Imagerie acoustique par approximations parcimonieuses des sources

Acoustic sources imaging in the sparsity framework

• Auteur / Autrice : Antoine Peillot
• Direction : Laurent Daudet
• Type : Thèse de doctorat
• Discipline(s) : Acoustique
• Date : Soutenance en 2012
• Etablissement(s) : Paris 6

Mots clés

Mots clés contrôlés

Imagerie acoustique

Holographie acoustique

Représentation parcimonieuse

Résumé

La description parcimonieuse des sources permet une approche nouvelle de l'analyse des champs acoustiques. Dans ce projet, nous avons appliqué ce principe à plusieurs scénarios: l'holographie acoustique de champ proche (NAH), la localisation et l'identification de directivité de sources. Ces méthodes d'imagerie exigent la résolution de problèmes inverses, souvent mal posés, qui nécessitent d'être régularisés. De plus, pour capter l'information utile et assurer de bonnes performances de reconstruction, les techniques traditionnelles d'antennerie imposent le déploiement d'un grand nombre de microphones. Dans ces travaux, nous utilisons l'approximation parcimonieuse des sources comme moyen de régularisation de problèmes d'imagerie. Cette méthode permet en outre de tirer profit du "compressive sampling" (CS), qui permet de diminuer le nombre de mesures utiles à la reconstruction des sources. On montre que l'application du CS à la NAH permet non seulement de mieux régulariser le problème par rapport aux techniques classiques, mais également de diminuer fortement le nombre de microphones en sous-échantillonnant l'hologramme au-delà de la limite imposée par la théorie de Shannon. Le problème de localisation parcimonieuse de sources permet la localisation avec une haute résolution de sources corrélées, en champ proche comme en champ lointain. Nous structurons la base de parcimonie en l'enrichissant avec un modèle de décomposition des sources en harmoniques sphériques pour localiser et identifier la directivité de sources complexes. Ces études ont nécessité le développement de techniques rapides de calibration de grands réseaux de microphones

In this work the principle of sparsity-based techniques have been applied to acoustic imaging issues. It includes nearfield acoustic holography (NAH), complex sources localization and directivity pattern identification. These techniques consist in the inversion of ill-posed problems which involve the use of regularization schemes. Moreover, standard regularization methods often require a huge number of microphones in order to oversample the acoustic field and therefore avoiding aliasing effects. To overcome these problems, we investigate sparse regularization principles and/or compressive sampling (CS) for the analysis of acoustic fields. CS states that, under the sparsity assumption of the source to recover, it is possible to significantly reduce the number of measurements (i. E. , microphones), even well below spatial Nyquist rates. It is shown that sparsity-based NAH techniques lead to significant improvements over standard NAH techniques. A sub-Nyquist random sampling combined with sparse regularization allows the precise source reconstruction. The problem of source localization can be recast in a sparse framework. It acts as a high-resolution localisation method for correlated and uncorrelated sources that lie in the near field or in the far field. The use of sparsity-promoting algorithms allows the localization of complex sources by improving the sparse model with a spherical harmonic dictionary. This method is applied to the identification of sources directivity pattern. Finally, microphone position self-calibration methods are investigated to experimentally manage large microphone arrays