基于最小方差无失真响应谱的语音特征提取

对最小方差无失真响应谱进行了研究,并将其应用到语音特征参数的提取中,对传统的美尔频率倒谱系数提取方法进行了有效的改进。该方法首先计算短时语音信号的最小方差无失真响应谱,在该谱的基础上提取美尔频率倒谱系数。基于最小方差无失真响应谱的美尔频率倒谱系数在保留语义信息的同时有效抑制了说话人信息,更加适合于关键词检出。     

一种稳健的自适应波束形成方法

基于LCMV波束形成原理,根据贝叶斯估计理论,提出了一种基于加权的波束形成方法,能够很好地克服LCMV波束形成对期望信号DOA误差特别敏感的弱点．仿真试验表明,该方法性能稳定,对期望信号DOA误差具有很好的稳健性．     

基于径向基函数神经网络的波束形成算法

提出一种基于径向基函数(RBF)神经网络的波束形成算法。针对最小方差无失真响应(MVDR)算法,由接收信号的协方差矩阵计算其权矢量;将协方差矩阵以列向量的形式输入RBF神经网络,对其加以训练,使之逼近MVDR算法的权矢量;将训练好的RBF神经网络用于波束形成中,对不同角度的接收信号,RBF神经网络可自适应地输出相应权矢量。仿真结果表明,基于RBF神经网络的波束形成算法能快速逼近任意波束算法的权矢量,波束赋形效果良好,与已有波束形成算法相比,可降低算法复杂度,减少计算量。     

抗突发干扰的虚拟天线波束形成技术

针对现有的虚拟天线无法抑制落在变换区域之外的突发干扰的问题,提出了基于流形长度虚拟天线波束形成方法,新构造的虚拟阵列流形具有范德蒙德结构,可以应用子空间类算法;且流形长度变化率与实际流形长度变化率相等,允许在整个实际阵列扫描区域进行内插变换并使误差很小,避免了干扰落在变换区域外的情况.在这种虚拟天线上应用最小方差无畸变响应(minimum variance distortionless response,MVDR)波束形成方法,计算机仿真结果表明,在突发干扰处仍然能够形成零点,主瓣对准期望信号方向,在电磁环境变化剧烈的场合可以有效工作.     

一种改进的宽带波束形成方法

宽带信号具有目标回波携带的信息量大及混响背景相关性弱等特点,在声纳系统中应用越来越广泛。为了减小FIR滤波器的幅度和相位误差对宽带波束形成器性能的影响,采用线性约束最小方差自适应算法保证FIR数字滤波器的相位特性严格线性;采用基于幅度误差函数的代价因子自适应迭代算法使FIR数字滤波器通带内近似满足等纹波的幅度特性,达到FIR数字滤波器与设计指标要求最佳匹配的目的。对10阵元等间隔线阵的分析仿真结果表明该方法是有效的,并适用于其它阵型,对于声纳系统具有显著的应用价值。     

炮控系统的最小方差控制

基于自适应控制原理，将最小方差控制算法应用于炮控系统数字化控制，对行进间火炮在路面谱干扰作用下的响应进行预报，提出了对某坦克炮控系统结构的改进方案，仿真结果表明，这种基于预测的控制算法简单易行，运算速度快，可提高系统控制的有效性     

不确实海洋中最小方差匹配场波束形成对环境参量失配的灵敏性分析

浅海环境背景下由于空-时采样不充分、介质的空时变化性,海洋环境参量通常是不确知的,由此驱动数值传播模璎得到的拷贝声场也是不确实的,从而导致基于拷贝声场和测量声场作拷贝相关处理的最小方差匹配场波束形成性能下降.针对上述问题,利用NRL Workshop'93提供的典型浅海不确实海洋环境,以不确实情况下定位偏置、不确实时与...     

舰船横摇运动准最小方差控制

对装备减摇鳍系统的舰船横摇运动的准最小方差控制、加权准最小方差控制进行了研究,在计算机上进行了数字仿真,并与目前工程上使用的PID控制进行了比较.结果表明:舰船横摇运动的准最小方差控制与加权准最小方差控制均可获得令人满意的效果.     

模糊控制对最小方差自适应控制器性能的改进

针对最小方差自适应控制器的固有缺点,在标准最小方差控制中引入糊模控制算法来弥补其不足,仿真结果表明,两种算法的巧妙结合系统具有良好的控制效果。     

声矢量阵导向最小方差波束形成算法研究

为了克服声压阵导向最小方差波束形成算法方位估计的左右模糊问题,提出了声矢量阵导向最小方差波束形成算法,指出了矢量阵导向矩阵与声压阵导向矩阵之间的关系.通过声压阵导向矩阵与单位矩阵的Kronecker积得到矢量阵的导向矩阵,从而使不同频率的矢量阵互谱密度矩阵聚焦.计算机仿真和海试实验证明与声压阵导向最小方差波束形成相比,矢量阵导向最小方差波束形成具有更好的方位分辨力且无左右模糊,并可以空间欠采样而不出现栅瓣.针对带宽内信噪比随频率变化的情况,用各频率的信噪比对导向协方差矩阵进行加权,改进了空间谱估计性能.     

一种简化的鲁棒波束形成算法

在阵列导向矢量不存在误差的条件下,传统的最小方差波束形成器(MVB)具有良好的分辨精度和抗干扰能力.然而,MVB算法的主要问题在于不具有鲁棒性,不能克服未知导向矢量误差的影响.因此对角加载以及相应的扩展算法已经成为一种提高MVB算法鲁棒性的常用方法.该文对基于椭球形导向矢量不确定集的鲁棒MVB算法进行了简化,该简化算法是在对导向矢量附加一个球形不确定集约束的条件下推导出来的,具有较低的计算复杂度和更高的数字稳定性.仿真结果表明,在导向矢量误差存在的情况下该算法是有效的.     

Robust adaptive beamforming with near-field scatterers

Near-field scattering which causes steering vector mismatch with array received data suffers severe performance degradation with beamforming. A new robust adaptive beamforming algorithm based on the steering vector uncertainty set is proposed to utilize the near-field scattering signal to improve the beamforming output signal-to-noise ratio. The properties of the far-field direct-path signal and near-field signal are incorporated. The large uncertainty set is divided into two small ones describing the far-field and near-field steering vectors, respectively. The far-field steering vectors and the near-field scattering coefficient with a transform matrix are evaluated by convex optimization. Simulation examples demonstrate that the algorithm is correct and effective.     

有限次快拍下自适应波束形成

从协方差矩阵估计角度出发,解释了有限次快拍下造成逢适应波束形成性能下降和自适应波束畸变的原因,有限次快拍等效增加了干扰之间、干扰与噪声之间以及噪声之间的相关性,造成自适应波束形成性能下降,同时,有限次快拍下噪声等效为色噪声,文中分析了色噪声环境下自适应波束畸变机理,指出色噪声是自适应波束畸变的根本原因。     

水声阵列信号处理对角减载技术

针对独立高斯白噪声背景和多个平面波干扰,尤其是低输入信噪比的情况,提出一种基于阵列信号协方差矩阵对角减载的波束形成技术。通过足够多次快拍的估计,得到接收信号稳定的协方差矩阵,对协方差矩阵进行适量的对角减载能提高阵列输出增益以及多目标的分辨能力。对基于对角减载的常规波束形成和最小方差无畸变波束形成器的阵列增益进行了仿真,分析了阵列增益随减载系数的变化关系,并研究了多目标分辨时对角减载系数的取值区间,最后仿真验证了对角减载技术提高MVDR多目标分辨能力的有效性。     

存在指向误差时的稳健自适应波束形成算法

针对期望信号方向存在指向误差的情况,提出了一种稳健的波束形成算法,通过对期望信号导向矢量进行旋转的方法,用新的导向矢量产生自适应加权,这样当期望信号落入波束主瓣的边缘时,依然可以保持系统输出信干噪比基本不变,提高了算法的稳健性,并给出了旋转角度选择的依据．该算法形成的自适应加权对不存在指向误差时的性能没有影响．计算机仿真结果验证了该算法的有效性。     

基于Bayesian准则的鲁棒自适应波束形成算法

研究波束形成算法的前提是驾驶向量是确定的.在实际情况下,由于实际的阵列响应和期望信号的阵列响应存在一定的偏差,这时候就需要研究对于驾驶向量不确定情况下的波束形成问题.该文基于Bayesian准则,对一系列自适应MVDR波束形成器的权向量进行后验概率密度加权,得到Bayesian自适应波束形成器.仿真和实际水声阵列数据结果显示,该波束形成器在驾驶向量不确实的情况下,具有较好的鲁棒性.     

SVM自适应波束成形

支持向量机（SupportVectorMachine,SVM）是机器学习领域的最新成果,它有较强的泛化能力,收敛快以及低复杂度等优点。本文通过对训练样本进行数据格式的转化,继而转化为libsvm和lssvm分类所要求的数据格式。然后在上行波束成形中使用SVM算法,提高空域滤波的分辨率,仿真结果显示：与LMS（LeastMeanSquares,最小均方值,又叫随机梯度下降法）、MMSE（MinimumMean—SquareError,最小均方误差）经典算法相比,误码率有了明显改善。     

Toeplitz化在ESB自适应波束形成算法中的应用

把Ｔｏｅｐｌｉｔｚ化和基于特征空间（ＥＳＢ）自适波速形成算法相结合,针对等距线提出了一种新的波束形成算法并进行了理论分析,该算法通过对估计得到的阵列信号相关矩阵进行Ｔｏｅｐｌｉｔｚ化,减小有限次采样引起的误差,获得较快的收敛速度,并能有效克服ＥＳＢ算法不能在相干环境下工作的缺点,计算机仿真结果证实了这种算法的有效性。