(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110588945.X (22)申请日 2021.05.28 (65)同一申请的已公布的文献号 申请公布号 CN 113312841 A (43)申请公布日 2021.08.27 (73)专利权人 合肥工业大 学 地址 230009 安徽省合肥市包河区屯溪路 193号 (72)发明人 徐亮　权璐纯　毕传兴　徐文　 (74)专利代理 机构 安徽省合肥新 安专利代理有 限责任公司 34101 专利代理师 何梅生 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06F 17/18(2006.01) G06F 17/16(2006.01) G06F 119/10(2020.01) (56)对比文件 CN 105181121 A,2015.12.23CN 110850371 A,2020.02.28 CN 103728028 A,2014.04.16 CN 110780274 A,2020.02.1 1 CN 111797541 A,2020.10.20 US 20152872 23 A1,2015.10.08 WO 2013184215 A 2,2013.12.12 李锋 等.基 于舍一交叉验证优化 最小二乘 支持向量机的故障诊断模型. 《振动与 冲击》 .2010,第2 9卷(第09期),第170 -174页. 张亚虎 等.基 于等效源法的近场声 全息噪 声源识别系统研究与开发. 《合肥工业大 学学报 (自然科学版)》 .2014,第37 卷(第1期), Zhang, XZ 等.On the stabi lity of transient nearfield acoustic ho lography based on the time domai n equivalent source method. 《JOURNAL OF TH E ACOUSTICAL SOCIETY OF AM ERICA》 .2019,第146卷(第2期), 陶文俊 等.基 于等效源法的近场声 全息的 噪声源识别与定位研究. 《计算机与数字 工程》 .2019,第47 卷(第7期), 审查员 吴单单 (54)发明名称 具有声源稀疏度自适应性的变范数等效源 近场声全息算法 (57)摘要 本发明公开了一种具有声源稀疏度自适应 性的变范数等效源近场声全息算法， 是在声源近 场辐射区域内布置全息面并测量获得全息面上 声压PH； 在目标重建面远离全息面一侧布置等效 源面； 利用等效源与全息面之间的声压传递矩阵 建立声压与等效源间关系； 采用带有自适应范数 约束惩罚项的迭代正则化算法求解等效源源强， 再用求得的源强以及等效源与 目标重建面之间 的传递矩阵计算获得目标重建面上的声场数据。 本发明自适应地改变正则化求解过程中lp范数 惩罚项中的p值， 使求解所得等效源源强的稀疏 度与声源的实际稀疏度更加一致， 对空间稀 疏型声源、 空间连续型声源或源强稀 疏度介于充分稀 疏与连续之间的声 源皆能够实现精确求 解。 权利要求书2页 说明书11页 附图7页 CN 113312841 B 2022.09.13 CN 113312841 B 1.具有声源稀疏度自适应性的变范数等效源近场声全息方法， 其特征是按如下步骤进 行： 步骤a、 于声源的近场区域内布置全息面并通过测量获得 所述全息面上的测量声压： 在由目标声源产生的声场中， 于近场辐射区域内布置全息面H， 所述全息面H为任意形 状曲面， 在所述全息面H上划分测量网格点， 通过传感器测量获得各测量网格点处的测量声 压PH； 步骤b、 在声源与全息面H之间布置目标重建面T， 在目标重建面T远离全息面H的一侧布 置等效源面Se， 所述等效源面Se与目标重建面T之间的垂直距离为dh， 布置在所述等效源面 Se上的等效源的点数不大于全息面H上测量网格点的点数； 步骤c、 建立各等效源与全息面H上测量声压PH之间的关系如式(1)： PH＝GHpQ                 (1) GHp为等效源面Se上各等效源与全息面H上 各测量网格点之间的声压传递矩阵； Q为等效源源强向量； 步骤d、 以h为步长， 将 线性划分为m个数值， 则有 并将m个 的数 值分别代入 形成求解等效源源强向量Q的 范数正则化过 程； 是数值范围为0 到2的实数； λ为 正则化参数， 正则化 参数 λ采用L曲线法选择获得； 步骤e、 按如下过程采用迭代重加权算法将最小 问题转化为最小 问题进行求解， 是 指将 范数正则化过程转化为使用最小 范数作惩罚项的标准Tikhonov正则化过程， 求解 等效源源强向量 Q： 第一步： 将采用常规等效源法求解所得的等效源源强向量作为等效源源强向量初始解 Q0， 令初始迭代次数为1， 设定最大迭代次数为tmax， 用t表征迭代次数； 第二步： 利用向量 Qt‑1作为后验加权系数构建加权矩阵W如式(2)： 所述加权矩阵W是利用向量Qt‑1作为主对角元素构 建的对角阵， 所述向量Qt‑1为第t‑1次 迭代计算 获得的等效源源强向量； 对于首次迭代计算过程， 向量Qt‑1即为等效源源强向量初 始解Q0； 第三步： 利用所述加权矩阵W的逆矩阵W‑1对向量Qt加权， 并构造加权后向量Qt的惩罚项 为||W‑1Qt||， 形成如式(3)的极小化过程以获得等效源 源强向量 Qt的正则解： min{||PH‑GHpQt||2+λ||W‑1Qt||}    (3) λ为正则化参数， 正则化 参数 λ采用L曲线法选择获得； 第四步： 通过预条件 处理令W‑1Qt≡Xt， 将式(3)所示的对等效源源强向量Qt 求解的正则化过程转化为如式(4)对中间变量Xt求解的标准Tikhonov正则化过程， 并采用 奇异值分解法对式(4)求 解以获得中间变量Xt的正则解： min{||PH‑AtXt||2+λ||Xt||}    (4) 经过第t次迭代获得等效源 源强向量 Qt如式(5)： Qt≡WXt       (5)权　利　要　求　书 1/2 页 2 CN 113312841 B 2第五步： 若t≤tmax则将迭代次数赋值为t+1， 并转入第二步继续进行迭代； 若t>tmax则终 止迭代， 并令Qt为等效源源强向量 Q； 步骤f、 通过 K折交叉验证法选出最匹配当前等效源 源强稀疏度的 所述K折交叉验证法是指： 将测量声压PH均分为K份轮流作验证集， 剩余的K ‑1份作训练 集代入步骤e中用于计算； 通过m次K折 交叉验证法获得由m个 值分别作范数约束惩罚项进 行正则化 过程求解时所得的平均误差， 取其中最小平均误差对应的 值为 形成如式 (6)所示的以等效源 源强向量 Q为求解对象的 范数正则化过程： 步骤g、 输入完整的测量声压PH， 重复步骤e， 对所述 范数正则化过程求解， 令第五 步中求得的等效源 源强向量 Q为输出的最终源强解 Qf； 步骤h、 利用PT＝GTpQf计算获得目标重建面T上的声压PT； 利用VT＝GTvQf计算获得目标重 建面T上的法向振速VT， 其中， GTp为各等效源与目标重建面之间的声压传递矩阵， GTv为各等 效源与目标重建面T之间的振速传递矩阵。 2.根据权利要求1所述的具有声源稀疏度自适应性的变范数等效源近场声全息方法， 其特征是： 所述dh的取值为0.03m。 3.根据权利要求1所述的具有声源稀疏度自适应性的变范数等效源近场声全息方法， 其特征是： 所述步长h＝0.1， m＝21， 4.根据权利要求1所述的具有声源稀疏度自适应性的变范数等效源近场声全息方法， 其特征是： 所述K折交叉验证法中K＝8。 5.根据权利要求1所述的具有声源稀疏度自适应性的变范数等效源近场声全息方法， 其特征是： 所述最大迭代次数tmax不超过10次。 6.根据权利要求5所述的具有声源稀疏度自适应性的变范数等效源近场声全息方法， 其特征是： 设置所述 最大迭代次数tmax为5次。权　利　要　求　书 2/2 页 3 CN 113312841 B 3