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。     

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。     

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。     

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\     

基于改进最小方差无失真响应角度谱算法的 气体泄漏定位方法*

针对噪声环境下微小气体泄漏难以准确定位的问题,提出了一种基于改进最小方差无失真响应角度谱算法的气体泄漏定位方法。该算法通过引入信噪比追踪加权的方式,提取受噪声影响较小且单个声源能量占优的时频支撑域,并通过Softplus激活函数自适应地调整不同频率分量对角度谱函数的贡献,增加泄漏声源占优的时频域权重;此外,引入基于时频稀疏性的分频带处理,使各子频带内存在一个主导声源能量占优,抑制低频段噪声能量的积累同时避免高频混叠现象。通过软件仿真计算以及实验验证算法的性能,结果表明改进最小方差无失真响应角度谱算法可以实现气体泄漏源的精准定位,定位结果的最大误差在3.5°以内。相比传统算法,该方法在低信噪比和低采样点数下有更高的稳定性、抗噪能力及准确率,可为气体泄漏定位的实际应用提供一定的参考价值。     

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.     

最小方差无失真响应感知倒谱系数在说话人识别中的应用

研究最小方差无失真响应感知倒谱系数在说话人识别中的应用。提取最小方差无失真响应感知倒谱系数,对其进行高斯混合模型建模并采用联合因子分析的方法来拟合高斯混合模型中的说话人和信道差异,在美国国家标准技术研究院2008年说话人识别评测核心测试集上分别对最小方差无失真响应感知倒谱系数和传统的Mel频率倒谱系数进行测试。结果显示,两种不同特征的系统性能相当,采用线性融合方法后,在不同测试集上的等错误率相对下降了7.6%~30.5%,最小检测错误代价相对下降了3.2%~21.2%。实验表明,最小方差无失真响应感知倒谱系数能有效应用于说话人识别中,且与传统的Mel频率倒谱系数存在一定程度的互补性。     

特征空间和符号相干系数融合的最小方差超声波束形成

为了提高医学超声成像的空间分辨率,提出一种融合了特征空间最小方差与符号相干系数的波束形成方法。首先利用最小方差法计算回波数据的协方差矩阵和加权向量;然后对协方差矩阵进行特征分解得到信号子空间,并将加权向量投影到该空间上;最后计算符号相干系数,用于优化特征空间法得到的回波信号,最终获得超声成像数据。为验证算法的有效性,对医学超声成像中常用的点目标、斑目标进行仿真,对点目标仿体和人体颈动脉组织进行超声成像实验。结果表明:所提出的方法在分辨率、对比度以及稳健性等方面都优于传统的延时叠加算法、最小方差算法、特征空间最小方差法以及特征空间与相干系数融合的方法。     

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。     

特征空间和符号相干系数融合的最小方差超声波束形成

为了提高医学超声成像的空间分辨率,提出一种融合了特征空间最小方差与符号相干系数的波束形成方法。首先利用最小方差法计算回波数据的协方差矩阵和加权向量;然后对协方差矩阵进行特征分解得到信号子空间,并将加权向量投影到该空间上;最后计算符号相干系数,用于优化特征空间法得到的回波信号,最终获得超声成像数据。为验证算法的有效性,对医学超声成像中常用的点目标、斑目标进行仿真,对点目标仿体和人体颈动脉组织进行超声成像实验。结果表明:所提出的方法在分辨率、对比度以及稳健性等方面都优于传统的延时叠加算法、最小方差算法、特征空间最小方差法以及特征空间与相干系数融合的方法。     

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.     

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.     

稳健的子带子阵级导向最小方差波束形成算法

导向最小方差(STMV)波束形成是一种利用导向协方差矩阵获得自适应权值的方法,具有快速收敛特性.常规的稳健导向最小方差(RSTMV)波束形成算法在处理宽频带信号时,性能下降明显.为了改善算法的性能,结合频域子带划分和空域子阵划分技术,提出一种多子带不确定集独立约束的稳健子阵级STMV波束形成算法。通过频域子带划分可对不同子带的导向向量误差范数边界进行约束,计算出各子带对应的对角加载量,得到稳健的子带级最小方差波束形成算法权向量;同时采用子阵技术进行降维处理,可进一步增加划分子带的数目,从而提高算法的性能并有效降低计算复杂度,最终得到一种稳健的子带子阵级STMV波束形成算法。理论分析和仿真结果表明,在阵列导向向量存在误差的情况下,该算法在干扰方向形成的零陷最深,且零陷波束宽度最窄,输出信噪比接近理论值,因此性能最佳.实际海试数据处理表明,在强干扰目标存在时,弱目标输出信干噪比较RSTMV算法可提高4 dB,较常规波束形成可提高10 dB,在角度分辨力和算法复杂度方面得到有效改善,同时可以保证目标功率无失真输出。     

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。