[發明專利]基于偏最小二乘回歸的近場聲源定位方法

在審

• 申請號: 201910139420.0
• 申請日: 2019-02-25
• 公開（公告）號: CN109901111A
• 公開（公告）日: 2019-06-18
• 發明（設計）人: 王蘭美;王瑤;張耿;廖桂生;王桂寶;孫長征
• 申請（專利權）人: 西安電子科技大學;陜西理工大學
• 主分類號: G01S5/18
• 分類號: G01S5/18
• 代理公司: 暫無信息
• 代理人: 暫無信息

偏最小二乘回歸近場聲源定位方法可以有效解決變量之間的多重相關性問題；均勻線陣接收K個窄帶、非高斯、平穩近場聲源信號在訓練區間中產生的L組接收數據，每一組接收數據作協方差之后得到相對應的協方差矩陣，提取數據協方差矩陣的上三角元素并進行標準化處理，并對訓練樣本信號源集進行標準化處理，根據交叉有效性確定所提取的成分個數，從而得到滿意的估計模型；使用訓練好的近場聲源偏最小二乘回歸模型對測試數據進行估計，估計出測試聲源的角度和距離；偏最小二乘回歸所提取的成分既能很好地概括自變量系統中的信息，又能很好地解釋因變量，并排除系統中的噪聲干擾，預測的角度和距離具有很高的精度。

技術領域

本發明屬于陣列信號處理技術領域，尤其涉及一種偏最小二乘回歸的近場聲源定位方法。

背景技術

到達角(DOA，Direction of Arrival)估計又被稱為信號波達方向估計，是陣列信號處理領域的一個重要的研究方向。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。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定位，但傳統的兩步MUSIC方法運用于近場源參數估計時存在一些不足之處，如利用譜峰搜索使得計算量大、當信源為相干信源時會出現秩虧損以致無法分辨、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。廣義ESPRIT方法對于信號估計也存在類似的問題。

偏最小二乘回歸(Partial least squares regression，PLSR)方法，是近年來應實際需要而產生和發展的一個有廣泛適用性的多元統計分析方法。偏最小二乘回歸提供了一種多因變量對多自變量的回歸建模方法，特別當變量之間存在高度相關性時，用偏最小二乘回歸進行建模，其分析結論更加可靠，整體性更強。偏最小二乘回歸可以有效地解決變量之間的多重相關問題，也適合在樣本容量小于變量個數的情況下進行回歸建模。在回歸分析中，這種變量多重相關性常會嚴重危害參數估計，擴大模型誤差，并破壞模型的穩健性。偏最小二乘回歸采用對數據信息進行分解和篩選的方式，有效地提取對系統解釋性最強的綜合變量，剔除多重相關信息和無解釋意義信息的干擾，從而克服了變量多重相關性在系統建模中的缺陷。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角度分辨率差以及無法處理相干信源等問題，本發明的偏最小二乘回歸方法是將樣本數據標準化后，提取滿足誤差條件的自變量成分，建立自變量與所提取的自變量成分的回歸方程，因變量與所提取的自變量成分之間的回歸方程，從而得到自變量與因變量之間的回歸方程。將接收到的L組近場源信號的協方差矩陣作為自變量，角度和距離作為因變量，采用偏最小二乘回歸方法可以得到信號特征矩陣和角度、距離的估計模型。這對于低信噪比下的非相干信號DOA估計有著良好的精度，同時也對相干信號估計也有很好的精度。該方法具有傳統的回歸方法所不具備的許多優點，它意義明確，計算簡單，省時，建模效果好，解釋性強，其應用范圍遠遠超過工程技術及經濟管理領域。

發明內容

本發明的目的是提供一種基于偏最小二乘回歸的近場聲源定位方法。

為了實現上述目的，本發明采取如下的技術解決方案：

基于偏最小二乘回歸的近場聲源定位方法，采用標量聲壓傳感器陣列接收 K個窄帶、非高斯的平穩近場聲源。接收陣列通過以下方式獲得：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個入射聲源與z軸的夾角為的取值范圍為[-π/2，π/2]，在坐標原點處向x軸正向分別以 d＝λ_min/4等間隔放置M個陣元，λ_min為入射聲源中的最小波長，陣元從左到右依次標記為[1，2，...m，...M]；

基于偏最小二乘回歸的近場聲源定位方法步驟如下：