面向多声源的压缩感知麦克风阵列的波达方向估计

在语音识别、说话人识别等语音交互应用领域中,麦克风阵列常常工作于多声源工作场景,因而需要更高的波达方向(DOA)估计分辨性能.压缩感知(CS)的DOA估计算法可将声源定位的问题转化成稀疏信号的重构问题,进而提高在高混响、低信噪比环境下的DOA估计性能.基于这一思想,将CS方法应用于多声源方位估计.考虑到传统的基于CS的DOA估计算法利用实测声源传输响应作为混合矩阵时,会因噪声的存在而导致多声源条件下的匹配程度下降,提出了利用基于阵列各阵元之间时延关系所生成的不同方位的声源传输响应来构造CS混合矩阵,即构造房间冲激响应CS(CRR-CS)的DOA估计算法,从而实现多声源的DOA稀疏恢复.通过实验验证了该方法优于传统方法,能更好地实现定位.     

基于压缩感知的塔康方位估计算法

塔康(tactical air navigation,TACAN)信号峰值检测后的离散数据呈随机采样特性,为避免Kalman算法产生滤波发散问题并有效减小对数据量的需求,提出一种基于压缩感知理论的方位估计方法.通过对塔康信号的角度空间进行稀疏分解和观测值压缩,优化重构原始包络信号进而获得方位估计值.仿真实验证明了该算法的性能,与最小二乘拟合算法相比,在保证估计精度的同时进一步降低了峰值数据量,大大减少了计算过程中的冗余,并且在信噪比较大的情况下,方位估计准确度较最小二乘拟合有一定提高.     

非均匀阵元噪声条件下的近场声源定位

针对常规定位方法在空间非均匀高斯噪声背景下近场声源定位性能下降的问题,基于平面阵建立了近场声源信号模型,推导了空间非均匀阵元噪声条件下求解声源方位和距离信息的最大似然定位方法,并使用连续空间蚁群优化算法,解决了该最大似然方法在多维参数空间搜索的高运算复杂度问题,通过仿真实验验证了该方法的可行性和有效性.仿真实验表明,该方法估计精度较高,在低信噪比下方位和距离均方误差都小于常规最大似然方法,并且在高信噪比条件下方位和距离的均方误差都逼近克拉美-罗界.     

非均匀阵元噪声条件下的近场声源定位

针对常规定位方法在空间非均匀高斯噪声背景下近场声源定位性能下降的问题,基于平面阵建立了近场声源信号模型,推导了空间非均匀阵元噪声条件下求解声源方位和距离信息的最大似然定位方法,并使用连续空间蚁群优化算法,解决了该最大似然方法在多维参数空间搜索的高运算复杂度问题,通过仿真实验验证了该方法的可行性和有效性.仿真实验表明,该方法估计精度较高,在低信噪比下方位和距离均方误差都小于常规最大似然方法,并且在高信噪比条件下方位和距离的均方误差都逼近克拉美-罗界.     

低压电力线载波通信压缩感知信道估计方法

针对低压电力线载波通信多径信道,建立了正交频分复用(OFDM)基带传输系统和低压电力线载波通信多径信道传输特性模型,并根据传输特性模型与模型参数,实验得出了低压电力线载波通信信道的冲击响应 h(n);在此基础上,分析推导了满足压缩感知条件的 OFDM 低压电力线载波通信多径传输数学模型,提出了低压电力线载波通信压缩感知信道估计方法,解决了最小二乘(LS)信道估计方法和最小均方误差(MMSE)信道估计方法精度差的缺点。 实验结果表明:在采用相同导频数 128 和相同信噪比 SNR 为 14 dB 的情况下,压缩感知(CS)信道估计方法与 LS 及 MMSE 信道估计方法中较优者相比,得出的信道均方误差降低 16 dB,接收端的误码率降低 3 倍,并且随着信噪比的增加性能提升更明显。     

一种基于Khatri-Rao子空间的非均匀稀疏阵列

基于Khatri-Rao(K-R)子空间提出一种提升阵列自由度的非均匀阵列排布方式,即新型嵌套阵列。新型嵌套阵列由大小2个均匀线阵(ULA)构成,较大ULA的阵元间隔取决于较小ULA的阵列长度。相较于自由度为O N()的N阵元ULA,N个阵元的新型嵌套阵可通过在K-R子空间中得到阵元数为N2(/2+N-1)的虚拟ULA,将阵列自由度提升至O N2(),大大提高了分辨多信源的能力。同时由于阵元稀疏排布,N个阵元的新型嵌套阵的有效孔径大于N阵元ULA,使新型嵌套阵列分辨临近目标的能力优于ULA。在通过K-R子空间得到虚拟ULA的稀疏阵列流型中,新型嵌套阵列是自由度提升最大的方式之一,且在低信噪比和小快拍数情况下依然有较好性能。     

一种分布式阵列无模糊波达方向估计方法

为解决分布式阵列应用常规算法估计波达方向(DOA)时出现的角度模糊问题,提出一种基于压缩感知(CS)理论的无模糊DOA估计方法.利用新方法对分布式阵列的接收信号分别通过直接采样和随机矩阵两种压缩采样方式进行二次采样,将接收信号转换为CS理论所需的随机观测数据,并利用CS重构算法将目标DOA信息从观测数据中高概率、无模糊地获取.将新方法与多重信号分类法(MUSIC)和旋转不变子空间算法(ESPRIT)等经典常规DOA估计算法的运算量进行了详细对比,指出新方法的运算量更小.通过与现有分布式DOA估计方法的仿真实验对比,验证了新方法的有效性,并分析分布式阵列接收阵元数的改变对新方法 DOA估计精度的影响.     

压缩感知在多载波EBPSK雷达中的应用

将压缩感知(CS)技术应用于多载波相位编码脉冲雷达中,分析了该雷达的目标时延和多普勒频率估计以及不同频点散射系数估计的性能.对比了在不同目标数条件下采用BCoSaMP重构算法时EBPSK与BPSK的目标时延和多普勒频率估计性能,并估计了雷达的目标散射系数.仿真结果表明:基于CS的密集多载波雷达的目标检测性能优于正交多载波雷达,而且在正交与密集多载波条件下,EBPSK调制的目标检测性能优于BPSK调制;目标散射系数估计精度与信噪比呈对数关系,在低信噪比时EBPSK调制的目标散射系数估计性能优于BPSK调制.理论分析与仿真结果表明了CS技术在降低信号的采样频率方面的有效性和可行性.     

用于二维角度估计的新型阵列结构及性能分析

为提高天线在低信噪比情况下的波达方向(Direction of Arrival,DOA)估计能力和估计精度,基于柱形多层均匀圆阵,提出了一种新型锥形多层均匀圆阵。将该阵列在锥面各条母线上的阵元等效为均匀线阵,并将各线阵上接收的数据构成新的阵列流形矩阵。对比分析2种阵列流形的克拉美罗界(Cramer-Rao bound,CRB),得出该阵列在低信噪比(Signal-to-Noise Ratio,SNR)、大仰角情况下相对柱形多层均匀圆阵可以获得更高的估计精度和估计成功概率。在仿真中,用二维多重信号分类(Two-Dimensional Multiple Signal Classification,2-D MUSIC)算法验证了该阵列在多信源、低信噪比和大仰角时的优越性,同时给出了空间角对该阵列DOA估计性能的影响。     

基于两层压缩感知的频率-角度联合估计方法

介绍了一种基于两层压缩感知的频率/角度联合估计方法,第一层压缩感知算法采用单快拍模型求解方向波数,第二层压缩感知算法利用方向波数形成的参数逆矩阵求解频率参数,以此求得角度.为验证所提方法的性能,利用3路不同频率和角度的信号分别在不同信噪比(SNR)、快拍条件下对信源频率/角度进行估计.仿真实验结果表明:该方法在少快拍条件下可对信源的频率和角度进行精确估计.     

采用可调波束形成器的GSC麦克风阵列语音增强方法

基于广义旁瓣抵消器(generalized sidelobe canceller,GSC)算法的麦克风阵列语音增强技术已得到广泛研究,但由于其通常需传统的声源定位方法提供声源方位,语音信号信噪比(SNR)低时声源定位精度将明显下降并影响到语音增强效果.提出了一种新的麦克风阵列语音增强方法,该方法在GSC中引入可调波束形成器估计声源方位以抑制背景噪声影响.不同类型背景噪声下的实验室语音增强结果表明了该方法的有效性.     

基于压缩感知的频率不变波束旁瓣水平优化方法

频率不变波束形成技术属于恒定束宽波束形成,能解决宽带信号中不同频率分量对应的波束响应不一致的问题.针对现有的一类将恒定主瓣宽度作为约束条件的频率不变波束形成方法,当阵元个数确定以后,形成的波束旁瓣水平往往达不到实际需求的问题,借助压缩感知理论,提出了一种改善波束旁瓣水平的新方法.提出的方法引入压缩感知理论(compressed sensing,CS)进行信号的预处理,并利用二阶锥规划(second order cone programming,SOCP)进行频率不变波束形成.由于压缩感知的恢复算法可以对压缩采样矩阵采集的信号进行精确重构,从而达到以更少的阵元获得相同的波束形成器性能.换言之,在相同的阵元个数条件下,通过阵列虚拟扩展增大了阵列的孔径,提出的方法比基于SOCP的频率不变波束形成方法有更低的旁瓣水平,仿真结果也表明了该方法的有效性,在相关的工程实践中具有一定的参考价值.     

正交匹配追踪反卷积声源识别方法

OMP-DAMAS波束形成声源识别方法能够显著缩减主瓣宽度,降低旁瓣水平,获得极高的分辨率和定位精度。基于数值仿真多个声源激励下的识别成像图和偏差值探究其结果随声源频率、迭代次数和信噪比等参数的变化规律。结果表明:OMP-DAMAS能够有效提高分辨率和定位精度,适用于中高频声源的识别并且对噪声具有较好的适应性。当声源频率大于2 300Hz,信噪比高于0dB时,OMP-DAMAS均能准确识别声源,获得清晰的成像结果。其重构的声源个数取决于迭代次数,在信噪比较高时可以通过设置合适的动态范围以避免旁瓣污染。上述结论对反卷积OMP-DAMAS波束形成技术的运用具有指导意义。进一步,基于多个扬声器的声源识别试验验证了该方法的有效性。     

超宽带通信压缩感知信道估计与信号检测方法

针对超宽带信号在采样速率过高时难以采样的问题,利用信号稀疏性提出一种基于压缩感知的信道估计和信号检测算法(CS算法).将信号重复送入随机滤波器后发送,对接收信号进行欠采样,利用调制信号、滤波器、信道的圆周卷积关系建立压缩感知的数学模型,从而可采用基追踪算法实现信道估计和信号检测.仿真结果表明,CS算法所需的采样数据量仅为最小二乘算法的1/3或更少,而在中等信噪比(15~25 dB)的情况下,估计性能可以提高约4.5 dB,且可以准确检测出原始信号.     

基于二维指数脉冲压缩变换的SAR成像算法

传统的合成孔径雷达(SAR)系统一般采用经典的匹配滤波器实现距离维和方位维的二维脉冲压缩变换,其基于匹配滤波器的系统带宽导致系统分辨率是有限且固定的.当对输出信噪比和目标时延分辨率有不同要求时,具有可变指数的指数滤波器可根据具体需求在充分保证输出信噪比的情况下产生高于匹配滤波器的目标分辨率.本文基于指数滤波器将距离维和方位维上的二维指数脉冲压缩变换应用于SAR成像算法,即先后将信号通过距离维和方位维指数滤波器,以实现SAR高分辨率成像.仿真结果表明,该算法在距离维和方位维两个维度都具有比传统SAR算法处理结果更窄的主瓣宽度和更低的旁瓣高度,有效提高了距离维和方位维的分辨率.     

基于压缩奇异值分解等效源法的结构板件声源识别

为改善空间连续型声源的声场重建与声源识别性能,基于压缩感知(compressed sensing,CS)和等效源法(equivalent source method,ESM)的基本理论,提出了一种压缩奇异值分解等效源法(CSVDESM)。CSVDESM通过奇异值分解法获取声场的一系列正交基,在ESM和CS框架的基础上实现对声场的重构。将CSVDESM与高阶矩阵函数波束形成理论结合,通过提高阶次值,不断缩小识别到的声学中心覆盖范围,进一步提高声源识别定位精度。数值仿真分析和实验应用均验证了CSVDESM的有效性与实用性。     

基于压缩感知的麦克风阵列声源定位算法

为了提高麦克风阵列在高混响、低信噪比环境中的定位性能,提出了一种基于压缩感知的声源定位算法.该算法将声源定位问题转化为稀疏信号的重构问题,将不同位置的房间冲激响应作为特征以构建字典.首先,将麦克风接收信号转换至频域,从具有较高能量的频点中求得一组扩展的频域声源信号矢量,该矢量中包含了声源的位置信息.然后,在频域中整合这些扩展的声源信号矢量,使声源的位置信息更突出,矢量中最大元素所对应的空间位置即为声源的位置估计.仿真实验结果表明,与相位变换加权的可控响应功率(SRP-PHAT)定位算法相比,所提算法的定位成功率更高,对混响的鲁棒性更强,更适合高混响低信噪比环境中的声源位置估计.     

基于变分稀疏贝叶斯的off-grid DOA估计

针对传统稀疏贝叶斯学习方法在解决低信噪比条件下信号到达角DOA估计中,到达角不完全落在阵元端离散化网格点上的情况,提出了一种基于变分稀疏贝叶斯学习期望最大化的离格DOA处理方法.该方法首先对均匀线阵的实际接收信号off-grid情况建立参数化稀疏模型,利用变分稀疏贝叶斯学习方法,通过最小化KL散度寻求一个与后验概率近似的概率分布,其次期望最大化方法分别在期望阶段和最大化阶段进行参数推断,进一步在离格误差模型下以较高的精度和分辨率实现信号到达角的估计,最后仿真结果表明,该方法不仅在传统SBL方法的基础上提高了运算效率,而且具有更高的空域分辨率和角度估计精度,该方法具有优越的角度估计性能.     

基于次梯度投影的数字助听器自适应声源定位方法

该方法在特征值分解算法的基础之上,利用次梯度投影方法自适应估计声源到麦克风的脉冲响应系数,进而估计出各麦克风之间时延,并利用几何方法定位声源在3D空间的位置.与传统的基于广义互相关的时延估计算法相比,提出的算法在房间反射与共振的情况下定位精度更高;与基于NLMS算法的自适应特征值分解时延估计算法相比,提出的算法收敛速度更快,并且在强噪声的情况下鲁棒性更强.基于眼镜数字助听器声源定位系统的实验与仿真研究了麦克风阵不同的几何尺寸对算法性能和定位精度的影响,证明了在不同信噪比情况下该算法都能有效定位声源的3D空间位置.     

一种基于压缩感知的高精度目标跟踪算法

为解决传统单目标跟踪方法精度低、稳定性差的问题,通过压缩感知的方法研究了扩展卡尔曼滤波,提出了一种基于压缩感知的扩展卡尔曼滤波算法。该算法基于压缩感知理论、采用阵列进行视场范围内的位置跟踪,即多传感器单目标跟踪。结果表明：在信噪比较低时该方法对目标跟踪的精度较高,并且对角度的估计使用的快拍数更少,降低了计算复杂度;并且所提算法在精确度和稳定性方面对目标的跟踪效果都要比传统算法好。