Построение акустических изображений с помощью сверхразрешающих методов с использованием неэквидистантных планарных антенных решеток

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Проведены исследования возможности применения планарных неэквидистантных антенных решеток в задачах построения акустических изображений. Такие антенные решетки могут применяться, например, для диагностики различных механизмов с целью определения областей повышенного шумоизлучения. Для определения преимуществ использования неэквидистантных антенн в работе проведено численное моделирование. Приведены сравнения современных классических методов сверхразрешения с одним из новых методов, разработанным в ИПФ РАН. Полученные результаты подтвердились в эксперименте. Результаты работы позволяют сделать вывод, что планарные разреженные неэквидистантные антенные решетки дают возможность уменьшить количество используемых микрофонов или расширить частотный диапазон в задачах выделения источников и разрешения их в пространстве.

Полный текст

Доступ закрыт

Об авторах

А. А. Родионов

Федеральный исследовательский центр Институт прикладной физики им. А.В. Гапонова-Грехова Российской академии наук

Email: saveliev@ipfran.ru
Россия, ул. Ульянова 46, Нижний Новгород, 603950

Н. В. Савельев

Федеральный исследовательский центр Институт прикладной физики им. А.В. Гапонова-Грехова Российской академии наук

Автор, ответственный за переписку.
Email: saveliev@ipfran.ru
Россия, ул. Ульянова 46, Нижний Новгород, 603950

Список литературы

  1. Heilmann G., Meyer A. Time-domain Beamforming using 3D-microphone arrays // Proc. the Berlin Beamforming Conference. Berlin, Germany, 19–20 February, 2008. Art. No. 4.
  2. Зверев В.А. Формирование изображений акустических источников в мелком море. Федер. исслед. центр Ин-т приклад. физики РАН. Нижний Новгород: ИПФ РАН, 2019. 112 с.
  3. Leahy R.M., Jeffs B.D. // IEEE Trans. Antennas Propagat. 1991. V. 39. No. 8. P. 1178. doi: 10.1109/8.97353
  4. Bucci O.M., D’Urso M., Isernia T., et al. // IEEE Trans. Antennas Propagat. 2010. V. 58. No. 6. P. 1949. https://doi.org/10.1109/TAP.2010.2046831
  5. Малышкин Г.С., Сидельников Г.Б. Оптимальные и адаптивные методы обработки гидроакустических сигналов (обзор) // Акуст. журн. 2014. Т. 60. № 5. С. 526–545.
  6. Сазонтов А.Г., Малеханов А.И. Согласованная пространственная обработка сигналов в подводных звуковых каналах (обзор) // Акуст. журн. 2015. Т. 61. № 2. С. 233–253.
  7. Ермолаев В.Т., Флаксман А.Г., Елохин А.В., Купцов В.В. Метод минимального многочлена для оценки параметров сигналов, принимаемых антенной решеткой // Акуст. журн. 2018. Т. 64. № 1. С. 78–85.
  8. Van Trees H.L. Detection, Estimation, and Modulation Theory. Part IV. Optimum Array Processing. N.Y.: Wiley, 2002.
  9. Родионов А.А., Турчин В.И. Обработка сигналов в антенных решетках на основе модели помехи, включающей корреляционную матрицу неполного ранга // Изв. вузов. Радиофизика. 2017. Т. 60. № 1. С. 60–71.
  10. Родионов А.А., Семенов В.Ю., Савельев Н.В., Коновалов К.С. Локализация неподвижного источника звука с использованием некогерентного апертурного синтеза с одновременным подавлением помех // Изв. вузов. Радиофизика. 2019. Т. 62. № 2. С. 126–135.
  11. Иваненков А.С., Родионов А.А., Савельев Н.В. Определение эффективного числа источников помехи в задаче адаптивной оценки временных форм узкополосных сигналов с помощью антенных решеток // Изв. вузов. Радиофизика. 2019. Т. 62. № 3. С. 228–240.
  12. Иваненков А.С., Родионов А.А., Савельев Н.В. Сверхразрешение близких источников в задаче построения акустических изображений с помощью метода максимального правдоподобия // XXXII Сессия РАО, Москва 14-18 октября 2019 г.
  13. Иваненков А.С., Родионов А.А., Савельев Н.В. Построение акустических изображений с помощью гибких микрофонных антенных решеток с использованием сверхразрешающих методов // Изв. вузов. Радиофизика. 2021. Т. 64. № 7. С. 522–534.
  14. Турчин В.И., Родионов А.А. Обнаружение и пеленгация источников с использованием разреженных антенных решеток // Изв. Вузов. Радиофизика. 2018. Т. 61. № 2. C. 122–140.
  15. Родионов А.А., Савельев Н.В. Синтез планарных разреженных антенных решеток для обнаружения и пеленгации // Изв. вузов. Радиофизика. 2024. Т. 67. № 3. C. 236–245.
  16. Королюк В.С., Портенко Н.И., Скороход А.В. Справочник по теории вероятностей и математической статистике. М: Наука, 1985. 640 с.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Отбор элементов для АР. Черными кружками обозначена исходная эквидистантная АР, красными — отбор элементов по указанной выше методике, серыми линиями — границы подрешеток

Скачать (127KB)
3. Рис. 2. Зависимость вероятности разрешения от ОСШ для различных адаптивных методов. Показан результат для эквидистантной АР из 120 элементов

Скачать (176KB)
4. Рис. 3. Зависимость вероятности разрешения от ОСШ для различных адаптивных методов

Скачать (158KB)
5. Рис. 4. Акустический портрет для методов МПКС и MUSIC для разреженной эквидистантной АР

Скачать (165KB)
6. Рис. 5. Акустический портрет для методов МПКС и MUSIC для разреженной неэквидистантной АР

Скачать (156KB)
7. Рис. 6. Акустический портрет, построенный с помощью методов MUSIC и МПКС (120-элементная эквидистантная АР)

Скачать (526KB)
8. Рис. 7. Акустический портрет, построенный с помощью методов MUSIC и МПКС (30-элементная разреженная эквидистантная АР)

Скачать (541KB)
9. Рис. 8. Акустический портрет, построенный с помощью методов MUSIC и МПКС (30-элементная разреженная неэквидистантная АР)

Скачать (539KB)
10. Рис. 9. Акустический портрет, построенный с помощью методов MUSIC и МПКС (30-элементная разреженная неэквидистантная АР, уменьшенное по сравнению с рис. 8 расстояние между источниками)

Скачать (546KB)

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».