基于压缩感知和约束随机线阵的声源方位估计

发布时间：2021-01-24 11:17

　　为解决声源方位估计中因阵元个数受限导致角度分辨率低的问题,提出以多约束均匀分布线性随机阵列为基础的随机线阵压缩感知（MC-Uni-RLA+CS）声源方位估计方法。研究了在不同信噪比、不同入射信号个数情况下本方法的识别精度,比较了均匀线阵压缩感知（ULA+CS）方法和MC-Uni-RLA+CS方法在不同入射角度范围内的识别精度。通过数值仿真与同类方法对比验证了该方法的有效性和优越性。结果表明:相同麦克风数量条件下,与CBF、MVDR、MUSIC和ULA+CS方法相比,MC-Uni-RLA+CS方法在低信噪比情况下分辨率更高,完全正确角度识别范围拓宽为[-50°,50°],且低噪比时鲁棒性好。 

【文章来源】：山东科技大学学报(自然科学版). 2020,39(05)北大核心

【文章页数】：9 页

【部分图文】：

阵元个数相同时，声阵列对应Gram矩阵

从图1可以看出，对于ULA，当阵元间距为0.5λ时，阵列孔径较小，L=3.5λ，Gram矩阵元素值较大，感知矩阵列相关性较强；而MC-Uni-RLA对应Gram矩阵元素取值均较小，在[-60°，60°]范围内低于0.3。说明MC-Uni-RLA感知矩阵列相关性小于ULA，对信号重构条件满足更好。2）阵列孔径大小相同

从图3中可以看出，当快拍数足够多（256）、信噪比较高（20dB）时，对于间隔为6°入射的信号，CBF角度分辨率最差，已经不能正确区分，MVDR次之，MUSIC算法、ULA+CS方法和MC-Uni-RLA+CS方法可以正确区分；当快拍数减少时，MVDR算法和MUSIC算法识别效果开始变差，当快拍数减少到一定程度时，二者完全不能识别入射角度，而ULA+CS方法和MC-Uni-RLA+CS方法还可以区分，说明使用CS算法对声源角度进行识别，可以不受快拍数减少的影响；当入射角度间隔减小到2°时，以均匀线阵为基础的ULA+CS方法失效，以采用的多约束随机线阵为基础的MC-Uni-RLA+CS方法可以正确识别声源入射角度；保持其他参数不变，将信噪比减小到SNR=10dB，依然可以正确识别。所提方法可以在低信噪比、少快拍数下实现更高的角度分辨率。2）误差随信噪比变化

【参考文献】：
期刊论文
[1]基于改进自适应遗传算法的阵列优化[J]. 黄超,张剑云,朱家兵.  火力与指挥控制. 2016(03)
[2]基于改进粒子群算法的稀布阵列优化设计[J]. 刘小忠,杨万麟,高昭昭.  微波学报. 2011(05)
[3]波束形成传声器阵列性能研究[J]. 褚志刚,杨洋,蒋忠翰.  传感技术学报. 2011(05)
[4]基于MVDR聚焦波束形成的辐射噪声源近场定位方法[J]. 时洁,杨德森,刘伯胜,宋海岩.  大连海事大学学报. 2008(03)
[5]利用GA实现非对称稀疏线阵旁瓣电平的优化[J]. 陈客松,何子述,韩春林.  电子与信息学报. 2007(04)



本文编号：2997150