数字摄像机自动聚集机械噪声消除方法研究

数字摄像机的摄像头在缩放时产生较大声噪,回放时主观听觉十分明显,因此需要研究一种高质量语音降噪算法,用于消除机械声噪,同时避免产生语音畸变.通过分析传声器阵列及带噪声源的数学模型,构建了一套基于传声器阵列的语音降噪系统,针对机械噪声的统计特性,利用最小方差无畸变响应波束形成法对非注视方向的噪声进行滤波,采用子带后处理法...     

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.     

基于聚焦信号子空间估计导向矢量的干扰声源抑制方法

针对最小方差无失真响应（Minimum Variance Distortionless Response,MVDR）波束形成器对导向矢量失配较敏感的问题,本文提出了一种有效的干扰声源抑制方法 .该方法首先将语音信号的频带划分为多个子带,通过聚焦信号子空间方法估计各子带的声源到达方向（Direction of Arrival,DOA）,并采用统计直方图估计各声源的初始DOA;其次,为了减小导向矢量失配,利用声源的空间稀疏性,通过Capon功率构建目标声源导向矢量估计的代价函数,约束目标声源导向矢量远离干扰声源空间;最后,根据估计的导向矢量,估计干扰声源加噪声协方差矩阵,以获得MVDR波束形成器的权重.基于TIMIT语料库的实验结果证明,提出的干扰声源抑制方法的输出信干噪比（SINR）及语音质量感知评价（PESQ）优于参考方法,具有更佳的抗导向矢量失配性能.     

基于宽带MVDR波束形成的弱信号检测研究

在复杂电磁环境中,常规波束形成的性能下降会使检测弱信号变得十分困难。若空间存在相干干扰时,常规阵列信号处理方法大都无法区分干扰与目标信号。针对宽频带、强干扰以及信号相干的问题,研究了可以抑制干扰的最小方差无畸变响应(MVDR)波束形成方法,并讨论了宽带MVDR的几种实现方式,即非相干最小方差(IC-MV)、空间重采样最小方差(SRMV)和指向最小方差(STMV),通过仿真比较了上述算法的弱信号检测性能。     

宽带相关信号的二维DOA高分辨估计

研究利用导向最小方差(STMV)法实现了宽带相干信号的一维和二维高分辨DOA估计.与传统的最小方差无畸变响应(MVDR)法相比,STMV法更适于处理宽带信号.由于利用了导向协方差矩阵的时空统计特性,该方法比MVDR具有更高的空间分辨力和更好的稳健性.     

基于CS-MVDR的多目标方位估计新方法

针对空时欠采样条件下多目标方位估计存在的问题，将压缩感知理论引入到最小方差无畸变响应(MVDR)方法中进行多目标方位估计，通过空间角度网格划分形式实现信号在空时域的稀疏性表示，利用空间谱估计恢复重构空间稀疏向量，从而实现空间上多信号入射角的方位估计。该方法不仅运算量低，在低信噪比、低阵元采样数、高估计精度和稳健性等方面的优势更为突出。     

基于波束形成算法的声源定位与DSP实现

声源定位在军事、工业噪声定位等领域具有广泛应用,基于麦克风阵列信号的波束形成是声源定位的主要方法。与传统波束形成算法相比,最小方差无失真响应(MVDR)算法具有较大优势,但MVDR算法运算量大,一般处理器无法满足实时性要求。针对波束形成算法的数据量大,运算复杂的特点,选取TI公司推出的TMS320DM642定点DSP芯片,采用C和汇编语言混合编程,实现了8个麦克风组成的均匀圆阵基于MVDR算法在TMS320DM642 DSP 的应用,其处理速度比在ARM上快,具有速度快,精度高,实用性强的特点。     

高频地波超视距雷达的超分辨处理

由于工作在高频段，高频地波超视距雷达的角分辨力较差，尤其是当阵长受限时。本文从实际出发，提出了一种利用最小方差信号无畸变响应波束形成实现超分辨的方法，单目标实测数据及部分仿真目标数据的处理结果表明了其有效性。     

最小方差无失真响应波束形成解卷积后处理算法

为提高最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)波束形成算法的方位分辨能力,本文将MVDR算法的输出功率谱重新建模为卷积的形式,并运用两种解卷积技术对MVDR的方位谱进行后处理.该算法将角度空间中心位置的单个声源的MVDR方位谱当作点扩散函数(Poi...     

基于稀疏和低秩恢复的稳健DOA估计方法

该文针对有限次采样导致传统波达方向角(DOA)估计算法存在较大估计误差的问题,提出一种基于稀疏低秩分解(SLRD)的稳健DOA估计方法。首先,基于低秩矩阵分解方法,将接收信号协方差矩阵建模为低秩无噪协方差及稀疏噪声协方差矩阵之和;而后基于低秩恢复理论,构造关于信号和噪声协方差矩阵的凸优化问题;再者构建关于采样协方差矩阵估计误差的凸模型,并将此凸集显式包含进凸优化问题以改善信号协方差矩阵估计性能进而提高DOA估计精度及稳健性;最后基于所得最优无噪声协方差矩阵,利用最小方差无畸变响应(MVDR)方法实现DOA估计。此外,基于采样协方差矩阵估计误差服从渐进正态分布的统计特性,该文推导了一种误差参数因子选取准则以较好重构无噪声协方差矩阵。数值仿真表明,与传统常规波束形成(CBF)、最小方差无畸变响应(MVDR)、传统多重信号分类(MUSIC)及基于稀疏低秩分解的增强拉格朗日乘子(SLD-ALM)算法相比,有限次采样条件下所提算法具有较高DOA估计精度及较好稳健性能。