深度学习稀疏展开网络

高分辨声源成像

一种可解释的声源定位网络，在复杂激励和不确定干扰下成像更快更稳，定位更准。

Siguo, Wen · 郑凯 · Pu, Li · Yuying, Fang · Bai, Yin · 尚德为

Engineering Applications of Artificial Intelligence 2025

技术优势

数据不再难搞

自适应代理模型可生成不受频率影响的高质量目标图，数据集构建不再依赖精确约束方程。

解得更快更稳

将带有Nesterov加速的学习迭代收缩阈值算法展开成网络，提升求解速率，保证成像速度。

抗干扰更强

变分贝叶斯增强机制提高迭代解的稀疏性，改善训练数据多样性，使模型在不确定干扰下依然稳健。

应用场景

• 机器人声源定位：让机器人在嘈杂环境中快速准确找到声源位置。
• 工业噪声源识别：从复杂工业噪声中高分辨率识别噪声源头。
• 声学传感网节点：节点可实时处理声学数据，抗干扰且算得快。
• 具身智能听觉感知：为具身智能提供高分辨、可解释的听觉感知。