声学成像算法

        基于传声器阵列的声学成像技术的基本原理是通过传声器接收得到多个通道的声音信号，然后采用适当的信号处理算法计算得出声场的分布信息。传声器阵列是由多个传声器单元按照一定的空间几何规律排列构成，与仅用单个传声器的测试手段相比，声阵列在信号接收及处理过程中有着一系列明显优势，主要表现在抗混响、去噪声、语音分离的能力更强，空间分辨率更高，传声器阵列的多通道信号处理方式丰富了声音信号的处理域，在时间域与频率域外增加了空间域，使得声源定位的准确性更高，适应能力更为突出。声阵列的拓扑结构指的是传感器的空间几何形状，阵列中传感器的布置方式会影响阵列识别声源的空间分辨率及其识别频率的范围，因此对声阵列拓扑结构的研究具有非常重要的意义。传声器阵列声源定位技术的另一个关键就是声源定位算法的研究，常规波束形成算法基于“延时、求和”原理，由于原理简单、适应性强等优点得到了广泛的应用。
        常规波束形成算法基于延时求和原理，是应用非常普遍的一种声源定位算法。其原理是将声源面进行网格化，基于声阵列接收到的空间声音信号，对离散的网格聚焦点逐一进行相位对齐和求和，当扫面的网格点与声源位置一致时，会在该方向输出一个极大值以达到声源定位的目的。

        基于近场球面波模型可以得到阵列接收到的信号表达式，然后利用各阵元到网格点与参考阵元到网格点延时进行相位补偿，再将补偿后的信号与阵列采集到的信号进行加权求和，按传声器标准化后得到传统波束输出表达式为：

        定位过程中需要对不同频段的声源进行定位，所以需要行频域处理，对上式进行傅里叶变换后得到波束形成的频域表达式：

        由于受到瑞利准则的影响，传统的延时求和波束形成（Conventional beam-forming, CBF）技术的分辨率随着阵列孔径的增加而减小，且受到声源信号波长的限制，低频声源识别效果不好。 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。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 leastsquares, 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 basedspatial   source   coherence,  CLEAN-SC)、特征值谱分解优化算法（EVOB）等。