基于小波分析的声全息识别运动声源的方法

吉林大学学报(工学版)

基于小波分析的声全息识别运动声源的方法

高印寒^a，周晓华^b，杨开宇^a，梁杰^a，马喜来^b

吉林大学 a.测试科学实验中心； b.仪器科学与电气工程学院，长春 130022

收稿日期:2006-09-12 修回日期:1900-01-01 出版日期:2007-09-01 发布日期:2007-09-01
通讯作者: 杨开宇

Wavelet based acoustic holography method for moving sound source identification

Gao Yin-han^a, Zhou Xiao-hua^b, Yang Kai-yu^a, Liang Jie^a, Ma Xi-lai^b

a.Centre of Test Science, Jilin University, Changchun 130022,China; b.College of Instrumentation & Electrical Engineering, Jilin University, Changchun 130022,China

Received:2006-09-12 Revised:1900-01-01 Online:2007-09-01 Published:2007-09-01
Contact: Yang Kai-yu

摘要/Abstract

摘要：

在声全息法识别运动声源理论的基础上，建立了基于小波变换消除多普勒效应的方法。给出了声全息法识别运动声源的理论模型，并对识别过程中的多普勒效应问题进行了分析，提出了相应的解决方法。实验结果表明：该方法能够准确识别运动声源，而且比传统方法更符合声源实际位置，有效地解决了原方法中需要预先已知声源的真实频率才能完全消除多普勒效应的缺点，提高了运动声源的识别精度和计算效率。

关键词: 信息处理技术, 声全息, 小波变换, 运动声源, 多普勒效应, 声源识别

Abstract:

In order to eliminate Doppler effects in moving sound source identification by acoustic holography, a wavelet transform based method was presented. Theoretical model of the moving sound source identification was provided. Doppler effects were analyzed and its solution was given. Simulation results show that the presented method can accurately identify the moving sound source and has more in line with actual sound source position compared with the traditional methods. In addition, it can overcome shortcomings of the original methods that the Doppler effects can only be eliminated when true frequency of the sound source is known apriori. And the proposed method can improve the identification accuracy and calculation efficiency of the moving sound source identification.

Key words: information processing, acoustic holography, wavelet transform, moving sound source, Doppler effects, sound source identification

中图分类号:

TN911.7

高印寒，周晓华，杨开宇，梁杰，马喜来 . 基于小波分析的声全息识别运动声源的方法
[J]. 吉林大学学报(工学版), 2007, 37(05): 1197-1202.

Gao Yin-han, Zhou Xiao-hua, Yang Kai-yu, Liang Jie, Ma Xi-lai . Wavelet based acoustic holography method for moving sound source identification[J]. 吉林大学学报(工学版), 2007, 37(05): 1197-1202.

参考文献

相关文章 15

[1]	苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3]	黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4]	李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5]	应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6]	陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7]	刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8]	单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9]	姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[10]	全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[11]	陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[12]	陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[13]	孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[14]	林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.
[15]	王柯, 刘富, 康冰, 霍彤彤, 周求湛. 基于沙蝎定位猎物的仿生震源定位方法[J]. 吉林大学学报(工学版), 2018, 48(2): 633-639.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed