基于压缩感知和约束随机线阵的声源方位估计

为解决声源方位估计中因阵元个数受限导致角度分辨率低的问题,提出以多约束均匀分布线性随机阵列为基础的随机线阵压缩感知(MC-Uni-RLA+CS)声源方位估计方法。研究了在不同信噪比、不同入射信号个数情况下本方法的识别精度,比较了均匀线阵压缩感知(ULA+CS)方法和MC-Uni-RLA+CS方法在不同入射角度范围内的识别精度。通过数值仿真与同类方法对比验证了该方法的有效性和优越性。结果表明:相同麦克风数量条件下,与CBF、MVDR、MUSIC和ULA+CS方法相比,MC-Uni-RLA+CS方法在低信噪比情况下分辨率更高,完全正确角度识别范围拓宽为[-50°,50°],且低噪比时鲁棒性好。     

探索式搜索中支持多角度概念发现方法

为帮助用户在执行探索式搜索时发现领域内重要、有价值的概念, 同时了解概念所处的问题角度进而全面理解目标领域, 以建模概念的实际使用情况为基础, 分析确定概念的重要度及问题角度对概念重要度的影响, 提出了支持用户多角度概念发现方法。该方法考虑了概念的重要性及概念所处问题角度之间的交互影响, 实现了对影响概念发现两方面因素的同步分析。实验表明, 相比直接搜索, 该方法减少了48.8%的搜索交互次数, 并提升了24.3%的概念出现数量。