基于最小均方无失真响应和支持向量机的被动声纳目标识别

为了有效地进行被动声纳识别,研究了一种运用最小均方无失真响应（Minimum Variance Distortionless Response,MVDR）谱系数作为特征参数,用多分类支持向量机作为分类器,进行被动声纳目标识别的方法。实验表明,在不同数目的训练样本情况下,基于最小均方无失真响应谱系数和多分类支持向量机的被动声纳目标识别方法使系统的性能显著提高,具有很好的识别效果和应用价值.其优于传统的神经网络作为分类器的识别方法,尤其是在训练样本较少情况下,识别率具有很大的提高。     

CW脉冲回波信号的最小方差无畸变响应自适应检测

建立了适用于解析时间序列信号检测的最小方差无畸变响应(Minimum Variance Distortionless Response,MVDR)自适应处理模型(Time Series MVDR,TSMVDR),并针对CW声纳脉冲回波信号,通过构造解析信号和分段近似处理给出了相应算法(Algorithms of TSMVDR on CW pulse signal,AWMVDR),并进行了数值仿真研究。研究结果表明:对于CW脉冲信号:(1)在较高采样率的条件下,AWMVDR可以实现CW脉冲信号稳定的自适应检测;(2)AWMVDR较常规线性相关检测具有更高的脉冲参数估计精度和时间分辨力;(3)AWMVDR的实现需要付出较高采样率和更大计算量的代价。     

A minimum variance distortionless response filter based on the bifrequency spectrum for single-channel noise reduction

This paper deals with the problem of single-channel noise reduction in the short-time Fourier transform (STFT) domain. Many algorithms have been developed to solve this important problem, most of which generally assume that the STFT coefficients in different frequency bands are uncorrelated, so the noise reduction is achieved by applying a gain function to the STFT of the noisy speech in each frequency band. However, this assumption is not accurate and the STFT coefficients of speech signals between neighboring frequency bands are correlated in practice due to the use of small lengths of the fast Fourier transform (FFT) and overlap add/save techniques in implementation. This paper formulates the noise reduction problem by taking into account the interband correlation using the so-called bifrequency spectrum. Based on this formulation, a single-channel minimum variance distortionless response (MVDR) filter is derived, which is shown to be able to significantly improve the signal-to-noise ratio (SNR) and meanwhile maintain the desired speech not much distorted. Simulations are presented to justify the claimed merits of the developed MVDR filter.     

近场MVDR聚焦波束形成被动定位方法

该文系统地研究了最小方差信号无畸变响应（MVDR）聚焦波束形成方法的定位性能,特别是对该方法定位性能受某个参数的影响情况进行了较详细的研究。首先分析了近场情况下线列阵接收信号的模型,然后分别推导了常规聚焦波束形成和MVDR聚焦波束形成的定位原理。仿真比较了这两种定位方法的定位性能,以及MVDR聚焦波束形成被动定位方法在不同的阵元间距和不同的目标距离情况下的定位性能。仿真结果表明,与常规聚焦波束形成相比,MVDR近场聚焦波束形成在提高分辨率的同时,减小了＂混叠＂影响,具有更为平滑的背景和更低的旁瓣级,同时认为,为了得到比较好的定位效果,目标应处于相对于＂近场＂的位置,从而为目标精确定位提供依据。     

阵列信号维纳滤波用于主动声呐图像增强处理

声呐图像的噪声背景抑制是提高水下目标检测能力的重要问题。针对声呐图像背景斑点噪声强、目标轮廓模糊、目标回波对比度低等问题,利用确定性目标回波信号与随机分布的干扰噪声之间的相关统计特性差异,采用基于最小均方差准则的阵列信号维纳滤波器,通过主动最小方差无畸变响应（Minimum Variance Distortionless Response,MVDR）波束形成和后置维纳滤波的两级处理,去除声呐随机噪声背景。试验数据的处理结果表明：在噪声干扰条件下,相比于常规波束形成（Common Beamforming,CBF）,主动MVDR处理提高了目标回波的局部信噪比,后置维纳滤波处理降低了随机分布的斑点噪声,使声呐图像的清晰度得到增强。     

基于近场聚焦波束形成方法的声场定位研究

海洋环境中的声场定位,是水声学研究领域中的一个经典问题,尤其是用于海区警戒来监听敌方潜艇的近场定位问题.以往的近场定位研究,通常使用线列阵模型,利用常规聚焦波束形成方法进行定位处理,不仅出现了“左右舷模糊”问题,而且对信号定位不甚理想.为此提出基于半圆阵的四阶累积量MUSIC近场聚焦波束形成算法.通过仿真比较了多种聚焦波束形成在近场线列阵和圆阵条件下的定位性能,结果表明,半圆阵成功地解决了直线阵列出现的“左右舷模糊”问题,基于四阶累积量的MUSIC近场聚焦波束形成可以达到更为平滑的背景以及较小的旁瓣级,定位性能明显优于基于MVDR算法的聚焦波束形成高分辨率被动定位方法.     

一种基于MVDR和CCBC的抗噪语音识别方法

提出了一种适用于抗噪声语音识别的方法，其特征提取过程基于最小方差无失真响应（Minimum variance distortionles sresponse，MVDR）谱估计方法，并对该特征进行频率弯折以提高其知觉分辨率，最后使用基于正则相关分析的谱变换补偿（Canonical correlation based on compensation，CCBC）法对该特征进行自适应处理，从而提高了系统的鲁棒性。在展览馆噪声、人群噪声和汽车噪声下，与基于传统Mel倒谱系数（MFCC）特征的系统进行了对比实验，结果表明使用本文方法的语音识别系统的识别率得到了显著的提高。     

低快拍下基于RBF的CSB sin-FDA稳健波束形成

针对抑制与目标位置接近的平台外随队干扰的过程中,MVDR波束形成器在阵元数较大、快拍数不足时的主瓣畸变问题展开分析。以CSB sin-FDA接收阵列结构代替ULA-FDA接收阵列。快拍数不足时,将修正后的协方差矩阵导入模糊RBF神经网络计算最优权矢量,避免了矩阵求逆运算。与基于PA及FDA-BFF的MVDR波束形成器相比,在低快拍情况下,该方法在干扰位置处形成有效零陷的同时,主瓣指向能够保持在目标位置。且方向图仅在目标位置处形成单一主瓣峰值,这也为后续关于目标参数估计的一系列分析中的模糊消除奠定了重要基础。数值仿真验证了该方法的有效性。     

一种旁瓣级可控的MVDR波束形成算法

针对传统的最小方差无畸变响应（Minimum Variance Distortionless Response,MVDR）波束形成方法存在的旁瓣较高且抑制干扰性能不稳健的情况,提出一种旁瓣级可控的自适应波束形成算法。该算法在MVDR基础上进行峰值搜索,将获得的峰值点从大到小进行排序,取次大值作为最高旁瓣的值,将得到的最高旁瓣值与期望旁瓣值比较,在其方位添加虚拟干扰加以抑制,从而得到新的波束图。再对新的波束图进行峰值搜索,不断重复上述过程,经过有限次迭代以达到期望旁瓣值。计算机仿真结果表明在均匀线阵基础上该算法能够将旁瓣控制到期望旁瓣级以下且比较稳健。     

一种有效的MVDR波束形成器

本文介绍了一种通过构造增广数据矩阵并对其进行奇异值分解的修正MVDR波束形成器。在快拍次数有限时,该方法能提高零点的精度和加深零点的深度,使干扰更加有效地得到抑制。文中详细给出了这种方法的工作原理并从理论上分析了其可行性,最后用计算机仿真实验验证了这种方法的有效性。