最小方差无失真响应浊音谱建模方法研究

讨论了在语音处理中广泛使用的线性预测模型,分析了线性预测模型在建模语音谱包络方面存在缺点,并分析了线性预测模型过高估计浊音谐波频率处能量以及随着阶数增加线性预测谱逐渐恶化的原因。在此基础上,提出了最小方差无失真响应(MVDR)建模方法,并讨论了通过Toeplitz矩阵的Cholesky分解确定MVDR滤波器系数的方法,通过与线性预测方法进行比较,发现最小方差无失真响应滤波器能提供一个更好的原始语音包络。     

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。     

非均匀对角减载最小方差无失真响应多目标分辨

针对最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)方法在起伏非相关噪声环境下多目标分辨性能严重下降的问题,提出一种非均匀对角减载MVDR (Inhomogeneous Diagonal Unloading MVDR,IDU-MVDR)方法。该方法首先对协方差矩阵进行非均匀对角减载,然后实施MVDR方法。各阵元上的对角减载量通过求解半正定优化问题获得,优化问题中最大化减载量之和,但约束减载后协方差矩阵的最小特征值是一个较小的正值。数值仿真表明,IDUMVDR方法可通过非均匀对角减载消除大部分非相关噪声,但保留小部分噪声分量.因此IDU-MVDR方法较MVDR方法分辨力更高,空间谱中背景级更低、弱目标谱峰更加明显,并且具备一定的稳健性.海上实验结果与数值仿真相一致,验证了IDU-MVDR方法的有效性.     

改进的最小方差算法在超声成像中的应用

为了提高最小方差超声成像算法的分辨率、对比度以及对噪声的鲁棒性,提出一种改进的最小方差成像算法。该方法首先基于回波信号中期望信号与噪声信号的可分离性将信号划分为期望信号和噪声信号,然后根据最小方差原理,求出加权向量使期望信号功率最小,同时,为了增加算法对噪声的鲁棒性,对信号方向向量增加一对约束条件,进一步提高图像质量。在全发全收和合成孔径模式下对点目标和吸声斑进行仿真,结果表明所提算法在全发全收模式下,-6 dB处分辨率在最小方差基础上提高了1倍左右,在合成孔径模式下,对比度在特征空间最小方差算法基础上提高了8 dB,且远优于传统延时叠加算法。最后通过实验进一步表明改进的最小方差算法图像在分辨率、对比度及对噪声的鲁棒性等方面表现更优,可以有效的改善超声图像的质量。     

单矢量水听器稀疏近似最小方差方位估计算法

针对单矢量水听器海上目标探测问题,利用稀疏近似最小方差(Sparse Asymptotic Minimum Variance,SAMV)算法进行目标方位估计,该算法利用单矢量水听器自身具有阵列流形的特点,将整个扫描空间离散化,目标方位分布于某一离散方向位置上,利用空间信号的稀疏性可提高目标方位估计性能。仿真结果表明,SAMV算法在各信噪比条件下方位估计噪声背景级明显优于常规波束形成(Conventional Beam Forming,CBF)算法和最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)算法,当信噪比大于0dB时,该算法测向结果均方根误差小于2°,且SAMV算法具有更好的空间方位分辨能力。消声水池和海上声学浮标海上试验数据处理结果表明,SAMV算法给出了噪声背景级更低的目标方位历程图,有效验证了SAMV算法对海上目标的探测性能及其有效性。     

最小方差综合鉴别函数的优化算法

介绍了一种基于最小方差综合鉴别函数的复合匹配滤波器的优化算法。这种优化算法将最小平均相关能量综合鉴别函数的迭代算法引入最小方差综合鉴别函数的设计中,不但可以识别带有附加噪声的旋转图像,而且减小了滤波器对样本识别的输出相关峰值波动,改善了滤波器的识别效果。计算机仿真结果显示,这种复合匹配滤波器在信噪比、相关峰尖锐度及鉴别率等方面都有一定的提高。     

一种改进的稀疏近似最小方差DOA估计算法研究

针对稀疏信号的超分辨方位估计问题,提出一种可变因子的稀疏近似最小方差算法(α-Sparse Asymptotic Minimum Variance,简记为SAMV-α)。该算法利用一个折衷参数进行最大似然估计值和稀疏性能的折衷处理,在迭代过程中改变稀疏近似最小方差算法(Sparse Asymptotic Minimum Variance,SAMV)的指数因子,得到强稀疏性能和超低旁瓣的方位谱图,实现邻近目标的超分辨方位估计和相干处理性能,且无需预估角度和信源数目等先验信息,并且折衷参数的取值为0到1之间,取值区间明确,避免了稀疏信号处理算法中正则因子选取困难的弊端。计算机仿真表明SAMV-α算法方位估计性能明显优于波束扫描类算法和子空间类算法,与同类型稀疏信号处理类算法相比仍具有较高的方位估计精度,同时对于邻近声源分辨能力,SAMV-α算法较SAMV-1算法性能提高约3dB。海上试验数据处理给出了分辨率更高的方位时间历程(Bering-Time Recording,BTR)图,有效验证了SAMV-α算法的性能。     

基于最小方差的声速测量实验数据不确定度分析尺度

物理实验的不确定度分析是大学物理实验中的重点、难点内容。通过对声速测量实验中波长的测量不确定度进行分析,得出测量数据无偏估计和有偏估计时,测量次数对测量结果的影响。     

信噪比后滤波与特征空间融合的最小方差超声成像算法

为了提高超声成像空间分辨率和对比度,提出了一种信噪比后滤波与特征空间融合的最小方差波束形成算法。首先,利用信号子空间划分将最小方差算法得到的权矢量投影到信号子空间中提高成像对比度,然后基于信号相干性设计滤波系数,并引入基于信噪比的噪声加权系数,最终得到融合信噪比后滤波与特征空间的最小方差算法。为验证本算法的有效性,使用FieldⅡ对点目标和吸声斑目标进行了仿真实验验证,并采用密歇根大学geabr_0实验数据进行成像。实验结果表明:所提算法在对比度和分辨率上均有所提高,明显优于传统延时叠加算法,最小方差算法和ESBMV_wiener算法,且对噪声具有较强鲁棒性。     

输气管道泄漏的波达时差交叉定位方法*

为了实现对管道泄漏位置的三维定位,该文提出一种基于波达时差法的交叉定位方法。将传感器阵列布放在不同位置,通过波达时差法获取远场泄漏声源的两组空间方位信息,对两组方位交叉求取空间伪交点从而完成定位。建立泄漏定位实验平台,分析了多种互相关方法以及阵列孔径、布放间距、泄漏位置等因素对延时估计和定位精度的影响。实验结果表明:选取基本互相关法对泄漏信号的10 500 Hz分量进行互相关分析,能够获取稳定的延时估计结果;在有效信号检测范围内,增大阵列孔径和布放间距能有效减少误差;该文方法相较于现有波达时差法能有效提高距离原点4 m以上泄漏位置的定位精度。     

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。     

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.     

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\     

一种鲁棒性的最小方差无失真响应波束形成算法及其应用

理论上,自适应波束形成方法要比不依赖于输入数据的常规波束形成方法有更好的目标参数估计能力和干扰抑制能力。但在实际水声环境中,声传播模型、接收阵阵列流形以及信号统计特征等因素往往与实际情况存在一定的差异,导致传统的自适应波束形成方法性能下降。因此,提高自适应波束形成方法对上述因素的鲁棒性变得越来越重要。本文基于最差条件最优化的思想,改进MVDR(最小方差无失真响应)方法的约束条件提出了一种鲁棒性最小方差无失真响应自适应波束形成算法(R-MVDR),并对输入数据协方差矩阵和方向向量存在不确定性的情况进行了性能分析,推导给出了波束形成的加权向量和空间谱估计表达式,最后通过海上实验数据进行了验证。结果证明本文提出的算法在实际环境中有更好的方位分辨能力和干扰抑制能力。     

Single-channel dereverberation using a non-causal minimum variance distortionless response filter

This letter presents a single-channel speech dereverberation approach using a non-causal minimum variance distortionless response (MVDR) filter. The non-causal filter is adopted to utilize the additional information of the desired signal that lies in subsequent frames. Note that the desired signal output has minimal distortion due to the introduction of the MVDR criterion. The proposed system further suppresses the late reverberation by employing a statistical reverberant model. Experimental results demonstrate the superiority of the proposed algorithm to conventional approaches.     

基于子带分解的宽带波束域最小方差无畸变响应高分辨方位估计方法研究

针对最小方差无畸变响应法对宽带不适用、计算量较大和如何与实际声呐系统结合这三个问题,提出了基于子带分解的宽带波束域MVDR高分辨方位估计方法:它以子带分解的方法实现MVDR在宽带情形下的扩展;利用波束转换实现降维运算,大大减小运算量和提高算法的稳健性;并且提出了在声呐系统使用中的新思路:可将该方法与声呐的多波束系统结合,直接利用声呐多波束系统的输出,可省去从阵元域到波束域的转换,进一步减少运算量;可用于替代传统的分裂波束精测定向系统或单波束系统,提高整个声呐定向系统的性能。经过理论分析、仿真实验和湖试实验,证明了该方法是简单的、有效的、可行的。     

Sparse asymptotic minimum variance based bearing estimation algorithm for a single vector hydrophone

For underwater target detection using a single vector hydrophone, sparse asymptotic minimum variance(SAMV) method is used to estimate the target bearing. The SAMV discretizes the entire scanning space and the target bearing is located at the position of the discrete direction. The SAMV algorithm utilizes the sparsity of the spatial signal to improve the estimation performance of the target bearing. Background noise level(BNL) of the bearing estimation of SAMV algorithm is lower than those of the conventional beam forming(CBF)method and minimum variance distortionless response(MVDR) method for different signal noise ratios(SNRs). When the SNR is higher than 0 d B, the direction-finding error of this algorithm is less than 2°. Moreover, the SAMV algorithm has a better dimensional orientation resolution capability. The experimental results show that the SAMV algorithm gives a bearing and time recording map with a lower BNL, which effectively verifies the effectiveness of SAMV algorithm in terms of underwater target detection.