专利类型：发明专利
语 言：中文
申 请 号：CN201811440077.5
申 请 日：20181129
发 明 人：褚志刚周其祥沈林邦吴桂娇杨洋
申 请 人：重庆大学
申请人地址：400044 重庆市沙坪坝区沙正街174号
公 开 日：20190215
公 开 号：CN201811440077.5
代 理 人：唐开平
代理机构：重庆大学专利中心 50201
摘 要：本发明公开了一种快速迭代收缩波束形成声源识别方法，它包括以下步骤：步骤1、构建差函数；步骤2、将![]()
进行傅里叶变换后求结果误差最小，由差函数中非负最小二乘问题转变成基于傅里叶变化的最小化式；步骤3、通过迭代求解![]()
，Q为经过傅里叶变化声源分布向量。与现有声源识别方法相比，本发明的计算效率更高，收敛性更好，收敛速度更快，声源识别综合性能更佳。
主 权 项：1.一种快速迭代收缩波束形成声源识别方法，其特征是，包括以下步骤：步骤1、构建差函数在阵列点传播函数、声源分布、传统波束形成输出结果之间构建差函数![]()
差函数![]()
式为：![]()
式中，‖·‖2代表2范数，A＝[psf(r|r′)]为N×N维已知阵列点传播函数矩阵，N为聚焦网格点数目，N＝Nr×Nc，Nr和Nc分别为网格点行数和列数；q＝[q(r′)]，为N维未知列向量，q表示声源分布，且q(r′)≥0；r′为声源坐标向量，b＝[b(r)]为N维已知列向量，b表示波束形成的输出结果；步骤2、将Aq?b进行傅里叶变换后求结果误差最小，由差函数中非负最小二乘问题转变成基于傅里叶变化的最小化式：![]()
式中，‖·‖Fro代表Frobenius范数；"F"和"F?1"为傅里叶正变换和逆变换；Ql为ql的元素组成的Nr行Nc列的矩阵，ql表示第l次迭代的声压贡献；A为阵列点传播函数矩阵，![]()
为A第1列元素形成的矩阵，B为傅里叶变化后波束形成输出结果向量；步骤3、通过迭代求解Q，Q为经过傅里叶变化声源分布向量给定一个初始矩阵Q0＝0，令Y1＝Q0，t1＝1，迭代过程如下：第一步、![]()
第二步、![]()
第三步、![]()
以上三步为一个循环，将Yl+1代入第一步求得Ql+1进入下一次循环，如此反复迭代直到满足程序所设迭代次数的限制条件要求；上式中，Р+表示在非负象限的欧几里得投影，tl第l次迭代步长；![]()
"(·)○(·)"表示Hadamard幂运算，"○"表示Hadamard积运算；n表示权重系数，j表示变量，![]()
表示从n个不同元素选取j个元素的组合；L为Lipschitz常数。
关 键 词：
法律状态：公开
IPC专利分类号：G01S5/18;G01S5/00;G06F17/14;G06F17/00;G;G01;G06;G01S;G06F;G01S5;G06F17;G01S5/18;G01S5/00;G06F17/14;G06F17/00
