冲击噪声环境中最小"几何功率" 误差波束形成算法

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(包含所有对称α稳定分布噪声)环境下的波束形成算法.算法利用输出信号和参考信号之间"几何功率"误差的最小化来求解最优权向量."几何功率"误差定义成误差信号的对数矩的形式.我们采用迭代复加权最小二乘估计来求解最小"几何功率"误差波束形成权向量.与基于最小分数低阶误差波束形成算法相比,最小"几何功率"误差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.计算机仿真验证了算法的有效性.     

冲击噪声背景下基于归一化的线性约束特征干扰相消器

针对冲击噪声背景下,常规波束形成算法性能下降的问题,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基于归一化的线性约束特征干扰相消器（N-LCEC）算法。该算法在附加线性约束的条件下,以噪声功率最小化为目标函数;通过对输入信号进行无穷范数归一化,使变换信号的二阶统计量在代数拖尾的冲击噪声环境下存在且有界,然后将自适应权矢量约束于噪声子空间的方法,提高了波束形成器在冲击噪声背景下的性能。N-LCEC算法无需噪声特征指数的先验信息,适用冲击噪声环境更广;N-LCEC算法具有运算简单,干扰抑制能力强,同时保持静态方向图的副瓣特征等优点。仿真结果验证了该算法的有效性和优越性。      

稳定分布噪声下基于概率密度函数匹配的恒模波束形成

为抑制脉冲稳定分布噪声对波束形成的影响,采用信息论自适应学习理论,使得波束形成输出的概率密度函数和期望信号的概率密度函数匹配最大化,设计适用于稳定分布噪声下的恒模波束形成器,采用Parzen核方法得到数据的概率密度函数估计,利用随机梯度下降法对波束形成器的权重进行迭代更新,仿真实验表明在脉冲稳定分布噪声环境下,本文算法相比传统的恒模波束形成具有更高的输出信号干扰噪声比和更快的收敛速度。      

正交模约束的稳健波束形成算法

Capon波束形成算法在导向矢量存在误差或是在较少快拍数或高信噪比情况下,都会使波束产生严重的畸变。为了提高波束的稳健性,该文提出了一种正交模约束的稳健波束形成算法(OCCB),并通过二次求导得到阵列权值的具体数学表达式。该算法在Capon算法的基础上,增加对阵列权值和噪声子空间的正交模约束,实现了在不影响信号和干扰特征值的同时,完成对噪声特征值的加载,减小噪声特征值的扩散程度。分析了部分对角加载对期望信号、干扰和噪声的影响。该算法在导向矢量存在误差、采样快拍数较少和高信噪比情况下,都可使波束具有更低的旁瓣和更加准确的主瓣指向,同时对干扰能进行较好的抑制,仿真结果证实了方法的有效性。     

基于分数低阶统计量的线性约束恒模盲自适应波束形成方法

为解决传统恒模波束形成算法在受冲击噪声污染的无线环境中的性能退化问题,本文提出基于分数低阶统计量的线性约束恒模盲自适应波束形成方法,并从理论上分析了算法收敛条件。仿真实验表明,在稳定分布噪声下,新方法具有比传统恒模波束形成方法更好的韧性,而且比线性约束最小平均P范数波束形成方法具有更高的输出信干噪比,即使在强脉冲干扰环境下新方法仍具有较好的信号恢复能力。     

复杂干扰环境下自适应波束形成技术

本文研究一种适用于宽带、移动、相关或非相关等复杂干扰环境下,自适应数字波束形成算法。噪声信号来波方向采用极大似然法估计。优化判据中加入适当阶次的导数约束能改善复杂环境下的波束赋形特性,与SMI算法和kalman滤波算法的计算机仿真比较表明,本算法性能较优,平稳性更好     

一种基于分数低阶协方差矩阵的波束形成新方法

利用稳定分布对具有脉冲特性的噪声进行建模，提出了一种新的分数低阶协方差概念，推导了一种基于分数低阶协方差矩阵的波束形成方法，并分析了其旁瓣特性。模拟表明新方法具有更高的信号干扰噪声比及更强的波束形成与旁瓣抑制能力。新算法在高斯和分数低阶稳定分布环境下比传统的算法具有更好的韧性。     

一种约束稳定性最小均方波束形成算法

针对归一化最小均方（NLMS）算法步长调整精度不高的问题,将约束稳定性最小均方（CS-LMS）算法应用于智能天线的波束形成问题。通过引入后验误差的稳定性约束条件,构建适合波束形成问题的优化目标,并给出了其解的计算复杂度、收敛速度和稳态误差的理论分析。计算机仿真结果证实,CS-LMS波束形成算法比NLMS算法具有更加优良的抗干扰性能,较快的收敛速度,良好的系统跟踪能力和较小的稳态误差,尤其是当输入信号发生中断或突变时,算法依然工作得很好。     

基于最小二乘的子带SDL恒定束宽波束形成北大核心CSCD

针对宽带恒定束宽波束形成通常需要大量阵元或延迟线所带来的硬件开销较大的问题,提出一种基于约束最小二乘的子带阵元延迟线(SDL)恒定束宽波束形成器设计方法。该方法首先建立子带SDL模型,利用子带滤波器组将阵元接收信号进行分解与重构,然后,推导了子带SDL模型的阵列响应,最后,结合空间响应变化和约束最小二乘算法进行恒定束宽波束形成。由于将滤波器组的冲击响应直接作为优化参量,可有效降低分解与重构产生的误差,为了衡量阵列响应的波动程度,文中提出归一化波动程度的概念。仿真结果表明,子带波束形成器不仅具有比全带波束形成器更好的主瓣频率不变性,更窄的主瓣宽度以及更低的旁瓣增益,而且可以大大降低硬件开销。     

共轭对称约束差分恒模波束形成方法

传统的恒模波束形成算法在期望信号的信噪比较低的情况下容易误收敛到干扰信号,导致波束形成算法失效。针对上述问题,本文提出了一种共轭对称约束差分恒模算法。该算法首先引入了一种新的差分恒模代价函数,然后根据均匀直线阵列导向矢量的特殊结构,推导出了共轭对称约束条件。最后通过对数据进行归一化处理,使得步长因子的选择独立于输入信号功率,降低了步长因子的选取难度,提高了算法的实用性。仿真实验表明,本文算法在低信噪比下仍然保持了良好的收敛性能,并且对阵列幅相误差和初始权重矢量的误差也具有较强的稳健性。      

基于韦伯分布函数的低复杂度变步长符号算法

针对OFDM系统中传统信道估计算法在冲击噪声环境中性能急剧下降的问题,提出了一种基于韦伯分布函数的顽健型变步长符号算法进行信道估计。在深入研究冲击噪声特性及韦伯分布函数性质的基础上,提出了采用估计误差绝对值的韦伯分布函数控制步长的低复杂度变步长符号算法。该算法在利用传统符号算法顽健性的基础上,采用估计误差的韦伯分布函数动态地改变迭代符号算法的步长,从而能够以较低的复杂度提高变步长符号算法在冲击噪声环境中的收敛速度。算法复杂度分析及仿真结果表明,在冲击噪声环境下所提算法相较于传统自适应滤波信道估计算法能够以更低的复杂度、更快的收敛速度达到相同的信道估计均方误差。     

Maximum likelihood localization of sources in noise modeled as astable process

This paper introduces a new class of robust beamformers which perform optimally over a wide range of non-Gaussian additive noise environments. The maximum likelihood approach is used to estimate the bearing of multiple sources from a set of snapshots when the additive interference is impulsive in nature. The analysis is based on the assumption that the additive noise can be modeled as a complex symmetric α-stable (SαS) process. Transform-based approximations of the likelihood estimation are used for the general SαS class of distributions while the exact probability density function is used for the Cauchy case. It is shown that the Cauchy beamformer greatly outperforms the Gaussian beamformer in a wide variety of non-Gaussian noise environments, and performs comparably to the Gaussian beamformer when the additive noise is Gaussian. The Cramer-Rao bound for the estimation error variance is derived for the Cauchy case, and the robustness of the SαS beamformers in a wide range of impulsive interference environments is demonstrated via simulation experiments     

基于零阶统计量的韧性归一化自适应时间延迟估计

依据零阶统计量理论,给出对数矩过程、对数宽平稳及对数各态遍历的定义,提出一种韧性的归一化自适应时间延迟估计方法(简称NZOSTDE).该算法用FIR滤波器对两个含有脉冲噪声的观测信号建模,利用不存在有限方差的脉冲信号经过对数变换后其各阶矩的存在性和几何功率的概念,在对数域基于最小均方误差(LMS)准则归一化自适应得到FIR滤波器的系数,该系数最大值对应的序号就是时间延迟的估计值.本文提出的新算法克服了基于分数低阶统计量(FLOS)算法的局限性.计算机仿真实验表明,NZOSTDE算法在强脉冲噪声环境下比归一化最小平均P范数时间延迟估计方法(简称NLMPTDE)算法更具有韧性.     

一种冲击噪声环境下的最优波束形成算法

针对冲击噪声（包括所有对称α稳定分布噪声）环境下一般未知噪声统计特性,提出了一种最小几何功率无失真响应波束形成算法。该算法利用求取有限对数矩时无需噪声统计特性的特点,用对数矩代替二阶矩在约束期望信号增益为1的条件下使快拍信号的几何功率最小,最终使输出信号能达到更高的几何信干噪比。并通过一种新的迭代的方法得到最优权向量。仿真实验证明了该算法的有效性。     

脉冲噪声环境中鲁棒的自适应波束形成方法

本文提出一种脉冲噪声环境中的自适应波束形成方法.方法假定噪声服从对称 α 稳定(S α S:Symmetric α -stable)分布,首先定义分数低阶阵列响应,然后根据最小方差无畸变响应波束形成器(MVDR)提出分数低阶最小方差无畸变响应波束形成器(FrMVDR).理论上证明了当阶数小于噪声特征指数的一半时,分数低阶阵列输出功率有界.计算机仿真实验证明了本文提出的FrMVDR波束形成器在高斯噪声和非高斯脉冲噪声环境中性能都优于MVDR和其他有关的基于分数低阶矩的波束形成器,是一种鲁棒的自适应波束形成器.     

On the Performance Analysis of a Class of Transform-domain NLMS Algorithms with Gaussian Inputs and Mixture Gaussian Additive Noise Environment

This paper studies the convergence performance of the transform domain normalized least mean square (TDNLMS) algorithm with general nonlinearity and the transform domain normalized least mean M-estimate (TDNLMM) algorithm in Gaussian inputs and additive Gaussian and impulsive noise environment. The TDNLMM algorithm, which is derived from robust M-estimation, has the advantage of improved performance over the conventional TDNLMS algorithm in combating impulsive noises. Using Price’s theorem and its extension, the above algorithms can be treated in a single framework respectively for Gaussian and impulsive noise environments. Further, by introducing new special integral functions, related expectations can be evaluated so as to obtain decoupled difference equations which describe the mean and mean square behaviors of the TDNLMS and TDNLMM algorithms. These analytical results reveal the advantages of the TDNLMM algorithm in impulsive noise environment, and are in good agreement with computer simulation results.     

基于传声器阵列语音增强方法研究

传声器阵列通过对拾取的多路语音信号进行分析与处理,能取得改进语音质量、消除背景噪声和提高语音可懂度等明显效果,现已成为语音信号增强的一个重要的研究领域。介绍了基于传声器阵列的自适应波束形成方法,该方法采用GSC结构基于TF-GSC的最优后置滤波算法。仿真实验结果表明,该自适应波束形成器对干扰有很好的消除作用,对阵元的增益误差、位置误差不敏感,可以取得较好的语音增强效果。     

Stable adaptive channel estimation method under impulsive noise environments

Channel estimation is one of the key technologies for ensuring reliable wireless communications under impulsive noise environments. This paper studies robust adaptive channel estimation methods for mitigating harmful impulsive noises, which are described as alpha‐stable (α ‐stable) distribution models. Traditional adaptive channel estimation using the second‐order statistics based least mean square (SOS‐LMS) algorithm does not perform well under α ‐stable noise environments, even though it was considered one of attractive approaches for estimating channels in the case of Gaussian noises. Unlike the traditional SOS‐LMS algorithm, in this research, we propose a stable sign‐function‐based LMS algorithm, which can mitigate the impulsive noises. Specifically, we first construct the cost function with minimum ℓ ₁‐norm error criterion and then derive the updating equation of the proposed algorithm. Compared with the traditional SOS‐LMS, the effectiveness of the proposed algorithm is validated via Monte Carlo simulations in various α ‐stable noise scenarios. Copyright © 2015 John Wiley & Sons, Ltd.