《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》:Adaptation of the hybrid deconvolution approach for localization of static, rotating and linearly moving sources using the LASSO method
编辑推荐:
摘要:在工业领域,声源定位(Sound Source Localization, SSL)技术通过精确确定噪声源位置来检测与诊断设备故障,判断设备正常运行或异常状态,从而提高维护效率。然而,多种具有不同运动模式的声源(静态、直线运动及旋转声源)因其各异的运动特
摘要:在工业领域,声源定位(Sound Source Localization, SSL)技术通过精确确定噪声源位置来检测与诊断设备故障,判断设备正常运行或异常状态,从而提高维护效率。然而,多种具有不同运动模式的声源(静态、直线运动及旋转声源)因其各异的运动特性和空间分布,常使传统方法难以区分和同时定位。本研究针对含不同运动模式(静态、直线运动及旋转声源)声源的复杂定位问题,重点实现对上述三类声源的识别与分离。研究人员提出一种将模态合成波束形成(Modal Composition Beamforming, MCB)与等效源法(Equivalent Source Method, ESM)相融合的创新方法,引入多运动模式声源功率传播(Multi-Motion Mode Sound Source Power Propagation, M3-S2-PP)模型,并将混合解卷积(hybrid deconvolution)思路应用于静态、直线运动及旋转声源的正向建模。研究人员采用最小绝对值收缩与选择算子(Least Absolute Shrinkage and Selection Operator, LASSO)结合交替方向乘子法(Alternating Direction Method of Multipliers, ADMM)有效求解交叉点扩散函数(Cross-Point Spread Function, Cross-PSF)矩阵方程。LASSO的正则化能力提高了模型预测精度并促进了解的稀疏性,从而有效识别活跃声源。首先,研究人员通过大量仿真严格验证该方法的有效性,并探讨仿真场景参数对定位结果的影响。在适用于MCB方法的场景下,所提方法实现了精确的声源分离与定位;在MCB方法可能产生旁瓣的场景中,观测到定位结果随实验场景参数变化呈现不同程度的偏差。随后,研究人员开展实验进一步检验该技术有效性并确认其适用条件。该方法在各场景下均表现出准确性、可靠性与鲁棒性,即使在具有挑战性的条件下也展现出良好的抗噪能力与声源定位精度。研究结果表明该方法可望应用于工业监测、环境噪声评估及声学成像等领域。
本文解读对象为发表于《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》的论文《Adaptation of the hybrid deconvolution approach for localization of static, rotating and linearly moving sources using the LASSO method》,作者为Ning Chu、Yingqing Zhang、Liang Yu、Hanbo Jiang、Weihua Yang、Caifang Cai及Ali Mohammad-Djafari。
一、研究背景与意义
传统声源定位(Sound Source Localization, SSL)技术如常规波束形成(Conventional Beamforming, CBF)多仅适用于单一运动模式声源,难以同时分离与定位静态(static)、直线运动(linearly moving)及旋转(rotating)的多模式声源,而工业现场常并存此类声源(如固定扬声器为静态源、巡检机器人为直线运动源、工业风机或电机为旋转源)。盲源分离(Blind Source Separation, BSS)、主成分分析(Principal Component Analysis, PCA)、独立成分分析(Independent Component Analysis, ICA)及稀疏成分分析(Sparse Component Analysis, SCA)等方法依赖信号统计特征,短信号下表现受限;旋转声源专用方法如时域旋转源辨识(Rotating Source Identifier, ROSI)、虚拟旋转阵列(Virtual Rotating Array, VRA)、模态分解(Modal Decomposition, MD)或模态合成波束形成(Modal Composition Beamforming, MCB)多局限于特定运动模式或麦克风环形阵列布置要求。已有少量研究尝试结合MCB分离静态与旋转源,但仍无法处理含直线运动源的多模式情形。为此,研究人员开展本研究,构建融合多运动模式的正向传播模型,结合LASSO(Least Absolute Shrinkage and Selection Operator,最小绝对值收缩与选择算子)正则化稀疏求解,实现静态、直线运动及旋转声源的同时分离与定位,并通过仿真与实验验证其适用范围与鲁棒性,对工业设备噪声诊断具有重要意义。
二、主要关键技术方法
研究人员构建多运动模式声源功率传播(Multi-Motion Mode Sound Source Power Propagation, M3-S2-PP)正向模型,将常规波束形成(CBF)对应的静态源点扩散函数(Point Spread Function, PSF)、MCB对应的旋转源PSF及直线运动源波束形成(Moving Source Beamforming, MSB)对应的直线运动源PSF整合为交叉点扩散函数(Cross-PSF)矩阵方程;采用LASSO(L1范数正则化)促进网格点声源能量分布的稀疏性以匹配真实少激活声源情形,并引入交替方向乘子法(Alternating Direction Method of Multipliers, ADMM)将原问题分解为两个子问题交替优化以加速收敛、降低计算成本。仿真设置不同声源组合(静态+旋转同轴/非同轴、含直线运动源、多旋转源+静态源)及不同信噪比、声强比等参数考察性能;实验采用63元环形麦克风阵列,以三叶工业风机为旋转源、蓝牙音箱为静态源,在三种工况下采集数据验证。
三、研究结果
Conventional beamforming(CBF)、Modal Composition Beamforming(MCB)及直线运动源波束形成简述
研究人员回顾了CBF频域传播模型P(f)=G(f)Q(f)+E(f),其中P(f)为麦克风频域采集信号,G(f)为传递函数矩阵,Q(f)为等效源频域信号;MCB通过对旋转源各阶方位角模态延迟求和补偿多普勒效应以获旋转源PSF;直线运动源采用MSB构建其对应PSF,三者分别表征静态、旋转及直线运动声源至阵列的能量传播关系。
Multi-motion mode source energy propagation model(多运动模式声源能量传播模型)
研究人员假设存在h种不同运动模式声源(含静态、旋转、直线运动),构造完成传递函数矩阵A∈RhN×hN,其中子块Aij表示第i种运动模式等效源与第j种运动模式扫描网格点之间的点扩散矩阵(分别代入CBF-PSF、MCB-PSF、MSB-PSF),由此建立Cross-PSF矩阵形式的M3-S2-PP模型,表征多模式声源功率至麦克风阵列接收互谱矩阵的映射关系。
Simulation setup(仿真设置)与仿真结果
研究人员设计四组仿真场景:①旋转轴与阵列中心同轴之静态+旋转源;②旋转轴与阵列中心非同轴之静态+旋转源;③含直线运动源之多模式源;④多旋转源(不同转向)+静态源。仿真表明:在MCB适用频段与阵列几何条件下,所提方法可实现多模式声源的精确分离与定位;当MCB产生明显旁瓣时,定位结果随声源强度比、信噪比及网格分辨率变化出现不同程度偏差,明确了算法适用参数范围——较高信噪比、合理网格密度及声强差不太悬殊时效果较好。
Experiment setup(实验设置)与实验结果
实验布置63通道环形麦克风阵列,待测对象为三叶工业风机(旋转声源)与两个蓝牙音箱(静态声源),分别在仅静态源、仅旋转源、静态+旋转源同场运行三种工况下采集数据。经M3-S2-PP模型与LASSO-ADMM求解,研究人员在三种工况下均获得与真实声源位置吻合的声学成像结果,验证了方法在实际工业场景中对静态与旋转声源分离定位的准确性、可靠性及一定抗噪鲁棒性,适用条件与仿真所得范围一致。
Conclusion(结论)
研究人员指出,本研究通过将MCB技术与等效源法结合构造Cross-PSF矩阵并建立M3-S2-PP模型,引入LASSO(配合ADMM)求解,实现了静态、直线运动及旋转声源的同时分离与定位。该方法在MCB适用场景下定位精确,在存在旁瓣影响时定位偏差受场景参数调控,仿真与实验共同验证了其准确性、可靠性与鲁棒性,可推广至工业设备监测、环境噪声评估及声学成像等应用领域。
四、讨论总结
论文讨论部分强调,相比既有仅针对单一或两种运动模式(静态+旋转)的方法,本文M3-S2-PP模型首次在统一框架内纳入静态、旋转及直线运动声源,突破了前人方法不能处理直线运动源或多模式任意组合的限制;采用LASSO的L1正则化天然契合声源能量稀疏分布于少数网格点的物理事实,ADMM保证了较大规模网格下的计算效率。研究人员也指出当阵列几何导致MCB出现显著旁瓣或声源强度差异过大时定位精度会下降,给出了仿真探索出的适用参数区间。整体而言,该方法拓展了多运动模式工业声源定位的实用性与适用范围,为复杂工业噪声源诊断提供了有效工具。