[發明專利]基于多輸出支持向量回歸機的近場聲源參數估計方法

有效

• 申請號: 201810977747.0
• 申請日: 2018-08-27
• 公開（公告）號: CN109100679B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 王桂寶;王新寬;王蘭美;廖桂生;張社民;孫長征
• 申請（專利權）人: 陜西理工大學;西安電子科技大學
• 主分類號: G01S3/78
• 分類號: G01S3/78
• 代理公司: 暫無信息
• 代理人: 暫無信息

基于多輸出支持向量回歸機的近場聲源參數估計方法，均勻對稱陣列接收K個窄帶、非高斯、平穩近場聲源信號在訓練區間中產生的W組接收數據，每一組接收數據利用陣列對稱位置上接收數據作協方差之后得到相對應的協方差矩陣，對數據協方差矩陣進行矩陣運算和歸一化處理可得訓練數據的特征向量矩陣H；根據H和信號源訓練得到多輸出支持向量最優回歸參數；將H和測試數據特征矢量帶入高斯核函數得到測試核矩陣Ksubgt;e/subgt;，利用訓練好的近場聲源多輸出支持向量最優回歸參數βsubgt;omp/subgt;和Ksubgt;e/subgt;估計聲源的角度；求測試數據的數據相關矩陣，通過數據相關矩陣的特征分解得到噪聲子空間，對每一個到達角通過MUSIC譜函數進行距離項的譜峰搜索估計其對應的距離，從而得到距離的估計。

技術領域

本發明屬于陣列信號處理技術領域，尤其涉及一種多輸出支持向量回歸機近場聲源參數估計方法。

背景技術

到達角(Direction?of?Arrival，DOA)估計是陣列信號處理領域的一個重要研究方向。傳統的近場源DOA估計方法有兩步MUSIC方法、廣義ESPRIT方法以及其它的改進方法等等。兩步MUSIC方法利用信號子空間和噪聲子空間的正交性來實現目標的參數估計，但傳統兩步MUSIC方法應用于近場源參數估計時存在一些不足之處，譜峰搜索計算量大、當信源為相干信源時會出現秩虧以致無法分辨、在低信噪比情形下對信源角度相隔較近時的估計精度迅速下降等。廣義ESPRIT方法對于相干信號也存在秩虧損以致無法分辨。

支持向量機(Support?Vector?Machine，SVM)是基于統計學習理論的一種機器學習方法，它能夠有效的解決高維度、小樣本、非線性等問題，該方法本身在訓練過程中具有全局最優解、泛化能力強、收斂速度較快和小樣本條件下預測性能較好等優點。并且支持向量機模型訓練過程可以離線進行，而訓練好的支持向量機模型具有優異的數據處理速度，可以對陣列接收數據實現快速處理，有利于實際工程中運用。近年來，多輸入單輸出的支持向量回歸理論日漸成熟，但是由于到達角估計往往定位目標具有多個，是多輸出問題，如果對于每一個定位目標都構建一個支持向量回歸機(Support?Vector?Regression，SVR)模型，這就需要構建多個支持向量回歸機模型，計算量大而且不能體現各個輸出變量之間的關系。目前對多輸出的支持向量回歸模型研究還較少，將多輸出的支持向量回歸機模型運用到近場聲源的參數估計中來還鮮見報道。

針對兩步MUSIC方法、廣義ESPRIT方法存在的不足之處諸如非相干信號低信噪比下小間隔角度分辨率差以及無法處理相干信源等問題，本發明的多輸出支持向量回歸機的近場聲源參數估計方法將接收數據得到的特征向量作為輸入，定位目標的到達角作為輸出，以支持向量回歸機逼近得到輸入與輸出兩者的非線性映射關系，然后利用得到的多輸出支持向量回歸機模型來估計目標的角度值，利用得到的角度值和MUSIC方法來估計近場聲源的距離參數，這對于相干信號以及低信噪比下的非相干信號DOA估計都有著良好的效果。

發明內容

本發明的目的是提供一種基于多輸出支持向量回歸機的近場聲源參數估計方法。

為了實現上述目的，本發明采取如下的技術解決方案：

基于多輸出支持向量回歸機的近場聲源參數估計方法，采用普通的聲壓傳感器陣列接收K個窄帶、非高斯的平穩近場聲源信號。陣列通過以下方式構成：在空間任意選取一點作為坐標軸的原點位置o，從左至右經過該原點的水平線為x軸，垂直于該水平線的直線為z軸，即假設聲源從xoz平面入射，第k個入射聲源于z軸的夾角為θ_k，θ_k的取值范圍為[-π/2，π/2]，在坐標原點處兩邊分別以d＝λ_min/4等間隔放置P個陣元，λ_min為入射聲源中最小波長，陣元總個數為M＝2P+1。對陣元從左到右依次標記為[-P，-P+1，...，m，...，P-1，P]，m取值范圍為[-P，P]。

基于多輸出支持向量回歸機的近場聲源參數估計方法步驟如下：