发明名称 基于蚁群优化的非均匀阵元噪声条件下近场声源定位方法
摘要 本发明涉及一种基于蚁群优化的非均匀阵元噪声条件下近场声源定位方法,属于阵列信号处理技术领域。本发明首先基于平面阵建立了近场声源信号模型,进而建立了空间非均匀噪声条件下待估声源方位和距离信息的最大似然估计问题,最后使用连续空间蚁群优化方法估计出声源参数,从而完成了空间非均匀噪声条件下对近场声源的定位。本发明方法估计精度较高,在低信噪比下声源方位和距离均方误差都小于常规最大似然方法,并且在高信噪比条件下声源方位和距离的均方误差都逼近克拉美-罗界,远优于常规最大似然方法。
申请公布号 CN103778288A 申请公布日期 2014.05.07
申请号 CN201410016858.7 申请日期 2014.01.15
申请人 河南科技大学 发明人 侯云山;翟红村;金勇;吴景艳;冀保峰;汤艳红;翟蒲杰
分类号 G06F17/50(2006.01)I;G06N3/00(2006.01)I 主分类号 G06F17/50(2006.01)I
代理机构 洛阳公信知识产权事务所(普通合伙) 41120 代理人 罗民健
主权项 1.基于蚁群优化的非均匀阵元噪声条件下近场声源定位方法,其特征在于:包括如下步骤:步骤一、建立近场声源阵列输出模型近场条件下到达阵列的信号波为球面波,设此时声源的位置坐标为<img file="817349DEST_PATH_IMAGE001.GIF" wi="289" he="24" />,<img file="609855DEST_PATH_IMAGE002.GIF" wi="21" he="17" />个阵元的位置矢量为<img file="389592DEST_PATH_IMAGE003.GIF" wi="21" he="22" />(<img file="660168DEST_PATH_IMAGE004.GIF" wi="74" he="20" />),于是,将声源到阵列的导向矢量表示为<img file="349906DEST_PATH_IMAGE005.GIF" wi="218" he="32" />,式中<img file="172369DEST_PATH_IMAGE006.GIF" wi="16" he="16" />表示信号载频,当存在<img file="314768DEST_PATH_IMAGE007.GIF" wi="14" he="18" />个近场声源时,阵列输出表示为<img file="513669DEST_PATH_IMAGE008.GIF" wi="76" he="21" />,式中,<img file="57913DEST_PATH_IMAGE009.GIF" wi="62" he="21" />为阵列<img file="51277DEST_PATH_IMAGE010.GIF" wi="18" he="18" />次采样的输出,<img file="805607DEST_PATH_IMAGE011.GIF" wi="109" he="25" />为阵列流型,<img file="417985DEST_PATH_IMAGE012.GIF" wi="56" he="21" />为<img file="941370DEST_PATH_IMAGE007.GIF" wi="14" he="18" />个未知确定性声源<img file="246580DEST_PATH_IMAGE010.GIF" wi="18" he="18" />次输出,<img file="488206DEST_PATH_IMAGE013.GIF" wi="62" he="21" />为空域非相关复高斯白噪声,其协方差阵为<img file="638696DEST_PATH_IMAGE014.GIF" wi="193" he="92" />;步骤二、建立待估参数的最大似然估计问题定义待估计参数矢量为<img file="282167DEST_PATH_IMAGE015.GIF" wi="105" he="32" />,式中<img file="492699DEST_PATH_IMAGE016.GIF" wi="154" he="24" />,<img file="96987DEST_PATH_IMAGE017.GIF" wi="136" he="24" />,<img file="175802DEST_PATH_IMAGE018.GIF" wi="97" he="28" />为由<img file="549145DEST_PATH_IMAGE019.GIF" wi="17" he="20" />的对角元素构成的矢量,则<img file="320792DEST_PATH_IMAGE020.GIF" wi="16" he="18" />的对数似然函数为<img file="146797DEST_PATH_IMAGE021.GIF" wi="194" he="42" />,式中<img file="29302DEST_PATH_IMAGE022.GIF" wi="184" he="100" />,则<img file="257152DEST_PATH_IMAGE020.GIF" wi="16" he="18" />的最大似然估计简化为<img file="199700DEST_PATH_IMAGE023.GIF" wi="101" he="33" />,声源参数<img file="513001DEST_PATH_IMAGE024.GIF" wi="17" he="18" />,<img file="933618DEST_PATH_IMAGE025.GIF" wi="14" he="18" />的最大似然估计为<img file="281554DEST_PATH_IMAGE026.GIF" wi="206" he="45" />,参数<img file="395004DEST_PATH_IMAGE024.GIF" wi="17" he="18" />,<img file="195601DEST_PATH_IMAGE019.GIF" wi="17" he="20" />的最大似然估计为<img file="295275DEST_PATH_IMAGE027.GIF" wi="165" he="36" />;步骤三、蚁群优化求解待估参数①、在<img file="356772DEST_PATH_IMAGE028.GIF" wi="17" he="17" />维的<img file="516489DEST_PATH_IMAGE016.GIF" wi="154" he="24" />搜索空间中随机生成<img file="804382DEST_PATH_IMAGE029.GIF" wi="22" he="22" />个蚂蚁,其中<img file="707747DEST_PATH_IMAGE030.GIF" wi="46" he="18" />,设第<img file="2014100168587100001DEST_PATH_IMAGE031.GIF" wi="9" he="17" />个蚂蚁<img file="764696DEST_PATH_IMAGE032.GIF" wi="14" he="22" />为<img file="954368DEST_PATH_IMAGE033.GIF" wi="228" he="24" />,式中,<img file="729558DEST_PATH_IMAGE034.GIF" wi="20" he="24" />代表第<img file="171034DEST_PATH_IMAGE031.GIF" wi="9" he="17" />个粒子在第<img file="472703DEST_PATH_IMAGE035.GIF" wi="16" he="18" />维上的位置;②、定义目标函数<img file="708643DEST_PATH_IMAGE036.GIF" wi="37" he="22" />为<img file="971128DEST_PATH_IMAGE027.GIF" wi="165" he="36" />,并使用初始的<img file="340930DEST_PATH_IMAGE029.GIF" wi="22" he="22" />个蚂蚁来构造档案表,各个蚂蚁按照<img file="83454DEST_PATH_IMAGE037.GIF" wi="157" he="25" />降序排列;所述档案表为<img file="755875DEST_PATH_IMAGE038.GIF" wi="255" he="150" />;③、对每个蚂蚁分<img file="364711DEST_PATH_IMAGE028.GIF" wi="17" he="17" />步来分别产生一个蚂蚁的各个分量,在第<img file="538203DEST_PATH_IMAGE035.GIF" wi="16" he="18" />步<img file="424251DEST_PATH_IMAGE039.GIF" wi="92" he="21" />以概率<img file="392207DEST_PATH_IMAGE040.GIF" wi="18" he="22" />选取一维高斯函数<img file="363705DEST_PATH_IMAGE041.GIF" wi="21" he="24" />并对其进行一次采样,其中<img file="75309DEST_PATH_IMAGE042.GIF" wi="89" he="44" />,<img file="815863DEST_PATH_IMAGE043.GIF" wi="81" he="22" />,式中<img file="954720DEST_PATH_IMAGE044.GIF" wi="176" he="46" />,<img file="413515DEST_PATH_IMAGE045.GIF" wi="54" he="21" />,第<img file="663230DEST_PATH_IMAGE046.GIF" wi="9" he="18" />个一维高斯函数<img file="523870DEST_PATH_IMAGE041.GIF" wi="21" he="24" />为<img file="DEST_PATH_IMAGE047.GIF" wi="202" he="46" />,它的均值<img file="708995DEST_PATH_IMAGE048.GIF" wi="22" he="24" />和方差<img file="779719DEST_PATH_IMAGE049.GIF" wi="22" he="24" />分别定义为<img file="833126DEST_PATH_IMAGE050.GIF" wi="49" he="24" />,<img file="548272DEST_PATH_IMAGE051.GIF" wi="112" he="50" />,式中<img file="28932DEST_PATH_IMAGE052.GIF" wi="36" he="20" />;④、计算新产生蚂蚁的目标函数值,如果它们中有一部分蚂蚁的目标函数值大于档案表中最下方的几个蚂蚁的目标函数值,则用这些新蚂蚁替换掉目标函数值小的旧解,并将档案表重新排序;⑤、记录下每次档案表更新后的第一行的蚂蚁,如果档案表更新若干次后,最后连续若干个档案表的第一行的蚂蚁的标准差小于某个预先给定的向量,则得到了一个最优解,这些档案表的第一行的蚂蚁的均值的各个分量即为所求<img file="196739DEST_PATH_IMAGE016.GIF" wi="154" he="24" />的估计值<img file="53837DEST_PATH_IMAGE053.GIF" wi="17" he="22" />,否则转向步骤③;⑥、根据所求得的<img file="623490DEST_PATH_IMAGE053.GIF" wi="17" he="22" />和假设的<img file="275051DEST_PATH_IMAGE054.GIF" wi="17" he="24" />的初值计算得到<img file="195733DEST_PATH_IMAGE025.GIF" wi="14" he="18" />的最小二乘估计<img file="590943DEST_PATH_IMAGE055.GIF" wi="32" he="25" />,再利用<img file="15102DEST_PATH_IMAGE053.GIF" wi="17" he="22" />、<img file="103144DEST_PATH_IMAGE055.GIF" wi="32" he="25" />修正<img file="245543DEST_PATH_IMAGE054.GIF" wi="17" he="24" />,重复计算直至<img file="444443DEST_PATH_IMAGE056.GIF" wi="16" he="22" />收敛。
地址 471000 河南省洛阳市涧西区西苑路48号