带支撑物圆阵阵列信号处理算法及仿真分析

传统阵列信号处理算法一般都不考虑障碍物对阵列响应的影响,实际中阵列支撑物会对阵列接收信号会产生影响。以环绕在刚性圆柱体上的均匀圆阵为阵列模型,研究了特征波束空间波束形成和高分辨方位角估计算法性能,分析了各种因素对算法性能的影响。研究结果说明,特征波束域高分辨方位角估计算法能有效地估计出多个声源的方位角,阵列支撑物的存在提高了特征波束形成和高分辨方位角估计算法性能,为方位角估计提供了一种有效的方法。     

基于七元传声器阵列的声源定位算法及性能分析

为了准确定位声源所在空间位置,提高声源定位性能,在分析方位估计算法的基础上,建立七元传声器阵列模型,提出一种声源定位算法。根据阵元间的矢量关系,推导出声源方位计算公式,实现声源定位。利用阵列参数,水平偏角、仰角和声源到阵元中心距离,与定位性能关系,对测距测向精度进行分析。结果表明,该算法声源坐标误差为1.0%,方位角误差为0.5%,具有较好的定位效果。     

刚性球上均匀圆阵声源方位角估计算法仿真

为了研究环绕在刚性球上均匀圆阵声源方位角估计问题.以环绕在刚性球上的均匀圆阵为阵列模型,分析了刚性球体对圆阵响应的影响,在球坐标系下对声场分解所得到的特征波束空间,利用EB-ESPRIT算法和EB-Unitary-ESPRIT算法实现了声源方位角估计.计算机仿真表明,在独立声源条件下,两种算法均能较好地估计出空间多个声源的方位角,并且EB-Unitary-ESPRIT算法计算量小,估计精度高.另外具有解相关声源的能力.     

四元声传感器面阵快速测向算法及误差分析

为了对低速移动的声源目标进行较高实时性的方向跟踪,把四元声传感器面阵分为两个二元线阵,分别对目标进行测向,然后融合两组测量结果,给出了目标方位角的计算公式.根据线阵在被跟踪目标方位角不同时测向精度的不同,用加权因子增加较高精度的线阵测量结果的影响,降低误差较大的线阵测量结果的影响.该算法可对传感器阵列所在平面内任意方位的声源快速进行测向,完成一次测向只需对两对时间采样序列分别进行互相关运算,并可获得较高的定向精度,通过实验验证了该算法的精度和有效性.     

基于环形阵列的近场多声源波达方向跟踪

针对基于可控功率响应的多声源跟踪算法定位复杂度高,且弱声源易受强声源影响而造成无法跟踪的问题,提出了一种利用环形阵列的近场多声源波达方向跟踪方法,首先利用语音信号在时-频域的稀疏性和声源间的屏蔽效应定义了信号的相关性,并利用相关性检测主声源较强的帧,其次利用环形阵列结合SRP方法获取单帧主声源的方位角,然后集合多帧的数据从方位角的统计直方图中分析出当前声源的数目和所在方位。仿真实验结果表明,本文方法对声源数目估计的准确率为92%,且具有较高的方位角跟踪精度,其误差小于1.5?,因此可有效应用于近场环境中声源数目和方位的跟踪中。     

基于四元十字阵的分布式声源定位实验研究

构建了基于测向交叉定位法的分布式声源定位实验系统。首先,利用四元十字阵节点通过到达时间差（TDOA）方法计算声源位置角度,然后,通过测向交叉定位法融合各节点角度,计算声源位置。通过该系统实验测试了测向交叉定位法在实际应用中的性能。该系统在声源距离阵元50m时定位误差为2．9m,声源距离阵元100m时,定位误差为5．8m。实验结果表明：测向交叉定位法在实际应用中能准确计算出声源位置,定位误差随麦克风与目标的距离增大而增大。     

互耦条件下窄带循环平稳信号阵列测向方法的误差分析

常规阵列各阵元感应电流间的耦合作用是很难消除的,互耦效应的存在会导致窄带循环平稳信号阵列测向方法产生角度估计偏差。为了分析这一偏差,首先基于互耦条件下的阵列接收数据建立了用于窄带循环平稳信号测向的阵列伪数据矩阵模型,并以此为基础得到了均匀线阵和一般线阵中测向误差的解析表达式。仿真结果表明该理论偏差在各种信号环境和阵列结构中都具有很高的准确性。     

基于九元均匀圆阵的MUSIC测向方法研究

为了使基于圆阵的MUSIC测向方法能够分辨相干信号,首先利用阵列变换的方法,将圆阵的阵列流形变成虚拟线阵的阵列流形,再利用处理线阵的空间平滑法对相干信号进行去相关的预处理,进而利用MUSIC算法就可以实现对相干信号的分辨.计算机仿真结果证明基于圆阵的MUSIC测向方法可以对相干信号进行分辨,这为基于圆阵的MUSIC算法的工程实现提供了具有重要参考价值的技术基础和数值结论.     

基于球麦克风阵列的多声源定位方法

通过球麦克风阵列采集高阶声场的声压信息,采用球谐函数分解声场并建立信号模型,应用MUSIC算法提取出声源的方位。由于MUSIC算法在信号源相干性比较高,特别是声源比较接近时,其分辨率会严重下降,提出了一种基于空间平滑的瓣分块方法来提高定位的效果。仿真实验采用了一个72元的球阵,实验结果表明：提出的方法能同时有效地确定声场中多个声源的位置,能比较好地对抗噪声的影响。     

多路GNSS欺骗干扰互相关噪声模型

为开展GNSS欺骗干扰源定位研究，构建了多路GNSS欺骗干扰互相关噪声模型。首先分析了欺骗干扰原理并给出了信号模型；通过对噪声构成和规律的分析，研究建立了PRN码间互相关噪声模型；最后利用信噪比和欺骗信号方位角分布进行描述。仿真结果显示，多路GNSS欺骗干扰中码间互相关噪声，在接收通道噪声中的比重随欺骗信号功率增加趋于100%。这表明测向精度与多路GNSS欺骗信号功率是一组矛盾，实际测向结果可通过欺骗信号信噪比寻优。     

基于改进二维ESPRIT-like算法的相干源方向角估计

针对用于二维十字相控阵的类旋转不变技术估计信号参数(ESPRIT-like)算法用于相干源方向角估计时存在仰角和方位角配对困难的问题,提出一种基于接收信号矩阵联合对角化的改进二维ESPRIT-like算法。首先,通过ESPRIT-like算法得到x和y方向自相关矩阵,并由其重构出对应的Toeplitz矩阵以去相干;然后对Toeplitz矩阵进行等效分解,得到去相干后x和y方向的等效接收信号矩阵;最后对等效接收信号矩阵进行矩阵联合对角化,实现相干源仰角和方位角自动配对,从而得到正确的信源方向估计结果。仿真结果表明,与改进前的算法相比,改进后的算法能够实现正确的方向角估计;与目前常用的基于空间平滑的二维多重信号分类(MUSIC)算法相比,在信噪比为30 dB时,该算法响应时间减少了79%左右,仰角和方位角分辨率分别提高了20%和40%左右,均方误差约为MUSIC算法角度误差的10%。     

改进DSB方法的语音信号多声源定位

延迟求和波束形成（DSB）在麦克风阵列信号到达角估计上有着广泛应用,然而在语音信号源下由于栅瓣等问题使得该方法对多个语音信号源方位估计不理想,此外,在实际复杂环境下,该方法受噪声混响影响,方位识别更加困难。针对这些问题,提出一种改进的DSB方法,联合信号频率及麦克风阵列间距对子段内的频点进行选择,之后对数据协方差矩阵加权处理。同时在仿真及实际环境下进行实验,结果表明,与未改进DSB方法相比,该方法计算量降低为原来的18.37%,有效地降低了运算量;仿真实验中在不同反射系数0.2、0.4、0.6下,平均角度定位偏差分别降低了27.3%、21.4%、36%;实际环境实验方位角度估计偏差最大值为9°、最低为1.35°,要低于未改进算法的12.1°和3°。     

High-resolution DOA estimation based on independent noise component for correlated signal sources

In this article, a modified complex-valued FastICA algorithm is utilized to extract the specific feature of the Gaussian noise component from mixtures so that the estimated component is as independent as possible to the other non-Gaussian signal components. Once the noise basis vector is obtained, we can estimate direction of arrival by searching the array manifold for direction vectors, which are as orthogonal as possible to the estimated noise basis vector especially for highly correlated signals with closely spaced direction. Superior resolution capabilities achieved with the proposed method in comparison with the conventional multiple signal classification (MUSIC) method, the spatial smoothing MUSIC method, and the signal subspace scaled MUSIC method are shown by simulation results.     

一种4D毫米波雷达高分辨角度估计方法

针对4D毫米波雷达中雷达孔径受限导致的角度分辨率不高的问题,提出一种改进的多重信号分类(Multiple Signal Classification,MUSIC)算法。首先通过数据预处理手段,补偿多输入输出(Multiple Input Multiple Output,MIMO)虚拟阵列中目标运动引起的相位误差;接着划分子阵并对角度维数据构成的协方差矩阵进行Toeplitz化处理,利用MUSIC算法估计一维角度;最后采用特征值排序的方法将估计出的俯仰角与方位角进行快速配对。该方法有效提高了4D毫米波雷达角度维估计的分辨率和估计精度,也提高了二维角度估计的计算速度。数值仿真与实物实验验证了所提方法在角度高分辨估计上的性能。     

基于广义相位平滑的矢量阵列波达方向估计

研究如何利用信号的非圆性提高声矢量阵列信号波达方向(Directon of arrival,DOA)估计的精度.提出通过广义相位平滑预处理提高多重信号分类(Multiple signal classification,MUSIC)DOA估计方法特征子空间对数据协方差矩阵扰动的鲁棒性.该法适用于任意中心对称声矢量阵列,且无需子阵划分,不存在孔径损失,并可完成两个多径信号的解相干.仿真结果表明,广义相位平滑处理可明显改善恶劣条件下(低信噪比,小快拍教)基于MUSIC的非圆信号DOA估计精度.     

基于正交化算法的均匀圆阵空时二维谱估计

本文讨论了阵列信号的谱估计问题,将G-S正交化算法用于均匀圆阵的空时二维谱估计中,研究了目标信号频率与到达角联合估计问题。通过仿真结果可以表明该方法与MUSIC算法相比,能更精确的估计目标信号的频率与方位角。     

Gaussian mixture-sound field landmark model for robot localization applications

This work proposes a novel Gaussian mixture-sound field landmark model for localization applications, based on the principle that sound fields produced by sources at different locations can be distinguished in terms of their statistical patterns. The experimental results indicate that two microphones are sufficient to differentiate among the patterns. The proposed method is robust against environmental noise and performs accurately in a complex environment. Moreover, it cannot only detect the non-line-of-sight locations when the direct path between the microphones and the location is blocked, but also can distinguish the locations aligned with respect to the line connecting the microphones. However, using only two microphones, these scenarios are difficult to handle by traditional direction-of-arrival or beamforming methods in microphone array research. The experiments were conducted on a quadruped robot platform with an eRobot agent using embedded Ethernet technology. Because of its high accuracy and low-cost, this method is suitable for robot localization in real environments. The experimental results also show that the proposed method with only two microphones outperforms the conventional multiple signal classification method (MUSIC) technique with six microphones at various signal-to-noise ratios.     

基于量子免疫进化的空时多维参数估计

利用阵列信号处理时域与空域等效的关系,以平面阵为基础,采用阵列协方差矩阵的奇异值分解和广义特征值分解估计接收信号的频率,通过分析阵列模型,提出一种抗原和抗体的亲和力函数;利用量子免疫进化的特性,估计出信号的俯仰角和方位角,从而完成阵列信号的多维参数估计,改善了多维参数估计的抗噪性能、数值稳定性和运行时间。通过计算机仿真,证明了该算法的有效性。     

Three-dimensional localization of multiple acoustic sources in shallow ocean with non-Gaussian noise

In this paper, a low-complexity algorithm SAGE-USL is presented for 3-dimensional (3-D) localization of multiple acoustic sources in a shallow ocean with non-Gaussian ambient noise, using a vertical and a horizontal linear array of sensors. In the proposed method, noise is modeled as a Gaussian mixture. Initial estimates of the unknown parameters (source coordinates, signal waveforms and noise parameters) are obtained by known/conventional methods, and a generalized expectation maximization algorithm is used to update the initial estimates iteratively. Simulation results indicate that convergence is reached in a small number of (≤10) iterations. Initialization requires one 2-D search and one 1-D search, and the iterative updates require a sequence of 1-D searches. Therefore the computational complexity of the SAGE-USL algorithm is lower than that of conventional techniques such as 3-D MUSIC by several orders of magnitude. We also derive the Cramér–Rao Bound (CRB) for 3-D localization of multiple sources in a range-independent ocean. Simulation results are presented to show that the root-mean-square localization errors of SAGE-USL are close to the corresponding CRBs and significantly lower than those of 3-D MUSIC.