要】
本专利技术涉及用于压缩等效源法的传感器阵列设计方法，更具体地说是用于稀疏声场重建的传感器阵列设计方法。
技术介绍
1、近场声全息技术可以使用空间傅里叶变换、边界元法、等效源法以及球面波、平面波叠加实现全息面声学量到声源表面和声场空间任意声学量的变换，进而能够实现声源识别和声场可视化，可以为机电设备的低噪声设计提供有力支撑。其中，等效源法被认为是近场声全息技术发展中的一项重大成果。该方法通过在声源内部布置一系列的等效点源来描述声源，进而能够实现任意形状声源的声场重建。为精确描述声源，通常需要布置较多数量的等效点源。然而，若要获得唯一的等效点源源强，就需要传感器的数量不少于等效点源的数量，这无疑会增加测量成本。另外，等效源法还要受到空间采样定理的限制，即在一个波长范围内需要布置至少两个传感器。不难发现，测量的成本会随着分析频率的增加而增加。在实际工程中，当声源是由变压器放电、舱内流体泄露所致时，会具有明显的空间分布稀疏性。当使用等效源法时，可通过使用较少数量的等效点源实现对这类声源的表达。此时可认为等效点源源强具有稀疏性，这为将压缩感知引入到等效源法中提供了可能。e.fernandez-grande等在j.acoust.soc.am.141(2017),532-542提出了压缩等效源法。该方法通过最小化l1问题促进等效点源源强的稀疏性。随后，xu等和yu等分别在appl.acoust,129(2018)386-396和mech.syst.signal.pr.149(2021)107220使用迭代收缩阈值法和交替方向乘子法来实现最小化
技术实现思路
1、本专利技术是为避免上述现有方法所存在的不足，提供用于压缩等效源法的传感器阵列设计方法，适用于空间分布稀疏型声源的声场重建，能够在突破空间采样定律限制的条件下实现精确的声场重建。
2、本专利技术解决技术问题所采用的技术方案是：
3、本专利技术用于稀疏声场重建的传感器阵列设计方法的特点是：首先通过布置离散化的全息面和等效点源面获得等效点源模型；进一步引入对应传感器阵列阵元布置的采样矩阵，获得欠采样条件下的等效点源模型的感知矩阵并定义其相关性约束；构建传感器阵列设计的技术路线，通过监测去除感知矩阵各行时的相关性约束，寻找满足相关性约束最小的行去除决断，进而获得相关性较小的感知矩阵及传感器阵列的设计方案；利用所设计的传感器阵列测量声场，并将所测数据带入到压缩等效源法中，获得重建面的声场重建结果。
4、本专利技术用于稀疏声场重建的传感器阵列设计方法的特点是如下步骤进行：
5、步骤a、通过布置离散化的全息面和等效点源面获得等效点源模型；进一步引入对应传感器阵列阵元布置的采样矩阵，获得欠采样等效点源模型的感知矩阵并定义其相关性约束，其过程为：
6、将全息面和等效点源面的离散点数分别记为m和n，m≥n，等效点源模型如式(1)：
7、
8、式(1)中：
9、以i表示声场所包含的频率个数，以i表示频率序号，i＝1,2,...,i；
10、表示频率为fi时的全息面声压向量，其维度为m×1；
11、ghp(fi)表示频率为fi时的从等效点源面到全息面的声压传递矩阵，其维度为m×n；
12、q(fi)表示频率为fi时的等效点源源强向量，其维度为n×1；
13、利用式(1)，获得使用m个传感器时的欠采样等效点源模型如式(2)：
14、
15、式(2)中：
16、s表示对应传感器阵列阵元布置的采样矩阵，其维度为m×m，且m<m；
17、表示频率为fi时全息面上m个传感器处的声压所构成的向量，其维度为m×1；
18、利用式(2)，进一步获得式(3)：
19、
20、式(3)中：
21、表示对所有进行加和；
22、ki表示维度为m×n的感知矩阵，且
23、δj表示维度为m×1的误差向量，且
24、j表示1到i中的任意一个自然数；
25、定义感知矩阵ki的平均相关性μ(ki)的约束条件，如式(4)：
26、
27、式(4)中：
28、表示预先设定的μ(ki)的下界，如式(5)：
29、
30、式(5)中：
31、表示从ki的n个列中任选两列所有可能的组合数；
32、符号“h”表示取共轭转置运算；
33、a和b分别表示1到n中的任意一个自然数；
34、ka和kb分别表示ki的第a列和第b列；
35、步骤b、构建传感器阵列设计的技术路线，通过监测去除感知矩阵各行时的相关性约束，寻找满足相关性约束最小的行去除决断，进而获得相关性较小的感知矩阵及传感器阵列的设计方案，其过程为：
36、构建传感器阵列设计的递归式技术路线如式(6)：
37、
38、式(6)中：
39、符号表示“包含于”；
40、利用式(5)，最小化矩阵gi的平均相关性的下界如式(7)：
41、
42、利用式(7)，按照式(8)和式(9)进行初始化：
43、
44、a＝0 (9)
45、式(8)和式(9)中：
46、表示初始化矩阵，其维度为α×ν；
47、a表示维度为1×α的向量，且a＝[a1,a2,...,aξ,...,aα]，ξ表示1到α的任意一个自然数；
48、定义维度为α×ν，且第ξ行元素为0的矩阵bξ，按式(10)进行运算：
49、
50、式(10)中：
51、符号“⊙”表示计算hadamard乘积；
52、表示按计算得到的矩阵的平均相关性的下界；
53、通过将式(10)循环运算α次，从而对a中所有元素本文档来自技高网...
【技术保护点】
1.用于稀疏声场重建的传感器阵列设计方法，其特征是：首先通过布置离散化的全息面和等效点源面获得等效点源模型；进一步引入对应传感器阵列阵元布置的采样矩阵，获得欠采样条件下的等效点源模型的感知矩阵并定义其相关性约束；构建传感器阵列设计的技术路线，通过监测去除感知矩阵各行时的相关性约束，寻找满足相关性约束最小的行去除决断，进而获得相关性较小的感知矩阵及传感器阵列的设计方案；利用所设计的传感器阵列测量声场，并将所测数据带入到压缩等效源法中，获得重建面的声场重建结果。
2.根据权利要求1所述的用于稀疏声场重建的传感器阵列设计方法，其特征是按如下步骤进行：
3.根据权利要求1所述的用于稀疏声场重建的传感器阵列设计方法，其特征是：所述设计方法适用于空间分布稀疏型声源的声场重建。
4.根据权利要求1所述的用于稀疏声场重建的传感器阵列设计方法，其特征是：所述设计方法能够在突破空间采样定律限制的条件下实现精确的声场重建。
【技术特征摘要】
1.用于稀疏声场重建的传感器阵列设计方法，其特征是：首先通过布置离散化的全息面和等效点源面获得等效点源模型；进一步引入对应传感器阵列阵元布置的采样矩阵，获得欠采样条件下的等效点源模型的感知矩阵并定义其相关性约束；构建传感器阵列设计的技术路线，通过监测去除感知矩阵各行时的相关性约束，寻找满足相关性约束最小的行去除决断，进而获得相关性较小的感知矩阵及传感器阵列的设计方案；利用所设计的传感器阵列测量声场，并将所测数据带入到压缩...
【专利技术属性】
技术研发人员：毕传兴，沈洋，童为政，范羽飞，黄哲科，张小正，张永斌，徐滢，
申请(专利权)人：合肥工业大学，
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。