researchsquare.com来源发表:
旋转声源定位不再靠传播函数：16支麦克风、50毫秒内给出声源分布
核心概要
旋转声源定位长期受鬼影干扰：时域ROSI与频域MCB在阵列几何不受约束时都无法完全消除多普勒引起的虚假声源。一种以MCB导出的互谱矩阵为输入的ResNet网络直接输出声源强度分布，在16支麦克风、转速500至2500转每分、频率4500至5000赫兹的仿真中定位准确率最高达98.83%，单例推理在50毫秒以内。
正在载入内容…
旋转声源定位长期受鬼影干扰：时域ROSI与频域MCB在阵列几何不受约束时都无法完全消除多普勒引起的虚假声源。一种以MCB导出的互谱矩阵为输入的ResNet网络直接输出声源强度分布，在16支麦克风、转速500至2500转每分、频率4500至5000赫兹的仿真中定位准确率最高达98.83%，单例推理在50毫秒以内。
旋转声源定位改为让残差网络直接从互谱矩阵读出声源分布，不再依赖传播函数和麦克风位置先验。 此前的时域ROSI与频域MCB在阵列几何不受约束时都无法完全消除鬼影，即与真实声源同时出现的虚假声源。 在16支麦克风、14个模态、转速1500转每分、频率5000赫兹的仿真对比中，MCB只识别出5个声源中的3个，ROSI多出一个虚假声源，ResNet给出的声源数目、位置与强度均与真值一致。
网络输入不是常规互谱矩阵，而是按MCB形式构造、把各麦克风频谱按旋转角频率做频移后堆叠的互谱矩阵。 常规互谱矩阵适用于静止声源，在旋转条件下性能下降，因此需要一种把旋转信息嵌入其中的输入表示。 该矩阵由16支麦克风的信号与14个声学模态构成，实部与虚部分别标准化后送入ResNet18，输出覆盖10×10扫描网格的一维声源强度向量。
训练数据规模与网络深度共同决定准确率，数据不足时加深网络并不能补救。 训练样本仅83200个时ResNet18准确率为52.43%，原因是频率与转速的联合参数空间覆盖不足。 训练样本增至123200个后ResNet18升至89.32%，同规模下ResNet34达到94.31%；在非均匀强度与垂直阵列配置下，训练样本增至711000个时ResNet34达到98.83%。
结果建立在数值仿真之上：声源频率4500至5000赫兹、转速500至2500转每分、声源数2至6个、16支麦克风、14个模态，扫描平面为10×10网格。阵列平行与垂直两种布置都做了测试，垂直布置下ResNet18与ResNet34在711000个训练样本时分别达到98.66%与98.83%。当阵列配置与训练时一致且参数落在随机范围内，模型在50毫秒内给出预测。
训练数据生成仍是耗时最多的环节，个人计算机上生成大规模数据可能需要数周，高性能计算可缩短到数小时；单精度存储只能把数据量减半。模型专门化明显，麦克风阵列配置或阵列与声源平面关系改变都需重新生成仿真数据。网络预测背后的物理机制仍不透明。若扫描频率与真实频率相差旋转频率的整数倍，热图可能误报不存在的声源。