一种自适应声场调控的方法和装置

1.本发明属于声场调控领域，更具体地，涉及一种自适应声场调控的方法和装置。


背景技术：

2.海洋覆盖着地球三分之二的表面积，它是人类探索和研究的最前沿的领域之一。海洋不仅在国际商业和渔业中扮演重要的角色，而且还包含了气候的信息，以及丰富的急待开采发的资源。随着全球海洋活动的日趋频繁和迅猛发展，发展现代海洋通信网络与技术已成为我国学术界以及工业界的焦点问题。水下无线通信是海洋通信的关键技术，一般可以分为水下电磁波通信和水声通信。海洋环境多变，电磁波(光波、射频)信号因其高频率在水下传输时由于衰减、散射和吸收等各种因素影响，其传输距离一般限制在较短距离(不超过200m)。目前，声波成为水下长距离传输信息的最优方式。由于海洋环境复杂多变，声场在传输过程中会由于经历各种复杂的扰动而发生不同程度的扭曲和畸变，比如水中的悬浮物颗粒会散射声场，水中的气泡会扰动声场，水下湍流和不均匀的梯度分布同样会干扰声场的传输，等等这些都会使得输出声场相比于输入声场产生较大的改变。输入声场是普通的高斯声场，经过复杂过程后的输出声场其幅度和相位分布可能会变得杂乱无章，这些会对基于声场的通信产生不利影响。除此之外，声场还可以广泛应用于传感、测量和成像等多种应用中，复杂的海洋环境引起的声场的扰动对这些应用都可能产生不利的影响。鉴于此，如何对声场进行灵活的调控是声场应用中亟需解决的关键技术。
3.值得注意的是，在基于声场的通信、传感、测量和成像应用中，传统技术所使用的普遍都是高斯声场，更多的是关注高斯声场的频率和幅度等参数维度，对于声场的空间分布很少涉及。近年来，随着光波空间维度资源的开发，特别是受启发于具有空间螺旋相位结构分布且携带轨道角动量的涡旋光场，涡旋声场也受到了人们广泛的关注。更加一般地，随着光场调控技术的快速发展，声场调控技术也应运而生。这里的声场调控技术旨在对声场的空间幅度和相位分布进行剪裁，比如调控产生具有螺旋相位结构的涡旋声场以及具有一般空间幅度和相位分布的结构声场。在很多应用场合，已知的输入声场经过复杂过程之后其输出声场会变得杂乱无章，其中的复杂过程也不得而知，就像一个黑盒子，然而希望输出的声场是满足某些应用需求的特定声场，比如一个汇聚的高斯声场或者涡旋声场等具有特定空间幅度和相位分布的声场，这就需要对声场进行灵活调控。特别地，为了应对复杂多变的海洋环境，需要一种自适应的声场调控技术，其对于灵活调控声场并实际应用于先进的通信、传感、测量和成像技术中具有重要研究意义和实用价值。


技术实现要素：

4.本发明提供了一种自适应声场调控的方法和装置，旨在利用神经网络建立起输出声场与输入声场之间的复杂对应关系，利用阵列声源自适应调控输入声场训练神经网络并获得经过复杂过程后的特定目标输出声场，构建自适应声场调控的装置，进一步利用可重构的声学元件替换阵列声源实现从输入普通高斯声场到特定目标输出声场的自适应调控，
从而突破传统声场调控技术的性能局限，填补相关技术的空白。
5.为实现上述目的，按照本发明的一方面，提供了一种自适应声场调控的方法，若干输入声场经过传输或变换得到对应的输出声场后，将这若干对已知的输入声场和输出声场作为训练样本集训练神经网络，其中输出声场为神经网络的输入，输入声场为神经网络的输出；
6.待神经网络训练好之后，将目标输出声场作为训练好的神经网络的输入，此时神经网络的输出对应为获得目标输出声场所需的输入声场，通过调控所需的输入声场，从而实现自适应声场调控，得到目标输出声场。
7.优选地，神经网络的训练样本集为阵列声源产生的若干个输入声场及其经过传输或变换后相对应的若干个输出声场，神经网络经过训练样本集训练后，将目标输出声场作为神经网络输入，经神经网络学习后输出所需的输入声场，然后利用阵列声源调控产生所需的输入声场，该输入声场经过传输或变换后得到相对应的输出声场，将此输出声场与目标输出声场进行对比，如果不一致或者一致程度低于设定值，则将该输出声场及其对应的输入声场作为在训练样本集基础上新增的补充样本，重新训练神经网络并调整神经网络参数，然后再将目标输出声场作为重新训练后的神经网络的输入，如此反复迭代，直至神经网络学习得到的实际输出声场和目标输出声场吻合。
8.优选地，输入声场由阵列声源产生，阵列声源可以是环形阵列，可以是方形阵列，也可以是其他几何排布阵列，通过控制阵列声源每个阵列单元产生声场的幅度和相位，可以根据需要产生具有特定空间变化幅度和相位分布的已知若干个输入声场。
9.优选地，传输或变换过程可以是复杂的传输过程，也可以是输入到输出复杂的变换过程；目标输出声场可以是一个汇聚的高斯声场，可以是一个涡旋声场，也可以是其他任意具有特定空间幅度和相位分布的结构声场。
10.优选地，输出声场由输入声场经过传输或变换对应得到，每个输出声场通过单个声场接收器空间逐点扫描探测其声场空间幅度和相位分布，或者通过阵列声场接收器一次性探测其声场空间幅度和相位分布。
11.优选地，输入声源是传统的单个普通高斯声源，其位于阵列声源之前一定距离，仍然利用神经网络学习获得自适应调控输入声场a，其经过复杂过程后得到目标输出声场a’，此时用一个声学元件替代阵列声源，该声学元件的传输矩阵为h，输入普通高斯声源a0传输特定距离到达声学元件所在位置处时的声场分布a0’
可以通过声传输理论得到，这样，为了得到最终的目标输出声场，替代阵列声源的声学元件的传输矩阵h满足a0’
h＝a，因而，可以得到当输入声源为单个普通高斯声源时为了获得目标输出声场所需要的用于替代阵列声源的声学元件。
12.按照本发明的另一方面，提供了一种自适应声场调控的装置，装置包括输入声源、传输介质、声场检测模块、神经网络模块；输入声源用于产生任意具有空间幅度和相位分布的输入声场；传输介质用于实现输入声场到输出声场的转换；声场检测模块用于检测输出声场的幅度和相位分布神经网络模块用于将输入声场和输出声场作为训练样本集训练经网络，其中输出声场为神经网络的输入，输入声场为神经网络的输出；待神经网络训练好之后，将目标输出声场作为训练好的神经网络的输入，此时神经网络得输出为获得目标输出声场所需的输入声场，通过调控所需的输入声场，从而实现自适应声场调控。
13.优选地，神经网络的训练样本集为阵列声源产生的若干个输入声场及其经过传输或变换后相对应的若干个输出声场，神经网络经过训练样本集训练后，将目标输出声场作为神经网络输入，经神经网络学习后输出所需的输入声场，然后利用阵列声源调控产生所需的输入声场，该输入声场经过传输或变换后得到相对应的输出声场，将此输出声场与目标输出声场进行对比，如果不一致或者一致程度低于设定值，则将该输出声场及其对应的输入声场作为在训练样本集基础上新增的补充样本，重新训练神经网络并调整神经网络参数，然后再将目标输出声场作为重新训练后的神经网络的输入，如此反复迭代，直到神经网络学习得到的实际输出声场和目标输出声场吻合。
14.优选地，传输介质可以是真实场景的空气和水下传输介质，可以是传输路径散落一些散射体的传输介质，可以是复杂散射介质，可以是其他传输特性未知且具有复杂传输矩阵的介质，可以是具有复杂变换矩阵的器件，也可以是其他广义的连接输入和输出声场的未知黑盒子。。
15.优选地，声场检测模块为单个声电转换元件或者阵列声电转换元件，可以是单个麦克风，可以是阵列麦克风；单个声电转换元件通过空间逐点扫描方法探测声场空间幅度和相位分布；阵列声电转换元件可以一次性探测声场空间幅度和相位分布。
16.优选地，输入声源为阵列声源，可以是环形阵列，可以是方形阵列，也可以是其他几何排布阵列，每个声源可以是扬声器，可以是水听器，也可以是其他一般电声转换元件。如果输入声源为单个高斯声源，普通高斯声源产生的高斯声场经过输入输出复杂过程后输出声场会很杂乱，通过增加声学元件进行自适应声场调控可以得到特定的目标输出声场。高斯声源用于产生单个呈高斯分布的声场；声学元件为声学超材料、声学超表面、逼近型纯相位声学元件、幅度和相位型声学元件或者传输矩阵可编程和可重构的声学元件。
17.通过本发明所构思的以上技术方案，与现有技术相比，本发明具有如下有益效果：
18.1、本发明公开了一种自适应声场调控的方法和装置，其可以通过自适应调控输入声场获得经过复杂过程后的特定目标输出声场，相比于传统声场调控是一种主动且目标导向的新型声场调控技术，可以根据不同的目标输出声场需求灵活自适应调控所需的输入声场，其为基于声场的通信、传感、测量、成像等应用提供了新技术。
19.2、本发明利用神经网络建立起输出声场与输入声场之间的复杂对应关系，其不依赖于具体的复杂过程，也不需要求解明确的输入输出对应关系，只是通过若干对自适应调控输入声场和对应输出声场完成对神经网络的训练，具有灵活和高效的特点，其为目标导向的新型声场调控技术提供了一种全新的思路。
20.3、本发明利用阵列声源自适应调控输入声场训练神经网络并最终获得经过复杂过程后的特定目标输出声场，阵列声源的使用灵活且方便，不仅可以产生训练神经网络所需的若干个输入声场，还可以根据特定目标输出声场自适应调控输入声场。
21.4、本发明针对更为普遍的普通高斯声源应用场景，利用可重构的声学元件替换阵列声源以实现从输入普通高斯声场到特定目标输出声场的自适应调控，这对于更加广泛的声场实际应用具有重要价值，有益于自适应声场调控技术的应用推广。
22.5、本发明提出的自适应声场调控技术的基本思想具有广泛普适性，可以进一步应用于自适应光场调控技术和自适应电磁场调控技术，这对于拓展基于灵活光场调控和灵活电磁场调控的应用具有重要意义。
附图说明
23.图1是本发明实施例提供的一种自适应声场调控的方法的流程示意图；
24.图2是本发明实施例提供的一种自适应声场调控的装置的结构示意图；
25.图3是本发明实施例提供的一种基于神经网络训练过程的补充示意图；
26.图4是本发明实施例提供的一种基于神经网络自适应声场调控的流程示意图。
具体实施方式
27.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间不构成冲突就可以相互组合。
28.本发明提供了一种自适应声场调控的方法，输入声场经过传输或变换得到对应的输出声场后，将这若干对已知的输入声场和输出声场作为训练样本集训练神经网络，其中输出声场为神经网络的输入，输入声场为神经网络的输出；
29.待神经网络训练好之后，将目标输出声场作为训练好的神经网络的输入，此时神经网络的输出对应为获得目标输出声场所需的输入声场，通过调控所需的输入声场，从而实现自适应声场调控。
30.具体地，神经网络的训练样本集为阵列声源产生的若干个输入声场及其经过传输或变换后相对应的若干个输出声场，神经网络经过训练样本集训练后，将目标输出声场作为神经网络输入，经神经网络学习后输出所需的输入声场，然后利用阵列声源调控产生所需的输入声场，该输入声场经过传输或变换后得到相对应的输出声场，将此输出声场与目标输出声场进行对比，如果不一致或者一致程度低于设定值，则将该输出声场及其对应的输入声场作为在训练样本集基础上新增的补充样本，重新训练神经网络并调整神经网络参数，然后再将目标输出声场作为重新训练后的神经网络的输入，如此反复迭代，直至神经网络学习得到的实际输出声场和目标输出声场吻合。
31.具体地，输入声场由阵列声源产生，阵列声源的每个阵列单元可以任意独立调控其产生声场的幅度和相位，产生具有空间变化的幅度和相位分布的结构声场。
32.具体地，输出声场由输入声场经过传输或变换对应得到，每个输出声场通过单个声场接收器空间逐点扫描探测其声场空间幅度和相位分布，或者通过阵列声场接收器一次性探测其声场空间幅度和相位分布。
33.具体地，当输入声场由单个高斯声源产生时，输出声场由输入声场经过自由空间传输到达预设的声学元件，再经过传输或变换得到，通过调控声学元件产生声场的幅度和相位来替换阵列声源，产生具有空间变化的幅度和相位分布的结构声场。
34.本发明还提供了一种自适应声场调控的装置，装置包括输入声源、传输介质、声场检测模块、神经网络模块；输入声源用于产生任意具有空间幅度和相位分布的输入声场；传输介质用于实现输入声场到输出声场的转换；声场检测模块用于检测输出声场的幅度和相位分布神经网络模块用于将输入声场和输出声场作为训练样本集训练经网络，其中输出声场为神经网络的输入，输入声场为神经网络的输出；待神经网络训练好之后，将目标输出声场作为训练好的神经网络的输入，此时神经网络得输出为获得目标输出声场所需的输入声
场，通过调控所需的输入声场，从而实现自适应声场调控。
35.具体地，神经网络的训练样本集为阵列声源产生的若干个输入声场及其经过传输或变换后相对应的若干个输出声场，神经网络经过训练样本集训练后，将目标输出声场作为神经网络输入，经神经网络学习后输出所需的输入声场，然后利用阵列声源调控产生所需的输入声场，该输入声场经过传输或变换后得到相对应的输出声场，将此输出声场与目标输出声场进行对比，如果不一致或者一致程度低于设定值，则将该输出声场及其对应的输入声场作为在训练样本集基础上新增的补充样本，重新训练神经网络并调整神经网络参数，然后再将目标输出声场作为重新训练后的神经网络的输入，如此反复迭代，直到神经网络学习得到的实际输出声场和目标输出声场吻合。
36.具体地，传输介质为真实场景的空气或水下传输介质，或者传输特性未知且具有复杂传输矩阵的介质。
37.具体地，声场检测模块为单个声电转换元件或者阵列声电转换元件；单个声电转换元件通过空间逐点扫描方法探测声场空间幅度和相位分布；阵列声电转换元件可以一次性探测声场空间幅度和相位分布。
38.具体地，输入声源为阵列声源，可以是环形阵列，可以是方形阵列，也可以是其他几何排布阵列，每个声源可以是扬声器，可以是水听器，也可以是其他一般电声转换元件。有时输入声源为单个高斯声源，普通高斯声源产生的高斯声场经过输入输出复杂过程后输出声场会很杂乱，通过增加声学元件进行自适应声场调控可以得到特定的目标输出声场。所述高斯声源用于产生单个呈高斯分布的声场；声学元件为声学超材料、声学超表面、逼近型纯相位声学元件、幅度和相位型声学元件或者传输矩阵可编程和可重构的声学元件。
39.以下结合具体实施例及附图进行说明。
40.图1是本发明提供的一种自适应声场调控的方法流程示意图，利用神经网络(如卷积神经网络)建立输出声场与输入声场之间的复杂对应关系，输入声场由阵列声源产生，每个阵列单元可以任意独立调控其产生声场的幅度和相位，从而利用阵列声源可以产生若干个任意输入声场，经过一个传输介质后对应得到若干个输出声场，将这若干对已知的输入声场和输出声场作为训练样本集来训练神经网络，其中输出声场为神经网络输入，输入声场为神经网络输出。神经网络训练好之后，将目标输出声场作为神经网络的输入，此时神经网络的输出对应为获得目标输出声场所需的输入声场，通过阵列声源调控产生所需的输入声场，从而实现了自适应声场调控，即自适应调控输入声场以获得经过复杂过程后的特定目标输出声场。
41.图2为本发明提供的一种自适应声场调控的装置结构示意图，包括阵列声源、传输介质、声场检测模块、神经网络模块。阵列声源的每个阵列单元可以任意独立调控其所在位置处产生的声场的幅度和相位，通过控制阵列声源可以产生任意具有空间幅度和相位分布的输入声场；输入输出复杂过程实现输入声场到输出声场的转换；声场检测模块探测输出声场，即获得输出声场的幅度和相位分布。
42.图3是本发明提供的一种基于神经网络训练过程的补充示意图。输出声场作为神经网络的输入，输出声场作为神经网络的输出，建立输入输出样本集训练神经网络，神经网络一般分布输入层、隐藏层和输出层，经过多次迭代计算后得到输入输出的对应关系。
43.图4是本发明提供的一种基于神经网络自适应声场调控的流程示意图。神经网络
训练模块可以是卷积神经网络，经过复杂介质的n个散射声场(a1’
,a2’
,
…
,a
n’)作为输入信息，阵列声源产生的n个声场(a1,a2,
…
,a
n
)作为输出信息，构建卷积神经模型。当给定一个目标输出声场s
n+1’，以此作为卷积神经网络的输入，卷积神经网络可以通过之前的得到的对应关系得到输入声场的声场分布a
n+1
，根据此声场分布进行阵列声源每一个单元的幅度相位调控，这时又会得到一个相对应的输出声场a
n+1’，将此输出声场与目标声场进行对比，如果不一致就将输出声场与输入声场作为新增样本训练集代入神经网络，并调整神经网络参数，反复此步骤，最终得到与目标声场高度吻合的输出声场，对应的阵列声源产生的输入声场也同时得到，完成此神经网络训练过程。
44.本发明不仅局限于上述具体实施方式，本领域一般技术人员根据本发明公开的内容，可以采用其它多种具体实施方式实施本发明，因此，凡是采用本发明的设计结构和思路，做一些简单的变化或更改的设计，都落入本发明保护的范围。