杨 洋 褚志刚

（1.重庆工业职业技术学院汽车工程学院，重庆，401120；2.重庆大学机械工程学院，重庆，400044）

引 言

基于传声器阵列测量的波束形成声源识别技术由于测量速度快、计算效率高等优点被广泛应用［1-8］。然而，传统波束形成（Conventional beamforming，CB）方法的输出结果是声源分布与阵列点传播函数的卷积，阵列传声器采样的有限性和离散性使其点传播函数无法等于理想的δ函数，不仅在真实声源位置输出具有一定宽度的“主瓣”，还在非声源位置输出“旁瓣”。主瓣的宽度影响声源识别的分辨率，旁瓣的出现污染声源成像图，使声源识别结果的分析具有不确定性［9］。

有效缩减主瓣宽度、衰减旁瓣干扰，清晰化声源识别结果，是提高声源识别准确度的关键，近年来备受国内外学者关注。目前，已有的波束形成声源识别结果清晰化方法主要有反卷积声源成像（Deconvolution approach for the mapping of acoustic sources，DAMAS）、反卷积声源成像扩展（DAMAS2）、非 负 最 小 二 乘 （Non-negative least squares，NNLS）、基于快速傅里叶变换的非负最小二乘（FFT-NNLS）、清除法（Clean）、基于同一声源产生的主瓣与旁瓣相干的清除法（Clean based spatial source coherence，CLEAN-SC） 等。DAMAS的基本思想是在传统波束形成输出结果、阵列点传播函数、声源分布之间建立线性方程组，通过在反复迭代过程中引入正约束来定解该方程组，从而提取真实声源信息，有效消除旁瓣干扰和主瓣宽度的影响，其最初由美国NASA的研究者［10］在2004年给出，DAMAS建立了反卷积声源成像的理论基础，但其变量多、计算量大、耗时长。DAMAS2是DAMAS的扩展方法，其假设阵列点传播函数只取决于观测点与声源点间……