Page 119 - 应用声学2019年第2期

第 38 卷 第 2 期 吴江涛等： 基于 Group Lasso 的多重信号分类声源定位优化算法 265

0.5 1.0 0.5 1.0 0.5 1.0

0 0 0
0.5 0.5
0.5
-0.5 -0.5 -0.5
-0.5 0 0.5 -0.5 0 0.5 -0.5 0 0.5
(a) 200 Hz MUSIC ካข (c) 600 Hz MUSIC ካข (e) 1000 Hz MUSIC ካข

1.0 0.5
1.0 1.0

0
0.5
0.5 0.5

-0.5
-0.5 0 0.5 -0.5 0 0.5 -0.5 0 0.5
(b) 200 Hz వ஡ካข (d) 600 Hz వ஡ካข (f) 1000 Hz వ஡ካข

图 4 仿真 1 双声源 MUSIC 算法与本文算法效果对比图
Fig. 4 Dual source comparison of MUSIC algorithm in simulation 1 and algorithm in this paper

2.2.2 仿真2 图 5(c)中，当d = 0.7 m 时虚影值已超过声源值，对
在仿真 1 单声源参数保持不变情况下，分析 声源位置的判断造成了严重干扰，分辨率及聚焦
1000 Hz 固定频率下、扫描面与声源面不重合 (即 性能极差。经 Group Lasso MUSIC 算法优化后，如
d ̸= 0)时Group Lasso MUSIC算法优化效果。在多 图 5(b)、图 5(d) 所示，算法有效地抑制了虚影产生，
数实际测量中，无法准确获取阵列面到声源面距离， 并提高了聚焦性能及分辨率。

因此会存在误差，本文中误差量为 d。仿真 2旨在说
3 结论
明随着误差d的变化，本文算法的稳定性。
如图 5 所示，图 5(a)、图 5(c) 为 MUSIC 算法声
Group Lasso MUSIC算法将传统MUSIC算法
源定位效果图，图 5(a) 中，聚焦面边缘出现轻微虚
计算结果作为初始值，通过 Group Lasso 算法，经
影，说明在 d ̸= 0 情况下，MUSIC 算法效果变差。
组间稀疏、组内截断等处理，改进了 MUSIC 算法在
中低频时，声源定位分辨率低、聚焦性能差的缺点。
0.5 1.0 0.5 1.0
本文算法对于中低频环境单源和多源都有较好效
0 0 果，对扫描面与声源面不重合时 MUSIC 算法出现
0.5
0.5
的计算失真情况得到了有效控制。在低信噪比环境
-0.5 -0.5
-0.5 0 0.5 -0.5 0 0.5 下，本文算法能够对声源准确定位，稳定性与适应性
(a) d=0.4 m MUSICካข (c) d=0.7 m MUSICካข
较高。
0.5 1.0 0.5 1.0
参 考 文 献
0 0
0.5
0.5
[1] van Veen B D, Buckley K M. Beamforming: a versatile ap-
-0.5 -0.5
-0.5 0 0.5 -0.5 0 0.5 proach to spatial filtering[J]. IEEE ASSP Magazine, 1988,
(b) d=0.4 m వ஡ካข (d) d=0.7 m వ஡ካข 5(2): 4–24.
[2] 肖栋, 向阳, 卓瑞岩, 等. 基于波束形成的多类型多声源定位
图 5 仿真 2 MUSIC 算法与本文算法效果对比图
研究 [J]. 应用声学, 2017, 36(3): 220–227.
Fig. 5 Comparison of MUSIC algorithm in simu- Xiao Dong, Xiang Yang, Zhuo Ruiyan, et al. Local-
lation 2 and algorithm in this paper ization of multiple sound source with multi-type based