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.     

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.     

基于最小统计与MMSE—LSA的语音增强

提出了一种基于最小统计及短时对数谱幅度最小均方误差估计单通道语音增强算法,并在此基础上对其进行了修正。噪声功率谱估计不需要VAD进行有无语音的检测,并在每帧数据都进行更新,可跟踪变电平噪声。该算法在MMSE—LsA准则下得到谱增益函数,并考虑到纯净声音信号频谱特性,对增益函数进行了修正。实验结果表明,该算法可有效去除噪声,在消除音乐噪声的同时对语音信号产生很小的失真,并易于实时处理。     

基于分数低阶矩的非整数时间延迟估计方法

依据信号的噪声特性和分数低阶矩理论,提出一种基于最小平均p范数的非整数时间延迟估计方法(称为LMPFTDE算法)。该算法是对直接估计非整数采样间隔的时间延迟估计算法(ETDGE)的广义化,运用最小分散系数准则,通过使误差的p阶矩最小得到非整数时间延迟估计值。理论分析和计算机仿真结果都表明该方法不仅可以在高斯噪声环境下工作,而且在脉冲噪声下也具有良好的健壮性。     

非平稳环境下基于人耳听觉掩蔽特性的语音增强

传统的语音增强算法往往仅对平稳噪声或缓慢变化的噪声有效,且残留的音乐噪声较大。对此,本文研究了一种非平稳环境下基于听觉掩蔽效应的语音增强算法。该算法对传统谱减法的功率谱估计算法进行改进,根据最小均方误差原则和语音信号的听觉掩蔽阈值调整功率谱估计的参数,并引入了基于最小值统计特性的噪声估计算法,使估计的噪声更好地跟踪噪声的变化。实验结果表明:该算法对平稳和非平稳的噪声都得到较好的增强效果,且较好地抑制了音乐噪声。     

间歇混沌合成1/f噪声的相关特性分析

本文利用非线性随机微分方程来合成间歇混沌信号,针对该信号表现出的1/f噪声特征,在不同消失矩的小波基下进行相关特性分析.仿真结果发现,在功率谱的中间频段内,该信号的功率谱密度表现出典型的1/f噪声特性,其小波变换系数方差与相应的小波尺度呈对数线性关系;且在该频段内,部分尺度下该间歇性信号的小波变换系数的相关性随小波基的消失矩的增大而减小,在另一部分尺度下该相关性则随着消失矩的增大而增大.实验结果表明,随小波消失矩的增大,并非在所有尺度下小波变换对该间歇性信号均具有去相关作用.论文讨论了小波变换系数的方差和尺度的关系,详细分析了小波变换系数的相关性随小波消失矩的变化趋势.     

一种抗冲击噪声的对数总体最小二乘自适应滤波算法

在未知系统输入信号和输出信号均含有噪声的环境中,传统的自适应滤波算法,如最小均方(LMS)算法,会产生有偏估计。总体最小二乘(TLS)算法能够同时最小化输入信号与输出信号的噪声干扰,是解决此类问题的重要方法。然而,在许多实际应用中,干扰噪声可能具有冲击特性,这使得传统基于2阶统计量的自适应滤波算法,包括总体最小二乘算法性能严重恶化,以至于不能正常工作。为了解决这个问题,该文在总体最小二乘法的基础上,利用对数函数对其改进,提出了一种能够抗冲击干扰的对数总体最小二乘(L-TLS)算法。最后,通过计算机仿真实验验证了该新算法的有效性。     

一种抗冲击噪声的对数总体最小二乘自适应滤波算法

在未知系统输入信号和输出信号均含有噪声的环境中,传统的自适应滤波算法,如最小均方(LMS)算法,会产生有偏估计.总体最小二乘(TLS)算法能够同时最小化输入信号与输出信号的噪声干扰,是解决此类问题的重要方法.然而,在许多实际应用中,干扰噪声可能具有冲击特性,这使得传统基于2阶统计量的自适应滤波算法,包括总体最小二乘算法性能严重恶化,以至于不能正常工作.为了解决这个问题,该文在总体最小二乘法的基础上,利用对数函数对其改进,提出了一种能够抗冲击干扰的对数总体最小二乘(L-TLS)算法.最后,通过计算机仿真实验验证了该新算法的有效性.     

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。      

基于信号子空间的改进OFDM系统信道半盲估计

本文改进了一种基于信号子空间的OFDM系统半盲信道估计算法.该算法利用基于梯度变化的变遗忘因子递归最小二乘算法(GVFF-RLS)计算接收信号的自相关矩阵.通过同时对角化接收信号中的信息信号和噪声信号的全局协方差矩阵,推导出噪声信号子空间,无需对噪声信号的统计特性进行任何先验假定.本算法弥补了原始算法在慢衰落信道下收敛慢以及只限于加性白噪声的不足,实现了色噪声背景下高效半盲信道估计.仿真结果表明本文提出的算法具有良好的性能.     

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.     

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。     

一种脉冲噪声中的韧性恒模算法及其稳定性分析

由于无线信道的噪声表现出脉冲性特征,常规恒模波束形成器的性能出现退化。该文引入 稳定分布作为信道脉冲噪声的模型,提出一种广义化的韧性恒模波束形成器。以分数低阶统计量为工具分析了该韧性恒模波束形成器在脉冲噪声干扰下所能达到的稳定状态。数值模拟对分析结果进行了验证。     

Robust Recursive Beamforming in the Presence of Impulsive Noise and Steering Vector Mismatch

This paper proposes a new method for robust beamforming in the presence of impulsive noise as well as steering vector mismatch. In our proposed method, the idea of M-estimation is firstly incorporated into the traditional orthonormal PAST (OPAST) algorithm for subspace tracking to combat the hostile effect of impulsive noise. Taking advantage of the subspace principle, we show that the steering vector mismatch can be recursively and robustly estimated in closed form. Then, by making use of the estimated steering vector, the problem of robust beamforming in the presence of impulsive noise is formulated. The solution of this problem is analytically derived and the resultant robust beamformer is shown to have a similar form to the Capon beamformer, whereas the array covariance matrix and the steering vector are robustly estimated. Different from conventional methods, the impulsive noise and the steering vector mismatch are simultaneously handled by extending the traditional OPAST algorithm, and hence the proposed method has low complexity and it is feasible to nonstationary scenarios with moving sources. Simulation results demonstrate the validity and superiority of the proposed method over conventional methods in impulsive noise environment with steering vector mismatch.     

宽带子阵域特征空间稳健对角减载波束形成

针对宽带子阵域自适应波束形成器在实际使用中稳健性下降、对弱信号的检测能力受信噪比限制的问题,提出了一种宽带子阵域特征空间稳健对角减载自适应波束形成方法.首先提出利用子阵域特征空间投影法修正导引向量并得到球形不确定集的估计,再利用RCB（Robust Capon Beamformer）算法得到约束条件下的最优权值.另一方面,利用子阵域互谱密度矩阵的最小特征值作为子阵域非相关噪声功率的估计并进行对角减载,以最优权值对减载矩阵波束形成得到子带波束输出,对每个窄子带重复上述处理,再将结果非相干叠加即可得到本文方法的最终结果.理论及实验分析表明方法能提高自适应波束形成器的稳健性及输出信噪比.     

Broadband beamforming with power complementary filters

This paper addresses the design of broadband finite impulse response (FIR) beamformers with a power complementarity property. The power complementarity requirement is needed to preserve the whiteness of the channel noise at the beamformer output, which allows the application of optimum trellis-based equalizers to the output signal. The power complementarity property imposes non-negative definite quadratic constraints on the beamforming filters so that the beamformer design is expressed as a constrained quadratic optimization problem. Two approaches are proposed to solve this problem. The first method is a Lagrangian relaxation technique, which exploits the fact that the dual mathematical problem reduces to the unconstrained minimization of a convex function over a convex domain. A second approach employs a cascaded lattice representation of the power complementary filterbank and performs the beamformer design incrementally, one lattice stage at a time     

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