| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 声源识别的背景及意义 | 第8-9页 |
| 1.2 基于麦克风阵列的声源识别研究现状 | 第9-12页 |
| 1.2.1 二维和三维网格声源识别技术 | 第11-12页 |
| 1.2.2 用于声源识别的稀疏促进技术 | 第12页 |
| 1.3 本文研究的主要内容 | 第12-14页 |
| 2 现有基于正则化的声源识别方法及其存在问题 | 第14-23页 |
| 2.1 稀疏促进方法在声源识别中的意义 | 第14页 |
| 2.2 传统l_2范数正则化声源识别 | 第14-18页 |
| 2.2.1 等效源法近场声全息 | 第15-16页 |
| 2.2.2 正则化参数选取 | 第16-18页 |
| 2.3 l_1范数稀疏正则化声源识别 | 第18-19页 |
| 2.3.1 宽带声全息 | 第18-19页 |
| 2.3.2 广义逆波束形成 | 第19页 |
| 2.4 存在的问题分析 | 第19-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 基于l_1模型的稀疏正则化声源识别方法研究 | 第23-38页 |
| 3.1 Bregman迭代l_1范数最小化声源识别方法 | 第23-26页 |
| 3.2 采用小波分解的计算网格预提取 | 第26-28页 |
| 3.3 综合性能对比分析 | 第28-33页 |
| 3.3.1 声场重建精度 | 第28-30页 |
| 3.3.2 声源强度估计精度 | 第30-32页 |
| 3.3.3 声源位置估计精度 | 第32页 |
| 3.3.4 主瓣面积对比 | 第32-33页 |
| 3.4 双相干扬声器实验 | 第33-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 全息孔径外推快速l_1范数稀疏正则化改进算法 | 第38-50页 |
| 4.1 线性化Bregman迭代声源识别 | 第38-39页 |
| 4.2 线性Bregman迭代的混合梯度加速 | 第39-40页 |
| 4.3 基于全息孔径外推的加速线性Bregman迭代 | 第40-41页 |
| 4.4 性能分析与比较 | 第41-45页 |
| 4.4.1 不同频率及测量距离下的识别效果 | 第42-44页 |
| 4.4.2 混合梯度加速的效率提升 | 第44页 |
| 4.4.3 外推过程的收敛性仿真 | 第44-45页 |
| 4.5 实验验证 | 第45-48页 |
| 4.6 本章小结 | 第48-50页 |
| 5 采用稀疏促进的迭代l_2范数正则化改进算法 | 第50-62页 |
| 5.1 迭代正则化稀疏促进声源识别算法 | 第50-52页 |
| 5.2 基于正交十字轴的相乘滤波 | 第52-53页 |
| 5.3 基于遗传算法的空间十字轴阵列设计 | 第53-55页 |
| 5.4 仿真验证 | 第55-59页 |
| 5.5 实验验证 | 第59-61页 |
| 5.6 本章小结 | 第61-62页 |
| 6 结论与展望 | 第62-64页 |
| 6.1 结论 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 附录 | 第70-71页 |
| A.作者在攻读学位期间发表的论文目录 | 第70页 |
| B.作者在攻读学位期间参与的科研项目 | 第70-71页 |