科研之友
微信
新浪微博
Facebook
分享链接
摘要
在对空气中未知的宽带声源的波达方向进行估计时，麦克风阵列的阵元间距很容易大于声信号半波长而出现栅瓣，严重影响估计效果。尽管多频带数据的使用在一定程度上可以抑制栅瓣产生，但目前的方法抑制效果比较一般而且计算效率不高。在稀疏贝叶斯学习基础上，提出了一种针对宽带声源方位估计的改进方法。这种方法将超先验引入到传统的多频稀疏贝叶斯估计模型中，然后同时利用声源信号在多个频带上具有的相同空间角度稀疏性并结合期望最大化算法重新推导了多频稀疏贝叶斯模型中各相关参数的迭代形式。与此同时，考虑到实际场景中的声源方位通常不位于稀疏网格上，离网格修复模型也被加入设计框架中，以解决该问题。为验证算法性能，开展了仿真实验和场地实验。结果表明，相比最近提出的基于l1最小化的多频压缩感知方法和宽带的多频稀疏贝叶斯学习方法，提出方法能更好的利用宽带声源的多频特性以降低栅瓣的干扰，同时具有更高的估计精度和计算速度。在现场实验中，改进方法表现了优于其他先进方法的栅瓣抑制能力，声源方位估计误差可达0.09°,所需迭代收敛步数相比MF-SBL减少约50%。
-
单位中国工程物理研究院总体工程研究所
