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\     

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。     

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.     

拖线阵机动时的自适应波束形成

提出了一种MVDR(最小方差无失真响应)的改进算法,用以解决常规MVDR算法由于阵形时变而出现的性能下降问题。在获得时变阵形估计数据的基础上,该算法以统计时段内的平均阵形为基准阵形,在每个扫描方向上根据实际阵形和基准阵形的差异对阵列互谱矩阵多样本进行相位补偿,从而实现统计时段内的互谱矩阵多样本相干累加和目标检测。数值仿真与海上实验数据处理结果表明:与传统MVDR算法相比,改进算法有效缓解了时变阵形下的目标测向角度模糊问题,可提高拖线阵目标左右舷分辨性能、增强弱目标检测能力。     

矢量水听器阵列MVDR波束形成器的性能研究

针对矢量水听器阵列的最佳阵处理，研究了高斯背景噪声条件下MVDR波束器的输出性能，给出了系统输出信干噪比与各影响参数之间的解析关系式，并对三种典型情况进行了具体探讨，着重分析了信噪比、干扰强度、相关系数和样本长度对系统输出SINR的影响，证明了低信噪比时MVDR波束形成器为最佳空域滤波器，分析还表明，MVDR波束形成器对强信号存在抑制现象，高信噪比时输出的SINR为一常数。计算机仿真结果证明了理论分析的正确性。     

一种宽带源高分辨测向的降维处理方法

提出一种宽带源测向的降维处理方法.通过空间内插函数在宽带波束形成中的应用,求得一转换矩阵,该矩阵将M×1维阵元空间变换到K×1维的波束空间,并且在带宽范围内形成不同频率的正交等波束空间,利用降维的波束空间数据求出空间互谱密度矩阵(CSDM:CrossSpectralDensityMatrix),最后由MUSIC方法测向.降维处理具有简化运算,提高分辨性能的优点。     

Adaptive microphone array for unknown desired speaker's transfer function

The main drawback of minimum variance distortionless response (MVDR) beamformer is the cancellation of the desired speech signal and its degradation in multi-path wave propagation environment. To make the adaptive algorithm robust against room reverberation and to prevent desired signal cancellation an estimation of unknown desired speaker's transfer function was proposed. The estimation is based on the signal and the interference covariance matrices. The estimated transfer function is then applied to the MVDR beamformer. The proposed algorithm was tested on a simulated room with reverberation. The results showed better quality of the restored speech compared to some typical adaptive algorithms.     

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。     

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。     

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。     

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。     

宽带波束形成器的设计与实现（英文）

The designs and implementations of broadband beamformers are reviewed and discussed.Broadband beamformer includes discrete Fourier transform(DFT) implementation of a frequency-domain beamformer and finite impulse response(FIR) implementation of a timedomain beamformer.The designs of weights at each frequency bin for the DFT beamformer and that of FIR filters associated with each sensor for the FIR beamformer are both introduced.Performance analysis and comparisons for several typical approaches to them are presented.A unified approach,i.e.,multiple-constrained approach,to narrowband beamformer is provided and is extended to the FIR implementation of broadband case.The unified approaches include the existing individual approaches as their special cases,which leads to much more flexible designs.Design examples of broadband robust adaptive beamformer with constant mainlobe response and controlled sidelobes are given to illustrate the behavior.     

互谱域MVDR自适应时延估计方法研究

针对窄带信号,通过构造互谱时间序列,在互谱域建立了平稳时间序列时延估计的最小方差无畸变响应(MVDR)滤波器模型;利用分段近似处理,类比空间MVDR自适应算法,给出了其具体算法(Algorithm of MVDR in cross spectral domain,CSMVDR);进行了数值仿真实验研究和海上实验数据处理。数值仿真与实验数据处理结果初步验证了CSMVDR时延估计对于舰船辐射噪声的适用性,CSMVDR时延估计有比相关检测更好的时延估计性能,能够提高信噪比增益和时延估计精度。     

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。     

结合盲源分离的非直单线阵多目标左右舷分辨

针对单线阵左右舷模糊问题,提出了结合盲源分离的非直单线阵多目标左右舷分辨算法。该算法首先通过离散傅里叶变换将阵列接收信号离散化为若干个窄带频谱分量,之后对每个频点的窄带数据讲行盲源分离,得到每个频点上各个来波信号的导向向量;然后通过常规波束形成对各个导向向量进行方位谱估计,并根据左右舷抑制比进行单目标左右舷分辨,确定各个频点上的来波方向;最后对所有频点上的来波方向进行聚类,得到各个真实目标的方位,从而实现多目标左右舷分辨。仿真实验中,相比常规波束形成方法(CBF)和最小方差无畸变响应算法(MVDR),该算法更准确地估计出了目标数目,且保持了较快的计算速度;海试数据处理中,该算法排除了目标镜像的干扰,准确估计出了船只目标的轨迹。仿真及海试数据处理均表明,该算法可以分辨真实目标与目标镜像,具有比CBF和MVDR算法更好的左右舷分辨能力。     

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。     

高增益对角减载波束形成方法研究

实际的海洋噪声包括不相关噪声成分和相关噪声成分,针对不相关噪声仅仅影响接收数据协方差矩阵对角元素的这一现象,提出一种基于对角减载技术的高增益最小方差无畸变响应法(minimum variance distortionless response,MVDR).在稳健性足够的前提下,首先,按照一定准则选取约束量,利用加权向量范数约束法保证方法的稳健性。然后,利用牛顿迭代法计算得到对角减载系数。最后,将减去对角减载系数的协方差矩阵应用到MVDR波束形成方法中。仿真和海试数据处理结果表明,对角减载MVDR波束形成方法在保证稳健性的同时,提高了阵增益和多目标分辨能力。通过调整减载系数,能够在稳健性与阵增益之间进行折中。     

基于宽带分裂阵列的水下远程被动多目标检测与定向

为获取更高的水下远程多目标检测和定向性能,基于工程中广泛应用的最小方差无畸变响应(MVDR)波束形成算法,设计了大间隔分裂线列阵,通过扩大阵列有效孔径改善了空间谱峰锐度。同时提出非相干宽带预处理方法,利用MVDR在多频子带下波束宽度和间隔的非一致性来抵消由于稀布阵元造成的栅瓣效应。最终实现大间隔分裂阵和宽带非相干波束形成的互补。仿真和湖上试验结果表明,与采用宽带MVDR的均匀线列阵和采用互相关法的大间隔分裂阵相比较,所提方法能显著提高对水下远程目标的检测和分辨性能。     

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。     

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.