一种改善MVDR波束形成性能的方法

最小方差信号无畸变响应(MVDR)波束形成具有最佳的信号保护、干扰消除和噪声降低能力,即信号/(干扰+噪声)比增益最大,它的能量输出作为一种波数谱(方位)估计器,其估计精度或分辨力受着声场信噪比因素的限制.本文提出一种新的改进MVDR波束形成方位分辨力的方法,它可以调节这种波束形成器权向量中的增强因子(等价于改善声场的信噪比条件),从而改进其方位分辨能力,并且不以牺牲信号/(干扰+噪声)比增益为代价。     

阵列指向性二次型约束稳健波束形成算法

提出了一种基于阵列指向性二次型约束的优化算法,以提高最小方差无畸变响应(MVDR)波束形成对方向矢量的稳健性。通过控制阵列波束指向附近的小区域的自适应波束图与期望波束图的加权平方误差,使波束主瓣区域内的信号畸变最小,同时保持了对约束区间外的干扰信号的抑制能力。数值结果表明:在理想阵形和阵形畸变情况下,无方位失配时,利用本文算法的阵列输出信号与干扰噪声比(SINR)与新近出现的球面约束稳健Capon方法相当,而存在方位失配时,本文算法均优于后者。     

子空间方法用于宽容的自适应波束形成

由于浅海波导和接收阵本身存在大量的不确实性,使得接收到的阵数据产生严重的失真,而常见的自适应波束形成方法如MVDR对失配很敏感。为此,本文提出了一种宽容性的自适应子空间波束形成方法。考虑一个具有空间特征的信号位于已知的子空间,但在子空间中的具体位置未知,并将干扰建模为子空间干扰。首先对未知参量进行最大似然估计,代入似然比检测中得到广义似然比检测(GLRT),从而得到子空间波束形成器。通过对不同失配情况下仿真以及实际海试数据处理验证了子空间波束形成器的性能,仿真和实验数据处理结果表明,子空间波束形成器比MVDR更宽容,比较明显提高检测和估计性能。     

改进维纳滤波器及其在目标方位估计中的应用

针对复杂的水声环境以及信噪比较低的目标信号导致方位估计性能较差的问题,本文提出了一种基于改进维纳滤波器和波束形成器的方位估计方法,该方法能够抑制噪声,提高目标方位估计性能。首先利用改进维纳滤波器抑制各通道接收数据中的噪声,提高输出信噪比。在此基础上,将改进维纳滤波器的输出通过波束形成器,获得目标的方位估计。改进维纳滤波器能够通过调整滤波器参数,控制滤波器的噪声抑制能力和信号失真。因此,针对不同的波束形成器对信号失真的敏感程度不同,可以通过调节改进维纳滤波器的参数,获得噪声抑制与信号失真之间的最佳折中,从而提高输出信噪比,降低目标方位估计的信噪比门限和均方根误差。仿真和实验结果验证了本文方法。      

基于任意阵的最小方差无失真响应聚焦波束形成的被动定位方法

将最小方差无失真响应(MVDR)聚焦波束形成近场被动定位方法应用到平面任意结构阵列上,可以很好地解决线列阵由于阵长较长,在实际使用中存在布放困难、部分阵元失效影响定位性能等问题。本文首先分析了平面任意结构阵列的近场接收信号模型,推导出阵列流型,然后将MVDR聚焦波束形成技术应用到该模型中,得到了基于任意阵的MVDR聚焦波束形成近场被动定位方法。仿真验证了该方法的可行性和有效性。     

利用近场MVDR双聚焦波束成形方法实现被动测距

本文分析了近场环境下基于双聚焦波束成形的水下被动测距方法。通过修正MVDR方向矢量,得到了适用于近场环境的MVDR。仿真实验证明近场MVDR双聚焦波束成形测距方法优于普通波束成形和远场MVDR双聚焦波束成形,能明显减小目标距离估计的模糊区域。在相邻两个日标的定位性能上,MVDR双聚焦波束成形技术也比MVDR单聚焦系统体现出更大的优势,能较好地分辨目标。     

快速收敛最小方差无畸变响应算法研究及应用

常规最小方差无畸变响应(MVDR)自适应波束形成是一种高分辨窄带波束形成器,它是利用实际声场的窄带互谱密度矩阵(CSDM)估计出自适应波束形成权向量。在实际应用中,MVDR算法需要较长的观测时间估计协方差矩阵,不利于对高速运动目标进行定位;对于宽带目标信号,MVDR算法需要对每一个CSDM进行求逆运算,计算量较大;在相干源条件下,目标信号之间会发生"对消"现象,MVDR算法性能急剧恶化。本文提出了基于子带子阵处理的快速收敛MVDR自适应波束形成方法。首先将全频带划分成一组子带,将接收线阵划分成一组子阵,然后对每一子带计算降维的驾驶协方差矩阵(STCM),从而得到快速收敛MVDR自适应波束形成的权值和空间谱估计结果。同时采用双向空间平滑方法对相干源进行MVDR空间谱估计。仿真和海试数据处理结果表明该算法在保证高分辨力的同时,具有瞬时收敛的性能,双向空间平滑技术具有良好的解相干性能。      

宽带低旁瓣时域波束形成

针对有源和无源声呐中的宽带波束形成,提出了一种低旁瓣时域实现方法。声阵列各个阵元的输出首先经过数字延迟线实现数倍采样间隔的时延补偿,然后由FIR数字滤波器来补偿剩余的时延,并实现低旁瓣波束所需的频率加权,最后再把滤波器输出相加得到时域波束输出。FIR数字滤波器的设计采用改进的自适应方法,其期望响应由工作频带划分成的等间隔窄子带上的低旁瓣波束形成权系数构成。各个子带上的低旁瓣波束则采用基于MVDR波束形成原理的波束优化设计方法得到。针对圆弧阵的计算机仿真设计结果和湖上实验验证了本文方法的正确性和有效性。     

有限采样下低频声源聚焦波束形成的定位研究

依赖于基阵协方差矩阵的算法,要求有足够样本容量来实现稳健的性能。针对常规聚焦波束形成在低频段分辨能力不足以及有限的数据长度,本文研究了一种基于最小方差无失真响应(MVDR)的重叠分子阵算法。仿真实验表明,重叠分子阵MVDR算法在低快拍数、低信噪比情况下,稳健性优于全阵列MVDR算法。在海试数据中,利用一条孔径为109m的光纤水听器阵列,验证了该算法可以在低快拍数下对50m内低频段100～200Hz的目标实现分辨率为0.5m的近场定位。     

声矢量圆阵宽带相干目标MVDR方位估计*

针对宽带相干目标的远程探测问题，本文提出一种基于声压振速联合处理和矢量重构的声矢量圆阵MVDR波束形成方法。该方法利用相位模态变换技术，将声矢量圆阵变换为与信号频率无关的虚拟线阵，并构建虚拟线阵声压与组合振速的互协方差矩阵，利用声压与振速各分量间的空间相关性有效地抑制各向同性环境噪声；并对宽带相干信号的互协方差矩阵进行矢量重构，即将最大特征值对应的特征向量划分为相互重叠的子向量，从而构建前/后向Hermitian矩阵；最后，基于MVDR波束形成器实现宽带相干目标的方位估计。仿真计算和实验数据处理结果表明，该方法具较强的解相干能力和噪声抑制能力以及较高的方位估计性能。     

An improved TOA estimation algorithm based on denoised MVDR for B5G positioning

This paper proposes an improved minimum variance distortionless response (MVDR) based TOA estimation algorithm for 5G NR signals under multipath environments. The proposed algorithm achieves high resolution by exploiting a large number of subcarriers of 5G signals and reduces the dimension of the covariance matrix involved in MVDR substantially by utilizing a novel smoothing scheme. Since MVDR requires a relatively high signal-to-noise ratio (SNR), a denoising method is used to improve the TOA estimation performance. Simulation results show that the proposed algorithm achieves much higher resolution than the Bartlett beamformer (BF) and the TOA estimation accuracy remains high over a wide range of SNRs.     

用于自适应波束形成语音增强的球谐域掩蔽函数估计方法

提出一种用于球形阵列自适应波束形成的掩蔽函数估计方法。该方法利用包含空间信息的球谐系数提取低维空间向量,并采用复高斯混合模型和深度学习两种方案来估计掩蔽函数,最终利用估计的掩蔽函数设计最小方差无失真响应波束形成器,以达到空域滤波的效果。理论分析和仿真实验证明,对于相同时长的声信号,球谐域掩蔽函数估计方法的计算复杂度比传统阵元域估计方法低了一个数量级。并且在大部分声场环境中,尤其在低信噪比情况下,所提方法的语音质量感知评估测度得分、分段信噪比和短时客观可懂度明显高于阵元域方法,三者最高分别可提升1.31 dB,4.54 dB和35%。另外,实际声学环境的测量实验也验证了所提方法在不影响可懂度的条件下比传统阵元域方法具备更高的降噪量。      

Research and application of fast-convergent minimum variance distortionless response algorithm

The conventional MVDR adaptive beamformer is a high-resolution narrowband beamformer which estimates the optimal beamforming weights using narrowband CSDM of real acoustic field.In practical applications,MVDR algorithm needs long observation time to estimate the covariance matrix.This inherent property makes it difficult to localize fast-moving targets.For wideband signals,MVDR algorithm needs inverting every CSDM which increases the computational demands.For correlated sources,the performance of MVDR will degrade dramatically because the signals will cancel each other.A fast-convergent MVDR algorithm based on subband subarray processing is proposed.The full frequency band is divided into sets of subbands and the line array is divided into sets of subarrays.For every subband the STCM of reduced dimensions is calculated.Then adaptive beamforming weight of fast-convergent MVDR algorithm and spatial spectrum estimation are obtained.At the same time,spatial spectrum estimation can be made for correlated sources using the two-sided spatial smoothing method. Results of simulation and trial data show that the proposed method has high-resolution and near-instantaneous convergence property,two-sided spatial smoothing has satisfactory validity of decorrelation.     

Optimum beamformer in correlated source environments

A new method for overcoming signal cancellation problems due to correlated interferences which occur in a minimum variance distortionless response beamformer is proposed. Instead of decorrelating the correlated interferences, the coherently combining signal-to-interference plus noise ratio (CC-SINR) beamformer regards them as replicas of the desired signal and coherently combines them with the desired signal. This method uses an eigenvector constraint that suppresses only noise and uncorrelated interferences but retains the desired signal and correlated interferences. The CC-SINR beamformer does not require any preliminary information on correlated interferences. The signal-to-interference plus noise ratio (SINR) of the proposed beamformer output was compared to that of a conventional SINR beamformer when correlated interference, uncorrelated interference, and white noise exist. In addition, various key parameters that affect the performance of the beamformer, such as signal-to-noise ratio, uncorrelated interference-to-noise ratio, angular separation between signals, attenuation factor, phase delay of correlated interference, and the number of sensors were analyzed. All of the experimental results were in good agreement with the analytical results.     

传声器阵列波束比判决语音增强方法

针对单一波束形成器难以深度抑制空间相干干扰的问题,提出了一种综合了最小方差无畸变响应波束形成器与对称子阵延时求和波束形成器的语音增强方法。定义了一种波束输出比因子,根据该因子在目标声区域和干扰声区域的幅值变化,给出了采样协方差矩阵对角加载量的调整方法,并进一步利用该因子在后滤波环节对空间干扰进行判决滤波。文中对判决滤波时的上限阈值和下限阈值的实时更新方法给出了说明。所提出的算法能进一步抑制空间干扰和噪声,且可满足实时需要。在传声器圆阵上的实验表明,该方法在输出信干噪比及语音质量上,均优于经典对角加载算法及采样协方差矩阵扫描重构算法。      

近似窄带假设下的最小方差无失真响应波束形成

最小方差无失真响应波束形成算法在应用于语音等宽带信号时,依赖窄带假设可以在频域各个子带分别进行滤波。窄带假设下语音信号协方差矩阵是秩-1矩阵,而实际中窄带信号模型只是实际信号模型的一种近似,同时由于存在统计量估计误差,估计的语音信号协方差矩阵的秩一般大于1。提出利用语音协方差矩阵和噪声协方差矩阵的广义主特征向量来估计相对传递函数,用于重构语音信号协方差矩阵为秩-1矩阵。在REVERB数据集以及CHiME-4数据集上进行实验验证,最小方差无失真响应波束形成算法经过语音协方差矩阵低秩近似后,对估计误差的鲁棒性提高,输出信噪比分别提升平均0.8 dB和1.4 dB,同时提升了语音识别准确率。      

波束空间能量约束的稳健自适应波束形成

为改善波束形成器在一定失配条件下的工作性能,提出了一种稳健自适应波束形成方法。该方法通过设计信号在波束空间能量分布的约束条件,利用阵列数据协方差矩阵,结合迭代二阶锥规化方法,实现信号驾驶向量的估计,最后利用该估计得到最小方差无失真响应波束形成器。该方法在较恶劣的失配条件下也可以自适应地准确估计信号驾驶向量并保证其成分无失真地通过,使系统的稳健性得到改善。数据仿真结果表明,该方法在理想条件下与成熟的对角加载法性能相当,在失配条件下则优于后者。