买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州爱华仪器有限公司

摘要：本申请涉及声源定位技术领域，解决了现有技术中通过神经网络直接进行多声源定位所存在的所需的训练数据量大以及计算复杂度高的问题，公开了一种多声源定位方法、装置、程序、存储介质及电子设备，该方法利用训练好的声源数估计网络模型来估计出声源的数量，然后在基于传统的方法实现多声源的定位，该方法无需进行复杂的阵列优化，可适用于任意类型的平面阵列，计算复杂度要低于纯神经网络方法，略高于统声源定位方法，但多声源定位的效果优于纯神经网络方法和传统声源定位方法，且仅需一次定位即可准确识别出多个声源的具体位置，针对多声源的定位精度高。

主权项：1.一种多声源定位方法，其特征在于，包括：构建用于估计声源数量的声源数估计网络模型；获取多声源声压数据；通过所述声源数估计网络模型估计多声源声压数据中声源数量；利用波束形成算法对所述多声源声压数据进行定位，以获得声源网格面的功率矩阵；提取所述功率矩阵中的主旁瓣；根据所述声源数量以及所述主旁瓣的幅度水平筛选出声源的主旁瓣，所述声源的主旁瓣筛选规则为：按照幅度水平对主旁瓣进行降序排列，选择主旁瓣中幅度水平靠前的n个主旁瓣作为声源的主旁瓣，其中，n为所述声源数估计网络模型估计出的声源数量；将所述声源的主旁瓣在所述功率矩阵中所对应的位置作为声源位置；其中，构建用于估计声源数量的神经网络模型，包括：通过傅里叶变换将麦克风阵列采集到的声压数据处理成频域数据；选择处理频带，计算所述处理频带内测量数据的互谱矩阵，所述互谱矩阵的表达式为：其中，为麦克风阵列采集到的声压数据经过傅里叶变换处理后得到的频域数据，，为麦克风数量，为频率，为处理频带下限，为处理频带上限，为共轭转置;对所述互谱矩阵进行特征值分解，并将特征值由大到小依次排列；将排列后的特征值向量作为神经网络的输入来进行训练和测试，以得到声源数估计网络模型，其中，若神经网络中去除输入层后的总层数为L，则神经网络第l层的计算公式为： 其中，为所输入的特征值向量，为ReLU激活函数，为权重矩阵，为偏置向量，为非线性变换函数；所述神经网络的损失函数为： 其中，为批量数，为实际声源数，为L2范数；神经网络的输出为： 其中，为估计的声源数，为非线性变换函数；提取所述功率矩阵中的主旁瓣，包括：以所述功率矩阵中每一个元素为中心设置连通区域；将所述功率矩阵中的每一个元素分别与连通区域中的其他元素进行比较，判断该元素是否为连通区域内的最大值，若判断结果为是，则返回1，若判断结果为否，则返回0；遍历所述功率矩阵的元素后，以获得与所述功率矩阵相同维度的二值矩阵，其中，所述二值矩阵中所有的1值即为提取出的主旁瓣。

全文数据：

权利要求：

百度查询： 杭州爱华仪器有限公司 一种多声源定位方法、装置、程序、存储介质及电子设备