本文介绍了如何利用压缩感知（CS）框架进行噪声声源位置估计，特别是针对平面信源的稀疏处理。通过建立观测模型和计算模型，讨论了数据采样处理和解算过程，包括前处理和使用OMP算法求解。在实际应用中，需要满足一定的传感器数量以确保定位精度。
基于CS框架的噪声声源位置估计
前言：CS框架即Compressed Sensing
CS框架的对象是稀疏分布的信号。下面举例如何将该问题转换为稀疏信号处理。
计算模型如下：
我们假设三个噪声源 S 1 , S 2 , S 3 S1,S2,S3 S1,S2,S3都处于同一平面。为了方便表示，我们将声源所在平面划分为N个网格： N = u 2 N=u^2 N=u2
为了简单描述，我们假设M个传感器所在的阵列位于该噪声平面平行的一个平面，相距距离为h。现在我们的任务就是通过设计的传感器阵列所接收到的M个信号来还还原信号的分布。
观测模型
1.首先对于点声源的声压场，我们假设第m个传感器的接收到的信号是（为了仿真，采用声场解析解表示）：
y m = ∑ n = 1 N x n e − e j k r m n 4 π r m n y_m=\displaystyle\sum_{n=1}^{N}\frac{
{x_n}e^{-ejkr_{mn}}}{4\pi{r_{mn}}} ym=n=1∑N4πrmnxne−ejkrmn ------------（1）
式子中 r m n r_{mn} rmn代表的是两个传感器间的距离，这个决定了时间延迟 δ t \delta{t} δt, k k k为波数, f f f即为设定的频率， x n x_n xn为上图第n个节点的声源强度。
2.对于M个传感器构成的线性阵列信号模型，我们知道有如下表达：
Y = A X + e Y=AX+e Y=AX+e--------------------------(2)
其中 Y = [ y 1 y 2 . . . . y M ] Y=\begin{bmatrix} y_1\\y_2\\..\\..\\y_M\end{bmatrix} Y=⎣⎢⎢⎢⎢⎡y1y2....yM⎦⎥⎥
最低0.47元/天 解锁文章
2697
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
