基于稀疏贝叶斯学习的超分辨率声场重建方法

    公开(公告)号:CN118709794A

    公开(公告)日:2024-09-27

    申请号:CN202410730382.7

    申请日:2024-06-06

    Abstract: 一种基于稀疏贝叶斯学习的超分辨率声场重建方法,在声源近场辐射区域内布置M个传声器从而测量得到全息面声压pH;利用稀疏贝叶斯学习对全息面声压进行插值以及外推得到全息面单次插值声压,从而增大全息面孔径以及提高分辨率;对插值声压进行多次迭代,直至原孔径内测点声压趋于稳定,从而得到鲁棒的全息面插值声压pI;利用统计最优近场声全息计算重建面声压pr。本发明通过稀疏贝叶斯学习先扩大了全息面孔径以及提高了全息面孔径测点密度,为统计最优近场声全息提供了更丰富的声场信息,显著降低了统计最优近场声全息的边缘误差,与传统方法相比,本发明具有更高的重建精度与鲁棒性。

    多源统计最优近场声全息方法
    5.
    发明公开

    公开(公告)号:CN118503585A

    公开(公告)日:2024-08-16

    申请号:CN202410730376.1

    申请日:2024-06-06

    Abstract: 一种多源统计最优近场声全息方法,在声源近场辐射区域内布置M个传声器从而测量得到全息面声压pH;针对全息面覆盖范围内声源,利用统计最优近场声全息方法分别构造多源波函数模型;针对全息面覆盖范围外声源,利用声学Helmholtz方程解集、格林函数叠加集或者有限元方法灵活构造多源波函数模型;基于全息面与重建面的波函数模型,利用吉洪诺夫正则化方法求解传递系数,从而实现多源声场的快速重构。与传统多源统计最优近场声全息方法相比,本发明利用声学波动方程直接构造全息面覆盖范围外多源波函数模型,显著提高了声场重建效率,减小了计算传递系数的硬件需求,促进了针对大型声源的多源统计最优近场声全息的工程应用。

    基于稀疏贝叶斯学习的声场分辨率增强方法

    公开(公告)号:CN118503613A

    公开(公告)日:2024-08-16

    申请号:CN202410730389.9

    申请日:2024-06-06

    Abstract: 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。

    基于声固耦合和大数据分析的壳体状态识别方法

    公开(公告)号:CN118313216A

    公开(公告)日:2024-07-09

    申请号:CN202410594988.2

    申请日:2024-05-14

    Abstract: 本发明提供了一种基于声固耦合和大数据分析的壳体状态识别方法,包括:基于壳体结构的参数信息构建壳体三维模型,获取壳体结构的振动状态数据;获取壳体结构的传感器数据,采用大数据分析方法获取壳体结构的总损耗值以及各部件的损耗值,判断壳体结构是否需要更换,以及判断壳体结构的各部件是否需要进行维修。本发明分别采用有限元方法和边界元方法对壳体设备的内部结构进行分析,并采用声固耦合模型以及数字化模型结合的方式构建壳体设备的三维分析模型,在对壳体内部进行振动分析的同时实现整体设备以及各部件的运行状态显示,结合模型的输出结果实现船舶大型壳体设备的故障诊断,便于工作人员实时发现故障,及时采取维修或更换措施。

Patent Agency Ranking