基于壓縮感知和約束隨機(jī)線陣的聲源方位估計(jì)
發(fā)布時間:2021-01-24 11:17
為解決聲源方位估計(jì)中因陣元個數(shù)受限導(dǎo)致角度分辨率低的問題,提出以多約束均勻分布線性隨機(jī)陣列為基礎(chǔ)的隨機(jī)線陣壓縮感知(MC-Uni-RLA+CS)聲源方位估計(jì)方法。研究了在不同信噪比、不同入射信號個數(shù)情況下本方法的識別精度,比較了均勻線陣壓縮感知(ULA+CS)方法和MC-Uni-RLA+CS方法在不同入射角度范圍內(nèi)的識別精度。通過數(shù)值仿真與同類方法對比驗(yàn)證了該方法的有效性和優(yōu)越性。結(jié)果表明:相同麥克風(fēng)數(shù)量條件下,與CBF、MVDR、MUSIC和ULA+CS方法相比,MC-Uni-RLA+CS方法在低信噪比情況下分辨率更高,完全正確角度識別范圍拓寬為[-50°,50°],且低噪比時魯棒性好。
【文章來源】:山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,39(05)北大核心
【文章頁數(shù)】:9 頁
【部分圖文】:
陣元個數(shù)相同時,聲陣列對應(yīng)Gram矩陣
從圖1可以看出,對于ULA,當(dāng)陣元間距為0.5λ時,陣列孔徑較小,L=3.5λ,Gram矩陣元素值較大,感知矩陣列相關(guān)性較強(qiáng);而MC-Uni-RLA對應(yīng)Gram矩陣元素取值均較小,在[-60°,60°]范圍內(nèi)低于0.3。說明MC-Uni-RLA感知矩陣列相關(guān)性小于ULA,對信號重構(gòu)條件滿足更好。2)陣列孔徑大小相同
從圖3中可以看出,當(dāng)快拍數(shù)足夠多(256)、信噪比較高(20dB)時,對于間隔為6°入射的信號,CBF角度分辨率最差,已經(jīng)不能正確區(qū)分,MVDR次之,MUSIC算法、ULA+CS方法和MC-Uni-RLA+CS方法可以正確區(qū)分;當(dāng)快拍數(shù)減少時,MVDR算法和MUSIC算法識別效果開始變差,當(dāng)快拍數(shù)減少到一定程度時,二者完全不能識別入射角度,而ULA+CS方法和MC-Uni-RLA+CS方法還可以區(qū)分,說明使用CS算法對聲源角度進(jìn)行識別,可以不受快拍數(shù)減少的影響;當(dāng)入射角度間隔減小到2°時,以均勻線陣為基礎(chǔ)的ULA+CS方法失效,以采用的多約束隨機(jī)線陣為基礎(chǔ)的MC-Uni-RLA+CS方法可以正確識別聲源入射角度;保持其他參數(shù)不變,將信噪比減小到SNR=10dB,依然可以正確識別。所提方法可以在低信噪比、少快拍數(shù)下實(shí)現(xiàn)更高的角度分辨率。2)誤差隨信噪比變化
【參考文獻(xiàn)】:
期刊論文
[1]基于改進(jìn)自適應(yīng)遺傳算法的陣列優(yōu)化[J]. 黃超,張劍云,朱家兵. 火力與指揮控制. 2016(03)
[2]基于改進(jìn)粒子群算法的稀布陣列優(yōu)化設(shè)計(jì)[J]. 劉小忠,楊萬麟,高昭昭. 微波學(xué)報(bào). 2011(05)
[3]波束形成傳聲器陣列性能研究[J]. 褚志剛,楊洋,蔣忠翰. 傳感技術(shù)學(xué)報(bào). 2011(05)
[4]基于MVDR聚焦波束形成的輻射噪聲源近場定位方法[J]. 時潔,楊德森,劉伯勝,宋海巖. 大連海事大學(xué)學(xué)報(bào). 2008(03)
[5]利用GA實(shí)現(xiàn)非對稱稀疏線陣旁瓣電平的優(yōu)化[J]. 陳客松,何子述,韓春林. 電子與信息學(xué)報(bào). 2007(04)
本文編號:2997150
【文章來源】:山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,39(05)北大核心
【文章頁數(shù)】:9 頁
【部分圖文】:
陣元個數(shù)相同時,聲陣列對應(yīng)Gram矩陣
從圖1可以看出,對于ULA,當(dāng)陣元間距為0.5λ時,陣列孔徑較小,L=3.5λ,Gram矩陣元素值較大,感知矩陣列相關(guān)性較強(qiáng);而MC-Uni-RLA對應(yīng)Gram矩陣元素取值均較小,在[-60°,60°]范圍內(nèi)低于0.3。說明MC-Uni-RLA感知矩陣列相關(guān)性小于ULA,對信號重構(gòu)條件滿足更好。2)陣列孔徑大小相同
從圖3中可以看出,當(dāng)快拍數(shù)足夠多(256)、信噪比較高(20dB)時,對于間隔為6°入射的信號,CBF角度分辨率最差,已經(jīng)不能正確區(qū)分,MVDR次之,MUSIC算法、ULA+CS方法和MC-Uni-RLA+CS方法可以正確區(qū)分;當(dāng)快拍數(shù)減少時,MVDR算法和MUSIC算法識別效果開始變差,當(dāng)快拍數(shù)減少到一定程度時,二者完全不能識別入射角度,而ULA+CS方法和MC-Uni-RLA+CS方法還可以區(qū)分,說明使用CS算法對聲源角度進(jìn)行識別,可以不受快拍數(shù)減少的影響;當(dāng)入射角度間隔減小到2°時,以均勻線陣為基礎(chǔ)的ULA+CS方法失效,以采用的多約束隨機(jī)線陣為基礎(chǔ)的MC-Uni-RLA+CS方法可以正確識別聲源入射角度;保持其他參數(shù)不變,將信噪比減小到SNR=10dB,依然可以正確識別。所提方法可以在低信噪比、少快拍數(shù)下實(shí)現(xiàn)更高的角度分辨率。2)誤差隨信噪比變化
【參考文獻(xiàn)】:
期刊論文
[1]基于改進(jìn)自適應(yīng)遺傳算法的陣列優(yōu)化[J]. 黃超,張劍云,朱家兵. 火力與指揮控制. 2016(03)
[2]基于改進(jìn)粒子群算法的稀布陣列優(yōu)化設(shè)計(jì)[J]. 劉小忠,楊萬麟,高昭昭. 微波學(xué)報(bào). 2011(05)
[3]波束形成傳聲器陣列性能研究[J]. 褚志剛,楊洋,蔣忠翰. 傳感技術(shù)學(xué)報(bào). 2011(05)
[4]基于MVDR聚焦波束形成的輻射噪聲源近場定位方法[J]. 時潔,楊德森,劉伯勝,宋海巖. 大連海事大學(xué)學(xué)報(bào). 2008(03)
[5]利用GA實(shí)現(xiàn)非對稱稀疏線陣旁瓣電平的優(yōu)化[J]. 陳客松,何子述,韓春林. 電子與信息學(xué)報(bào). 2007(04)
本文編號:2997150
本文鏈接:http://sikaile.net/kejilunwen/xinxigongchenglunwen/2997150.html
最近更新
教材專著