本文選題：反卷積聲源成像　切入點(diǎn)：點(diǎn)擴(kuò)展函數(shù)　出處：《合肥工業(yè)大學(xué)》2017年碩士論文

【摘要】：反卷積聲源成像是一種建立在互譜成像波束形成技術(shù)基礎(chǔ)上的高分辨率噪聲源識(shí)別與定位技術(shù)。其空間分辨率遠(yuǎn)高于常規(guī)波束形成技術(shù),因此反卷積聲源成像算法在噪聲治理和故障診斷工程中有著廣泛的應(yīng)用前景,值得進(jìn)一步研究。本文首先回顧了反卷積聲源成像技術(shù)的發(fā)展歷程,并對(duì)研究現(xiàn)狀和發(fā)展趨勢(shì)進(jìn)行了分析。分析發(fā)現(xiàn)已有的算法在性能優(yōu)勢(shì)和適用范圍上有所不同。為在實(shí)際工程應(yīng)用中合理選擇反卷積聲源成像算法,充分發(fā)揮各算法的性能優(yōu)勢(shì),通過(guò)數(shù)值仿真和實(shí)驗(yàn)對(duì)現(xiàn)有算法在不同頻率、不同測(cè)量距離、不同測(cè)量點(diǎn)位置和數(shù)目以及不同聚焦點(diǎn)數(shù)目情況下的空間分辨率和計(jì)算效率進(jìn)行了研究,得出了如下結(jié)論:稀疏重構(gòu)反卷積聲源成像算法的空間分辨率最高,但由于需要計(jì)算完整的點(diǎn)擴(kuò)展函數(shù)矩陣,因此算法的計(jì)算效率相對(duì)較低;而基于傅里葉變換的反卷積聲源成像算法計(jì)算效率較高,但由于其獲得的是最小二乘解,未利用解的稀疏先驗(yàn),加之傅里葉變換引入的卷繞誤差影響,其空間分辨率較之稀疏重構(gòu)反卷積聲源成像算法要低。論文根據(jù)上述結(jié)論給出了實(shí)際工程應(yīng)用中合理選擇反卷積聲源成像算法的指導(dǎo)意見(jiàn)。通過(guò)對(duì)以上結(jié)論進(jìn)行分析可以看出現(xiàn)有的六種反卷積聲源成像算法在空間分辨率或計(jì)算效率上的均存在一定的局限。為了能夠兼顧算法的空間分辨率和計(jì)算效率,本文在稀疏重構(gòu)反卷積聲源成像算法的基礎(chǔ)上利用點(diǎn)擴(kuò)展函數(shù)的近似平移不變性提出一種高分辨率快速反卷積聲源成像算法,通過(guò)仿真對(duì)比本文方法和現(xiàn)有反卷積聲源成像算法的聲源識(shí)別性能,進(jìn)一步利用半消聲室中兩個(gè)白噪聲聲源的識(shí)別實(shí)驗(yàn)驗(yàn)證了仿真結(jié)論的正確性,最后將本文所提方法用于某主機(jī)箱噪聲源的識(shí)別定位,進(jìn)一步驗(yàn)證了該方法的有效性和實(shí)用性,仿真和實(shí)驗(yàn)均表明本文提出的高分辨率快速反卷積聲源成像算法既具有類(lèi)似于稀疏重構(gòu)反卷積聲源成像算法的高空間分辨率,又具有遠(yuǎn)高于現(xiàn)有反卷積聲源成像算法的計(jì)算效率,非常適合于實(shí)際應(yīng)用。
[Abstract]:Deconvolution acoustic source imaging is a high resolution noise source recognition and location technique based on cross-spectral beamforming.Its spatial resolution is much higher than that of conventional beamforming technology. Therefore, deconvolution acoustic source imaging algorithm has a broad application prospect in noise control and fault diagnosis engineering, and deserves further study.In this paper, the development of deconvolution acoustic source imaging technology is reviewed, and the research status and development trend are analyzed.It is found that the existing algorithms have different performance advantages and applicable range.In order to reasonably select deconvolution sound source imaging algorithm in practical engineering application and give full play to the performance advantages of each algorithm, the existing algorithms are measured at different frequencies and different measuring distances through numerical simulation and experiments.The spatial resolution and computational efficiency of different positions and numbers of measurement points and different focal points are studied. The following conclusions are drawn: the spatial resolution of sparse reconstructed deconvolution source imaging algorithm is the highest.However, due to the need to compute the complete point spread function matrix, the computational efficiency of the algorithm is relatively low, while the computation efficiency of the deconvolution acoustic source imaging algorithm based on Fourier transform is higher, but the least square solution is obtained.The spatial resolution is lower than the sparse reconstruction deconvolution source imaging algorithm due to the influence of the sparse prior solution and the winding error introduced by Fourier transform.According to the above conclusions, the paper gives the guidance of how to select the deconvolution sound source imaging algorithm in practical engineering.By analyzing the above conclusions, we can see that there are some limitations in the spatial resolution or computational efficiency of the existing six deconvolution acoustic source imaging algorithms.In order to give consideration to the spatial resolution and computational efficiency of the algorithm, this paper proposes a high resolution fast deconvolution source imaging algorithm based on sparse reconstruction deconvolution source imaging algorithm using the approximate translation invariance of point spread function.Through the simulation and comparison of the methods in this paper and the existing deconvolution sound source imaging algorithms, the correctness of the simulation results is verified by using the recognition experiments of two white noise sources in the semi-anechoic chamber.Finally, the method proposed in this paper is used to identify and locate the noise source of a main case, which further verifies the effectiveness and practicability of the method.Simulation and experiments show that the high resolution fast deconvolution source imaging algorithm proposed in this paper has a high spatial resolution similar to that of sparse reconstructed deconvolution source imaging algorithm.Moreover, it is much more efficient than the existing deconvolution source imaging algorithm, so it is very suitable for practical application.
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TB53

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫圣和,鄭福春,彭喜源;消除等效取樣時(shí)基抖動(dòng)影響的反卷積方法[J];計(jì)量學(xué)報(bào);1989年02期

2 歐陽(yáng)羲同;;橫向反卷積在超聲檢測(cè)中的應(yīng)用[J];東南大學(xué)學(xué)報(bào);1989年02期

3 肖躍,崔一平;一種基于小波的光譜反卷積方法(英文)[J];Journal of Southeast University(English Edition);2003年01期

4 李孝文,曾小玲;實(shí)時(shí)反卷積的實(shí)現(xiàn)[J];計(jì)量學(xué)報(bào);1990年01期

5 文德智;李正宏;蔣世倫;;時(shí)幅連續(xù)信號(hào)數(shù)值反卷積方法及其應(yīng)用[J];原子能科學(xué)技術(shù);2008年05期

6 程良彥;宋振華;王志華;馬宏偉;;基于小波反卷積的沖擊力識(shí)別[J];暨南大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年05期

7 吳義芳,湯俊雄,趙奕平,鄭樂(lè)民;一種高分辨譜方法的建議——反卷積法[J];量子電子學(xué);1992年01期

8 楊梅;反卷積技術(shù)及其在工程中的應(yīng)用[J];成都電子機(jī)械高等專(zhuān)科學(xué)校學(xué)報(bào);1999年03期

9 沈曉安;;基于支持向量回歸機(jī)的反卷積技術(shù)[J];機(jī)床與液壓;2009年03期

10 王萬(wàn)樹(shù),孟衛(wèi)林;頻域數(shù)字反卷積新的迭代法[J];計(jì)量學(xué)報(bào);1988年02期

相關(guān)會(huì)議論文 前6條

1 吳新星;李明;李目海;單佩韋;;網(wǎng)絡(luò)微積分中最小加反卷積的研究[A];2008'中國(guó)信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（一）[C];2008年

2 盧少平;;基于盲反卷積的圖像上采樣算法[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

3 李棟棟;郭學(xué)彬;瞿安連;徐濤;;應(yīng)用三維熒光反卷積顯微技術(shù)觀察活體細(xì)胞[A];中國(guó)生理學(xué)會(huì)第21屆全國(guó)代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2002年

4 熊俊;李棟棟;瞿安連;;活體細(xì)胞四維圖像科學(xué)可視化方法的研究[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

5 蘇兆鋒;楊海亮;孫劍鋒;叢培天;王亮平;;“強(qiáng)光一號(hào)”加速器能譜測(cè)量實(shí)驗(yàn)中的波形還原問(wèn)題初探[A];第十二屆反應(yīng)堆數(shù)值計(jì)算與粒子輸運(yùn)學(xué)術(shù)會(huì)議論文集[C];2008年

6 李育杉;戴憲華;劉軍;;一種時(shí)變MIMO系統(tǒng)盲反卷積模型[A];第十屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

相關(guān)博士學(xué)位論文 前2條

1 孫小君;最優(yōu)和自校正多傳感器信息融合白噪聲反卷積估值器[D];黑龍江大學(xué);2010年

2 婁帥;多尺度變換域圖像反卷積理論研究[D];哈爾濱工業(yè)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 李鶴;利用反卷積提高布里淵光纖傳感系統(tǒng)空間分辨率的研究[D];哈爾濱工業(yè)大學(xué);2015年

2 孫世豹;基于傳遞函數(shù)評(píng)價(jià)的共焦顯微圖像反卷積降噪處理算法研究[D];哈爾濱工業(yè)大學(xué);2015年

3 馬威鋒;CLAD反卷積方法中噪聲抑制效應(yīng)的探究[D];南方醫(yī)科大學(xué);2015年

4 鄒岸;聽(tīng)覺(jué)誘發(fā)電位的一種刺激序列優(yōu)化技術(shù)及反卷積方法[D];南方醫(yī)科大學(xué);2015年

5 袁雪寒;基于反卷積網(wǎng)絡(luò)的圖像模式學(xué)習(xí)及應(yīng)用[D];華南理工大學(xué);2016年

6 陶姣;基于半盲反卷積源分離的胎兒心電信號(hào)提取研究[D];重慶大學(xué);2016年

7 孟良;高分辨率快速反卷積聲源成像技術(shù)研究[D];合肥工業(yè)大學(xué);2017年

8 蔡曉燕;醫(yī)學(xué)超聲信號(hào)反卷積研究[D];東南大學(xué);2006年

9 陳揚(yáng)鈦;反卷積網(wǎng)絡(luò)圖像表述與復(fù)原[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

10 郭淑貞;基于高階譜和小波分析的超聲醫(yī)學(xué)圖像反卷積研究[D];東南大學(xué);2005年

，

本文編號(hào)：1729774