针对传统超声波测风装置测风精度不高、抗噪声能力弱,提出了一种改进多重信号分类(multiple signal classification,MUSIC)算法的超声波测风方法。采用一种弧形6阵元超声波传感器阵列的测风结构,推导其阵列流型;在此基础上,添加小波阈...针对传统超声波测风装置测风精度不高、抗噪声能力弱,提出了一种改进多重信号分类(multiple signal classification,MUSIC)算法的超声波测风方法。采用一种弧形6阵元超声波传感器阵列的测风结构,推导其阵列流型;在此基础上,添加小波阈值降噪算法提高信号信噪比,降低噪声信号协方差矩阵的秩;再使用PHAT加权广义互相关时延估计算法以提高时延估计的准确性,同时根据时延关系对传统MUSIC算法矢量矩阵进行改进;最后通过MUSIC算法实现对风速风向的测量。理论分析与仿真结果表明:改进后的MUSIC算法具有较好的抗噪性能和较高的风参数测量精度,测量风速绝对误差达到0.15 m/s,风向绝对误差达到2°,可以应用于对风参数要求较高的场景。展开更多
针对平面麦克风阵列的声源三维坐标估计问题,文中在TDOA(Time Difference of Arrival)声源定位算法中引入粒子群优化算法进行位置估计。利用PHAT(Phase Transform)加权函数的广义互相关法计算得到时延差的真实值,结合麦克风的坐标位置,...针对平面麦克风阵列的声源三维坐标估计问题,文中在TDOA(Time Difference of Arrival)声源定位算法中引入粒子群优化算法进行位置估计。利用PHAT(Phase Transform)加权函数的广义互相关法计算得到时延差的真实值,结合麦克风的坐标位置,通过几何关系计算出假设声源到达麦克风之间的时延差的估计值。设计时延真实值和估计值差值的平方和为粒子适应度函数,利用粒子群优化算法搜索空间中符合适应度函数的声源点,实现声源位置估计。仿真结果表明,在计算速度与球形插值法相近的情况下,文中所提算法比球形插值法具有更好的鲁棒性和抗噪性。展开更多
文摘针对传统超声波测风装置测风精度不高、抗噪声能力弱,提出了一种改进多重信号分类(multiple signal classification,MUSIC)算法的超声波测风方法。采用一种弧形6阵元超声波传感器阵列的测风结构,推导其阵列流型;在此基础上,添加小波阈值降噪算法提高信号信噪比,降低噪声信号协方差矩阵的秩;再使用PHAT加权广义互相关时延估计算法以提高时延估计的准确性,同时根据时延关系对传统MUSIC算法矢量矩阵进行改进;最后通过MUSIC算法实现对风速风向的测量。理论分析与仿真结果表明:改进后的MUSIC算法具有较好的抗噪性能和较高的风参数测量精度,测量风速绝对误差达到0.15 m/s,风向绝对误差达到2°,可以应用于对风参数要求较高的场景。
文摘针对平面麦克风阵列的声源三维坐标估计问题,文中在TDOA(Time Difference of Arrival)声源定位算法中引入粒子群优化算法进行位置估计。利用PHAT(Phase Transform)加权函数的广义互相关法计算得到时延差的真实值,结合麦克风的坐标位置,通过几何关系计算出假设声源到达麦克风之间的时延差的估计值。设计时延真实值和估计值差值的平方和为粒子适应度函数,利用粒子群优化算法搜索空间中符合适应度函数的声源点,实现声源位置估计。仿真结果表明,在计算速度与球形插值法相近的情况下,文中所提算法比球形插值法具有更好的鲁棒性和抗噪性。
