摘要
一种基于稀疏贝叶斯学习的声场分辨率增强方法,在声源近场辐射区域内布置传声器从而测量得到声压的时间序列;利用傅里叶变换提取分析频率复声压从而得到全息面频域复声压;采用稀疏贝叶斯学习方法求解声场的稀疏权重系数,其具体过程包括:噪声超参数的更新,噪声概率密度函数的计算以及声场稀疏权重系数的估计;利用稀疏权重系数对复声压矩阵进行插值,得到分辨率增强声场。本发明方法通过稀疏贝叶斯学习实现空间声场插值,提高了声场分辨率以及声源定位精度,与传统的声场插值方法相比,本方法提供了更稀疏的声场权重系数与更高精度的重建结果。
技术关键词
稀疏贝叶斯学习
分辨率
传声器
超参数
迭代估计方法
噪声
协方差矩阵
交叉验证方法
线性回归模型
空间声场
概率密度函数
高斯核函数
多通道
精度
插值方法
序列
训练集
元素
系统为您推荐了相关专利信息
通讯控制装置
分体式智能
状态方法
监控装置
监测传感装置
静校正量
地震反射数据
成像方法
OMP算法
信噪比
超分辨率技术
渲染农场
深度学习方法
客户端
边缘增强算法
神经网络模型
识别方法
归一化水体指数
影像
重构