论文部分内容阅读
早期大部分声源识别方法的声源定位精度达不到要求。随着电子技术、数字信号处理技术和计算机技术的不断进步,声强测量、小波分析、波束形成和近场声全息（near-field acoustic holography,NAH）等识别噪声源的新技术逐渐形成并得到应用。NAH技术在临近声源的全息面上测量声场在空间的分布信息,根据声源面和全息面声学分量的空间变换理论建立数学模型,由全息面声压数据计算出重建面上质点的声压或法向振速分布情况,是一种有效的噪声源识别定位和声场可视化技术。针对平面近场声全息技术开展研究,并在此基础上得出求解基于空间傅里叶变换的平面近场声全息方法中质点法向振速和质点声压的数学模型。对影响重建精度的全息面和声源面间距离和全息面上测量数据点数两个关键因素进行研究。通过理论分析和数值仿真实验等手段,发现传统平面近场声全息（CPNAH）采用正则化和滤波的方法都不能克服重建过程中的不适定问题。为了解决不适定问题,提高声场重建精度并且减少数据采样量,从信号稀疏表示、测量矩阵及信号重构算法三个方面对压缩感知理论基本原理进行研究。其中,常用的测量矩阵观测值和信号稀疏度间的关系是影响信号重构的关键因素,因此针对不同稀疏度和测量矩阵观测值在不同的重建算法下进行理论分析和仿真验证,研究结果有助于进一步确定压缩测量数据并提高声场重建质量的研究方案。为解决CPNAH逆向重建过程存在的不适定问题,提高声场重建精度,提出一种基于平滑l0范数的压缩感知平面近场声全息（SL0-CS-PNAH）方法。根据全息面上测量声压不连续的特性,采用symlets8小波函数构建重建面质点法向振速的稀疏基。将Rayleigh第一积分公式进行离散化并结合全息面和重建面上的声场信息分布,确定SL0-CS-PNAH方法中符合有限等距性（Restricted Isometric Property,RIP）条件的测量矩阵并通过它对稀疏信号或可以稀疏表示的信号进行压缩采样。建立稀疏向量的最小l0范数数学模型,使用平滑l0范数算法在由全息面质点复声压、目标稀疏向量和感知矩阵组成的约束条件下,求解此模型下的最优化问题,并得出最优稀疏解,将其和稀疏基相乘得到重建面质点法向振速。对基于正交匹配追踪算法的压缩感知平面近场声全息（OMP-CS-PNAH）、SL0-CS-PNAH、CPNAH和基于子空间追踪算法的压缩感知平面近场声全息（SP-CS-PNAH）在相同采样率和压缩比条件下进行数值仿真实验,仿真结果表明SL0-CS-PNAH的重建精度更高。使用ADMP401 MEMS麦克风组成的线性阵列和TI公司的TMS320C6747数字信号处理器等搭建了一套全息数据采集处理平台。按照设定的扫描间距平行移动MEMS麦克风线阵并采集全息面上的声压数据,对数据进行快速傅里叶变换得到复声压数据格式矩阵,再通过单参考传递函数法对复声压矩阵进行预处理,获得最终经过校正的声压数据。将在MATLAB软件实现的SL0-CS-PNAH方法移植到TI Code Composer Studio集成开发环境,验证SL0-CS-PNAH算法在数字信号处理起（digital signal processor,DSP）上实现的有效性。