AVALIAÇÃO DO ALGORITMO WB-SLIM PARA A GERAÇÃO DE IMAGENS ACÚSTICAS

Recentemente, técnicas de recuperação de sinais esparsos têm despertado interesse por sua aplicabilidade na área de localização de fontes acústicas. Uma dentre estas técnicas é a Sparse Learning via Iterative Minimization (SLIM), uma técnica de aprendizado esparso através de minimização iterativa. Entretanto, grande parte das técnicas propostas partem do pressuposto de que os sinais emitidos pelas fontes são de banda estreita, o que na prática não condiz com aplicações usuais em acústica. Surge então sua extensão para sinais de banda larga, a Wideband SLIM (WB-SLIM), capaz de lidar com fontes de banda larga e que promove a esparsidade espacial dos resultados. Este artigo busca avaliar o desempenho do WB-SLIM em diferentes cenários de imageamento acústico. Foram realizadas análises em duas regiões de varredura 2D, uma paralela e outra perpendicular ao arranjo de microfones. Verificou-se que a qualidade das imagens acústicas obtidas nos diferentes cenários propostos, avaliada através da taxa de erro de localização e pela comparação do sinal recuperado no tempo com o sinal original, diminui com o aumento do número de fontes geradoras e a com a redução da relação sinal-ruído presente nos sensores.