韋 娟， 鄭柳青， 鄭浩南， 王文靜， 寧方立

(1.西安電子科技大學(xué) 通信工程學(xué)院，西安 710071； 2.西北工業(yè)大學(xué) 機(jī)電學(xué)院，西安 710072;3.東莞市三航軍民融合創(chuàng)新研究院,東莞 523808)

氣體泄漏不僅會(huì)造成嚴(yán)重的經(jīng)濟(jì)損失和能源浪費(fèi)，還會(huì)給人民的生命財(cái)產(chǎn)安全帶來巨大危害[1]，因此對(duì)氣體泄漏聲源的檢測(cè)和定位至關(guān)重要。氣體泄漏產(chǎn)生的聲波頻帶較寬，從可聽聲范圍到超聲范圍均有分布。其中在低頻段噪聲能量較大，因此一般取氣體泄漏聲波能量大而噪聲能量小的超聲頻段進(jìn)行研究[2-3]。目前人們多利用聲源的超聲特性，用手持超聲檢測(cè)設(shè)備來獲得泄漏源位置，但其難以實(shí)現(xiàn)全面實(shí)時(shí)的檢測(cè)[4-5]。因此，學(xué)者開始研究采用麥克風(fēng)陣列進(jìn)行氣體泄漏聲源的DOA估計(jì)。

目前基于麥克風(fēng)陣列的氣體泄漏聲源DOA估計(jì)算法，普遍存在采樣率高、數(shù)據(jù)量大以及計(jì)算復(fù)雜度高等缺點(diǎn)。文獻(xiàn)[6]根據(jù)分布式超聲換能器對(duì)氣體泄漏聲源進(jìn)行檢測(cè)定位，其中每個(gè)傳感器均需以非常高的采樣速率采樣大量數(shù)據(jù)，并將這些數(shù)據(jù)傳輸至后臺(tái)進(jìn)行處理。文獻(xiàn)[7]通過麥克風(fēng)陣列檢測(cè)泄漏所產(chǎn)生的低于20 kHz的聲波，利用波束形成方法得到泄漏聲源的DOA估計(jì)，然而該方法所檢測(cè)的是可聽聲頻段，在該頻段內(nèi)背景噪聲較強(qiáng)，會(huì)將泄漏噪聲淹沒，導(dǎo)致該方法失效。文獻(xiàn)[8]利用隨機(jī)部署的平面麥克風(fēng)陣列，通過稀疏表示方法進(jìn)行氣體泄漏聲源的方位估計(jì)。文獻(xiàn)[9]應(yīng)用9個(gè)MEMS麥克風(fēng)構(gòu)成“T”型陣列，采用波束形成方法得到氣體泄漏聲源的DOA估計(jì)。上述方法中所有麥克風(fēng)均為高速率采樣，導(dǎo)致硬件的配置難度增加以及巨大的計(jì)算量，因而在實(shí)際應(yīng)用中受到一定限制。

壓縮感知[10-12]技術(shù)利用信號(hào)的稀疏性，通過少量的采樣數(shù)據(jù)即可重構(gòu)原始信號(hào)，極大地降低信號(hào)的采樣速率以及數(shù)據(jù)的存儲(chǔ)量和計(jì)算量，現(xiàn)已廣泛應(yīng)用于寬帶信號(hào)采集與處理、圖像處理、數(shù)據(jù)壓縮等諸多領(lǐng)域。壓縮感知理論提出之初主要針對(duì)離散數(shù)字信號(hào)，后來學(xué)者相繼提出了基于壓縮感知理論的模擬信號(hào)的直接信息采樣方法[13-15]，但都存在一定的局限性。例如調(diào)制寬帶轉(zhuǎn)化器的采樣結(jié)構(gòu)適合處理寬頻帶模擬信號(hào)，但其主要針對(duì)的是稀疏多帶信號(hào)。文獻(xiàn)[16]提出一種壓縮方位估計(jì)算法進(jìn)行聲源的DOA估計(jì)。其設(shè)計(jì)思想是選用一個(gè)麥克風(fēng)作為參考麥克風(fēng)(Reference Microphone, RM)以高于奈奎斯特采樣率的速率進(jìn)行高速采樣，其他麥克風(fēng)進(jìn)行壓縮測(cè)量，通過少量的測(cè)量數(shù)據(jù)，計(jì)算得到聲源DOA估計(jì)結(jié)果。然而該算法還是先將模擬信號(hào)高速率采樣得到離散信號(hào)后再處理，并沒有實(shí)現(xiàn)模擬信號(hào)的直接壓縮采樣；并且選擇隨機(jī)高斯矩陣作為測(cè)量矩陣，需要對(duì)矩陣的每個(gè)元素進(jìn)行存儲(chǔ)和計(jì)算，復(fù)雜度較高；此外在信號(hào)重構(gòu)時(shí)采用Dantzig選擇器[17]的求解方法，其參數(shù)選取對(duì)算法的影響較大，且計(jì)算復(fù)雜度較高。針對(duì)上述問題，本文提出一種基于時(shí)域壓縮的直接非均勻隨機(jī)欠采樣DOA估計(jì)算法，在不改變傳統(tǒng)采樣電路的前提下直接對(duì)氣體泄漏聲源信號(hào)進(jìn)行低速隨機(jī)壓縮采樣，采用計(jì)算速度快、重構(gòu)精度高的子空間追蹤(Subspace Pursuit, SP)算法，通過較少的采樣數(shù)據(jù)準(zhǔn)確得到氣體泄漏聲源的DOA估計(jì)結(jié)果，極大減少了系統(tǒng)所需的存儲(chǔ)量與運(yùn)算量。

1 基于壓縮感知的DOA估計(jì)數(shù)學(xué)模型

基于壓縮感知的聲源DOA估計(jì)多在頻域上實(shí)現(xiàn)，其特點(diǎn)是聲源信號(hào)可以通過一些主要的頻率分量表征[18]。而氣體泄漏聲源是一種寬頻帶且具有復(fù)雜頻譜結(jié)構(gòu)的超聲波，不具有頻譜稀疏性。因此，本文采用時(shí)域方法進(jìn)行研究。

假設(shè)一維空間內(nèi)有K個(gè)氣體泄漏聲源，均為遠(yuǎn)場(chǎng)聲源。將空間等角度劃分為N份，即B={θ0,θ1,…,θΝ}，其中K<

遠(yuǎn)場(chǎng)聲源DOA估計(jì)示意圖如圖1所示，麥克風(fēng)陣列為均勻線陣，陣元數(shù)目為L(zhǎng)，陣元間距為d。其中，RM以高于2倍奈奎斯特采樣率的采樣頻率進(jìn)行標(biāo)準(zhǔn)采樣，其余麥克風(fēng)作為壓縮采樣麥克風(fēng)進(jìn)行壓縮采樣。

圖1 遠(yuǎn)場(chǎng)聲源DOA估計(jì)示意圖

t時(shí)刻，RM接收到的聲源信號(hào)為

ζRM(t)=wsk(t+r0/c)

(1)

式中：sk(t)為第k個(gè)聲源信號(hào)，w為信號(hào)幅度的衰減系數(shù)，r0表示聲源與陣列的間距，c表示聲速。

第i個(gè)壓縮采樣麥克風(fēng)接收到的聲源信號(hào)為

(2)

(3)

RM以高采樣率對(duì)聲源信號(hào)進(jìn)行采樣，可以表示為

(4)

式中:t0為RM采樣的起始時(shí)刻，F(xiàn)s為RM的采樣頻率，Nt為RM的采樣數(shù)目。

在實(shí)際應(yīng)用中，氣體泄漏聲源信號(hào)未知，若對(duì)RM以較高的采樣率采樣便可近似為聲源信號(hào)。假設(shè)第i個(gè)壓縮采樣麥克風(fēng)以Fs的采樣頻率進(jìn)行采樣，那么第i個(gè)壓縮采樣麥克風(fēng)的采樣數(shù)據(jù)矢量為

(5)

ζi=Dib

(6)

式中：Di為Nt×(N+1)維矩陣，表示第i個(gè)壓縮采樣麥克風(fēng)對(duì)應(yīng)的冗余字典。為了更好理解，將冗余字典的第j列給出

(7)

因此，基于壓縮感知的聲源DOA估計(jì)數(shù)學(xué)模型可表示為

β=ΦDb+e=Ab+e

(8)

2 算法原理

2.1 直接非均勻隨機(jī)欠采樣方案

本節(jié)提出一種對(duì)模擬信號(hào)直接壓縮采樣方案，通過設(shè)計(jì)一種低速非均勻采樣時(shí)鐘，在對(duì)應(yīng)的采樣時(shí)刻以遠(yuǎn)低于奈奎斯特采樣率的采樣頻率對(duì)模擬信號(hào)直接壓縮采樣。所提出的直接非均勻隨機(jī)欠采樣方案除了需要設(shè)計(jì)采樣時(shí)鐘外，傳統(tǒng)采樣電路的其他部分不必重新設(shè)計(jì)。低速非均勻采樣時(shí)鐘的設(shè)計(jì)要保證采樣點(diǎn)在采樣時(shí)段內(nèi)分布平衡，即不能出現(xiàn)在某一段時(shí)間內(nèi)采樣間隔很小但采樣點(diǎn)數(shù)較多，而在另一段時(shí)間內(nèi)采樣間隔很大但采樣點(diǎn)數(shù)較少，否則采集到的信息不全面；此外，任何采樣時(shí)間間隔均必須大于RM采樣的時(shí)間間隔，否則不能實(shí)現(xiàn)低速率采樣。所設(shè)計(jì)的采樣方案如圖2所示。

圖2 直接非均勻隨機(jī)欠采樣方案結(jié)構(gòu)圖

RM是以Fs的采樣率進(jìn)行均勻采樣，其采樣時(shí)間函數(shù)為

(9)

式中：tRM(1)表示RM第一個(gè)數(shù)據(jù)的采樣時(shí)刻，記為t0。Ts=1/Fs，表示RM采樣時(shí)間間隔。

壓縮采樣麥克風(fēng)采樣時(shí)間函數(shù)為

(10)

式中：t(1)表示第一個(gè)采樣時(shí)刻，均為t0。M表示采樣數(shù)目，t(M)均等于RM的第Nt個(gè)采樣時(shí)刻。Tave為平均采樣時(shí)間間隔

(11)

式中：|·|表示下取整操作。um-1表示服從均勻分布的隨機(jī)數(shù)，且需滿足

um-1<(Nt-1)2(M-1)

(12)

即um-1Ts<1/2Tave。

2.2 等效測(cè)量矩陣構(gòu)造

根據(jù)采樣方案設(shè)計(jì)有效的測(cè)量矩陣是一個(gè)難點(diǎn)，測(cè)量矩陣的構(gòu)造直接影響了信號(hào)的重構(gòu)精度。針對(duì)2.1節(jié)中提出的直接非均勻隨機(jī)欠采樣策略，構(gòu)造與之對(duì)應(yīng)的等效測(cè)量矩陣。分析第1節(jié)中冗余字典的建立，每個(gè)子冗余字典中的每一列都可以看作以Fs的采樣率對(duì)聲源信號(hào)進(jìn)行的均勻采樣，而壓縮采樣麥克風(fēng)對(duì)信號(hào)的隨機(jī)采樣可以看作是利用等效測(cè)量矩陣對(duì)冗余字典中的每一列進(jìn)行隨機(jī)觀測(cè)。根據(jù)所設(shè)計(jì)的采樣策略，建立每個(gè)等效子測(cè)量矩陣的構(gòu)造規(guī)則

(13)

其中，

J(1)=1, J(M)=NtJ(m)=(m-1)(Nt-1)/(M-1)+um-1, m=2,…,M-1

(14)

設(shè)計(jì)的等效子測(cè)量矩陣每一行僅有一個(gè)元素為1，且位于不同列，其他元素均為0，矩陣非常稀疏且形式簡(jiǎn)單。在其存儲(chǔ)過程中，僅需存儲(chǔ)元素為1的位置即可，極大地減少了存儲(chǔ)量；此外，在其運(yùn)算過程中，由于矩陣元素只有0和1，從而避免了乘法和加法運(yùn)算，極大減少了計(jì)算量。每個(gè)壓縮采樣麥克風(fēng)對(duì)應(yīng)一個(gè)子測(cè)量矩陣，根據(jù)式(13)和(14)構(gòu)造L-1個(gè)等效測(cè)量矩陣，再將子測(cè)量矩陣融合成具有塊對(duì)角結(jié)構(gòu)的等效測(cè)量矩陣。

2.3 重構(gòu)算法

壓縮感知的目標(biāo)是在已知低維觀測(cè)信號(hào)β和A陣的情況下，先重構(gòu)出稀疏模式矢量b，再計(jì)算得到原始信號(hào)ζ。重構(gòu)算法作為壓縮感知的關(guān)鍵步驟之一，其優(yōu)劣將直接影響到壓縮感知的性能。第1節(jié)給出了基于壓縮感知的聲源DOA估計(jì)數(shù)學(xué)模型，由于矢量b是稀疏的，因此式(8)可以轉(zhuǎn)化為最小l0范數(shù)問題，即：

(15)

式中:ε表示與噪聲和測(cè)量誤差有關(guān)的參數(shù)。然而該優(yōu)化問題屬于NP-Hard問題，不具有多項(xiàng)式時(shí)間內(nèi)的解。針對(duì)式(15)的非凸問題求解，學(xué)者提出了利用l1范數(shù)代替l0范數(shù)的思想，將該問題轉(zhuǎn)化為二階錐規(guī)劃問題[19]

(16)

文獻(xiàn)[16]將式(16)轉(zhuǎn)化為Dantzig選擇器問題

(17)

然而該方法計(jì)算復(fù)雜度較大，且參數(shù)γ值的選取對(duì)算法的影響也較大?；诖?，我們采用貪婪算法中性能較好的SP算法對(duì)式(8)進(jìn)行求解。

綜上所述，所提算法應(yīng)用于氣體泄漏聲源DOA估計(jì)的步驟歸納為：

步驟1一維空間角度均勻劃分為180份，麥克風(fēng)陣列布局為均勻線陣，陣元數(shù)目為L(zhǎng)，任選一個(gè)麥克風(fēng)作為RM，其他麥克風(fēng)作為壓縮采樣麥克風(fēng)。

步驟2RM以高于奈奎斯特采樣率的采樣頻率進(jìn)行標(biāo)準(zhǔn)采樣，并根據(jù)式(5)建立冗余字典。

步驟3生成L-1組服從均勻分布的隨機(jī)數(shù)，根據(jù)式(10)設(shè)計(jì)的隨機(jī)非均勻欠采樣方案得到L-1組采樣時(shí)鐘，該時(shí)鐘用來確定壓縮采樣麥克風(fēng)的采樣時(shí)刻；每組采樣時(shí)鐘的數(shù)目為M，即壓縮采樣麥克風(fēng)的采樣數(shù)目。

步驟4每個(gè)壓縮采樣麥克風(fēng)根據(jù)式(10)對(duì)應(yīng)的采樣時(shí)刻對(duì)氣體泄漏聲源直接進(jìn)行壓縮采樣，將其采樣數(shù)據(jù)組合成L-1個(gè)壓縮測(cè)量矢量。

步驟5根據(jù)式(13)和式(14)的采樣策略構(gòu)造相對(duì)應(yīng)的等效測(cè)量矩陣；

步驟6在已知冗余字典、壓縮測(cè)量矢量、測(cè)量矩陣和稀疏度的前提下，通過SP重構(gòu)算法計(jì)算得到氣體泄漏聲源的DOA估計(jì)。

所提算法的原理框圖如圖3所示。

圖3 所提算法原理框圖

綜上可知，所提算法僅用一個(gè)麥克風(fēng)作為參考麥克風(fēng)對(duì)氣體泄漏聲源進(jìn)行標(biāo)準(zhǔn)采樣，目的是為了構(gòu)造冗余字典實(shí)現(xiàn)聲源信號(hào)的稀疏表示；壓縮采樣麥克風(fēng)均是以遠(yuǎn)低于奈奎斯特采樣率的采樣頻率對(duì)聲源信號(hào)直接壓縮采樣，降低了信號(hào)的采樣率，實(shí)現(xiàn)了對(duì)模擬信號(hào)的直接壓縮采樣。

3 復(fù)雜度分析

衡量算法是否可行的一個(gè)重要指標(biāo)就是算法復(fù)雜度。所提算法影響計(jì)算復(fù)雜度的因素主要在于測(cè)量矩陣及其參與運(yùn)算帶來的計(jì)算量，為證明所提算法在計(jì)算復(fù)雜度方面的優(yōu)勢(shì)，分別選取隨機(jī)高斯矩陣、隨機(jī)伯努利矩陣以及算法中構(gòu)造的等效測(cè)量矩陣作為測(cè)量矩陣，比較不同測(cè)量矩陣下算法的計(jì)算復(fù)雜度。因?yàn)樗惴ǖ倪\(yùn)行時(shí)間主要取決于乘法和加法運(yùn)算，因此用乘法和加法的運(yùn)算次數(shù)表征每種算法的計(jì)算復(fù)雜度。文獻(xiàn)[16]中Gurbuz算法采用的測(cè)量矩陣是隨機(jī)高斯矩陣，其中每個(gè)元素均為隨機(jī)浮點(diǎn)數(shù)，并參與乘法和加法運(yùn)算，因此耗費(fèi)存儲(chǔ)空間較大，計(jì)算復(fù)雜度較高。對(duì)于由隨機(jī)伯努利矩陣構(gòu)成的測(cè)量矩陣，其中每個(gè)元素都是+1或-1，所以不需乘法運(yùn)算，僅需加法運(yùn)算，相比于隨機(jī)高斯矩陣計(jì)算復(fù)雜度有所降低，但仍要存儲(chǔ)每個(gè)元素，耗費(fèi)的存儲(chǔ)空間也較大。而所提算法設(shè)計(jì)的等效測(cè)量矩陣，只有少量元素為1，大多數(shù)元素為0，所以不需加法和乘法運(yùn)算，且僅需存儲(chǔ)值為1的元素，所需存儲(chǔ)空間非常小?，F(xiàn)給出不同子測(cè)量矩陣下算法的計(jì)算復(fù)雜度以及存儲(chǔ)空間分配情況，如表1所示。

表1 不同子測(cè)量矩陣下算法的計(jì)算復(fù)雜度和存儲(chǔ)空間分配

4 實(shí)驗(yàn)仿真分析

(a) 人為制造孔徑1.5 mm

4.1 測(cè)量矩陣性能分析

利用蒙特卡洛方法，驗(yàn)證所提算法中的A陣滿足約束等距性(Restricted Isometry Property, RIP)[20-21]條件。測(cè)量矩陣分別為Gurbuz算法采用的隨機(jī)高斯矩陣以及本文設(shè)計(jì)的等效測(cè)量矩陣。每種測(cè)量矩陣下仿真次數(shù)為106。

圖5給出了測(cè)量矩陣分別由隨機(jī)高斯矩陣和等效測(cè)量矩陣構(gòu)成情況下的蒙特卡洛仿真結(jié)果。分析可知，等效測(cè)量矩陣作為測(cè)量矩陣時(shí)，有限等距常數(shù)δk的最大值為0.359 4，隨機(jī)高斯矩陣作為測(cè)量矩陣時(shí)，δk的最大值為0.356 1。由此可知，本文設(shè)計(jì)的等效測(cè)量矩陣和隨機(jī)高斯矩陣均能令A(yù)陣滿足RIP條件[22]，且RIP性質(zhì)近似，但相比于隨機(jī)高斯矩陣，等效測(cè)量矩陣在計(jì)算復(fù)雜度以及存儲(chǔ)空間分配方面具有明顯的優(yōu)勢(shì)。

(a) 隨機(jī)高斯矩陣

4.2 算法有效性分析

為驗(yàn)證本文算法的有效性，實(shí)驗(yàn)采集同時(shí)有兩個(gè)泄漏孔時(shí)的氣體泄漏聲音信號(hào)，信號(hào)來向分別為60°和123°。每個(gè)壓縮采樣麥克風(fēng)的采樣數(shù)目設(shè)定為20。圖6給出了所提算法對(duì)氣體泄漏聲源進(jìn)行DOA估計(jì)的仿真結(jié)果，分析可知，一維空間角度僅在來波方向處出現(xiàn)峰值。表明所提算法能實(shí)現(xiàn)對(duì)氣體泄漏聲源的準(zhǔn)確DOA估計(jì)，且估計(jì)效果良好。

圖6 氣體泄漏聲源DOA估計(jì)

4.3 分辨率分析

為驗(yàn)證本文算法在分辨率上的優(yōu)勢(shì)，實(shí)驗(yàn)采集同時(shí)存在兩個(gè)泄漏孔時(shí)的氣體泄漏聲音信號(hào)，信號(hào)來向分別為50°和51°。每個(gè)壓縮采樣麥克風(fēng)的采樣數(shù)目設(shè)定為20。圖7給出了所提算法對(duì)兩個(gè)空間角度相近的氣體泄漏聲源進(jìn)行DOA估計(jì)的結(jié)果。分析可知，所提算法能準(zhǔn)確實(shí)現(xiàn)對(duì)空間角度相近的氣體泄漏聲源的DOA估計(jì)，且分辨率較高。

圖7 DOA估計(jì)分辨率

4.4 算法性能對(duì)比

為驗(yàn)證所提算法性能的優(yōu)越性，參考文獻(xiàn)[7]，將頻帶為20～80 kHz的高斯白噪聲作為氣體泄漏聲源，對(duì)壓縮采樣麥克風(fēng)在不同采樣數(shù)目下的算法性能進(jìn)行仿真分析。其中，采樣數(shù)目以間隔5增加，SNR以間隔5 dB增加。每種條件下均進(jìn)行100次蒙特卡洛仿真實(shí)驗(yàn)。圖8和圖9分別給出了不同采樣數(shù)目下DOA估計(jì)成功率以及RMSE隨SNR變化的曲線圖。分析可知，當(dāng)-10 dB≤SNR≤0 dB時(shí)，采樣數(shù)目越多，氣體泄漏聲源的DOA估計(jì)成功率越高且RMSE越小。當(dāng)SNR>0 dB時(shí)，除了采樣數(shù)目為5之外，其他情況下均能達(dá)到100%的DOA估計(jì)成功率，并且RMSE為0。而當(dāng)SNR=5 dB時(shí)，即使采樣數(shù)目為5，也能得到100%正確的DOA估計(jì)結(jié)果。分析表明，所提算法能夠通過較少的采樣數(shù)據(jù)實(shí)現(xiàn)對(duì)氣體泄漏聲源準(zhǔn)確的DOA估計(jì)，充分體現(xiàn)了其在壓縮采樣方面的優(yōu)勢(shì)。

圖8 所提算法估計(jì)成功率與SNR關(guān)系

圖9 所提算法RMSE與SNR關(guān)系

為驗(yàn)證所提算法對(duì)比于Gurbuz算法的優(yōu)勢(shì)，現(xiàn)對(duì)兩種方法在相同采樣數(shù)目條件下的算法性能進(jìn)行仿真分析。圖10和圖11分別給出了所提算法和Gurbuz算法的估計(jì)成功率及RMSE隨SNR變化的對(duì)比圖。分析可知，相同采樣數(shù)目下，所提算法在低SNR下的估計(jì)成功率和RMSE整體優(yōu)于Gurbuz算法，進(jìn)而說明其DOA估計(jì)性能的優(yōu)越性。

圖10 估計(jì)成功率與SNR的關(guān)系對(duì)比

圖11 RMSE與SNR的關(guān)系對(duì)比

5 結(jié) 論

本文所研究的氣體泄漏聲源是一種寬帶超聲波，針對(duì)其頻譜特性以及現(xiàn)有算法的不足，提出了一種基于時(shí)域壓縮的氣體泄漏聲源DOA估計(jì)算法。首先設(shè)計(jì)一種直接非均勻隨機(jī)欠采樣方案，該采樣方案無需改變傳統(tǒng)采樣的硬件系統(tǒng)，只需重新設(shè)計(jì)采樣時(shí)鐘就能實(shí)現(xiàn)對(duì)聲源信號(hào)的直接壓縮采樣；然后構(gòu)造相對(duì)應(yīng)的等效測(cè)量矩陣，該等效測(cè)量矩陣中僅有少量元素為1，大多數(shù)元素為0，極大減少了數(shù)據(jù)量和計(jì)算復(fù)雜度；最后，通過SP重構(gòu)算法計(jì)算得到氣體泄漏聲源DOA估計(jì)。通過所提算法的DOA估計(jì)性能進(jìn)行仿真分析，結(jié)果表明所提算法在降低計(jì)算復(fù)雜度和數(shù)據(jù)存儲(chǔ)量的同時(shí)，提高了DOA估計(jì)準(zhǔn)確率，充分驗(yàn)證了所提算法的準(zhǔn)確性與有效性。本文研究對(duì)于解決傳統(tǒng)氣體泄漏聲源DOA估計(jì)方法中普遍存在的采樣率高和計(jì)算量大的問題，以及有效降低數(shù)據(jù)傳輸、存儲(chǔ)和處理的成本，提高參數(shù)的估計(jì)性能提供了一定的研究意義與實(shí)際應(yīng)用價(jià)值。