基于鲁棒波束形成的麦克风阵列系统

为了提高噪声消除的鲁棒性,传统的通用旁瓣消除器采用固定波束形成作为输出的系数约束自适应滤波器,采用CCAF的输出作为输入的标准约束自适应滤波器.此系统的跟踪性能随信号频率变化而改变,并且由于波束带宽的影响使得目标语音在低频发生畸变.采用优化波束形成方法来得到较宽的带宽,对输出进行后滤波处理来消除残余噪声.试验表明本方法可明显提高语音信噪比.     

智能天线中的干扰抑制算法研究

智能天线技术是是第三代移动通信系统采用的抗干扰关键技术.智能天线技术研究的核心是波束赋型的算法,但各种算法均存在计算量大和收敛速度较慢等缺点,如何提高系统性能成为一个重要课题.提出了一种新的用于智能天线中抑制干扰的波束形成算法,阐述了阵列天线波束形成的最佳权向量技术和估计信号波达方向的改进MUSIC算法,并对其进行了仿真实验.理论分析及仿真结果表明,与目前其它方法相比,具有空间分辨力高、计算量小、稳健性好等优点,有较强的实用性.     

麦克风阵列及其消噪性能研究

用麦克风阵列进行语音处理的方法可以提高信噪比，解决环境噪声，回声和混响引起的语音识别性能降低的问题，麦克风阵列系统是由一组按一定几何结构摆放的麦克组成的系统。此阵列能接收空间传播信号，经过适当的信号处理，提取所需的信号源和信号属性等信息。使用该系统可大大提高强干扰环境下的语音识别性能。     

分布式目标下行波束形成

研究了智能天线在下行链路的应用。利用上行链路接收数据，建立分布式目标信道模型。估计移动用户的发射角、扩展角度和发射功率以及下行信道相关矩阵，确定下行链路的波束形成方法。即对频分复用（FDD）系统进行上行相关矩阵变换，构建下行信道协方差矩阵，利用最大合并比准则获得下行链路权值。计算机仿真证实了这种方法的有效性。     

基于数据辅助的无人机集群协同空域抗干扰

研究移动中的无人机通过动态感知和学习干扰来波方向,实时调整波束成形策略来抑制干扰。针对实际场景中无人机不能获得干扰者的全部动作来进行策略训练的问题,提出使用集群内部协作收集干扰机动作数据从而补充训练数据的方法来从而提升集群抗干扰。将波束成形决策建模为马尔可夫决策过程,基于深度强化学习架构,提出了基于数据辅助的无人机集群协同空域抗干扰算法。仿真结果表明,在辅助数据分别达到40%,60%,80%时,系统吞吐量分别得到33%,55%,70%的提升,验证了本文提出的方法能有效提高无人机协同抗干扰能力。     

基于模拟退火算法的波束图设计

文中提出了基于模拟退火算法的波束设计方法.其思想是按照给定的波束优化要求,建立某种相应的目标函数,利用模拟退火算法对波束的加权系数进行全局寻优,达到波束优化的目的.模拟退火算法模拟了固体缓慢退火从而获得最低内能的物理过程,是一种简单而有效的随机性全局优化算法.为证明该设计方法的可行性和有效性,给出了15元平面阵的设计实例以及仿真结果.结果表明,使用该方法设计的波束与常规方法相比,获得了更低的旁瓣级.     

ANALYSIS AND SIMULATION OF QSP BEAMFORMER

The real Direction Of Arrival (DOA) varies with time in mobile communication system. In such situation, the performance of conventional beamformers will be degraded obviously. Quantum Signal Processing (QSP) beamformer is insensitive to DOA errors, thus it can achieve stable output performance in such circumstance. This letter verified the effectiveness and feasibility of the QSP beamformer by simulation results.     

基于波束成形网阵的声源定位及影响因素探究

常规波束成形技术对声发射源定位的应用日益进展。本文基于波束成形网络阵列技术实现了对声发射源一次性定位,并采用控制变量法探讨了传感器网络类型、传感器个数、波速和声源位置对定位效果的影响。     

基于相关域的二维自适应波束形成算法

 该文针对使用最小方差无失真响应算法进行2维波束形成时需要大量采样数据和庞大计算复杂度这一问题,提出一种基于相关域的2维自适应波束形成算法。通过将高维权向量分解成两个低维权向量的Kronecker积形式,使用双迭代算法利用相关域信息求解出两个低维权向量,从而降低了估计采样相关矩阵所需的采样数据和计算量。实验仿真表明,所提算法具有良好的收敛性能,在采样数较小的情况下,能够更好地抑制干扰信号。     

冲击噪声背景下基于最小均方归一化误差的波束形成算法

 本文提出一种适用于任意未知统计特性的代数拖尾冲击噪声环境下的MMSNE波束形成算法。算法利用输出信号和参考信号之间的“归一化误差”最小化来求解最优权向量。“归一化误差”定义为接收信号的瞬时自适应无穷范数归一化的形式。与基于最小分数低阶误差波束形成算法相比,MMSNE波束形成算法计算更为简单;不需要噪声特征指数的先验信息或估计;适用于更广的冲击噪声环境;具有更小的估计误差;具有更强的干扰抑制能力。