宽带盲波束形成与卷积混合盲源分离

盲波束形成是在不知道阵形，目标方位以及阵元响应等信息的情况下，只根据阵元输出恢复源信号。现有盲波束形成对窄带信号研究比较多。而对宽带信号盲波束形成论述较少。本文从信号模型，系统框图。处理的三方面说明盲波束形成与盲源分离近似，并指出卷积混合模型盲源分离完全可以作为解决宽带信号盲波束形成问题的一种通用方法。     

盲波束形成算法及其C语言实现

阵列信号处理作为信号处理的一个重要分支，在通信，雷达，声呐，地震勘探，射电天文等领域获得了广泛应用和迅速发展。波束形成技术是阵列信号处理中的一个主要问题，它使阵列方向图的主瓣指向所需的方向，盲波束形成算法，可以在不知道阵列流形，信号和干扰方位的情况下，仅根据各个阵元的观测数据，恢复出信号．本文主要讨论应用VC 语言实现和比较了几种基于累积量的盲波束形成算法的性能。     

基于频域分解的水声信号宽带盲波束形成

盲波束形成算法可以在不知道阵的流型、信号及干扰方位的情况下,仅根据各阵元接收的数据恢复信号。由于水声信号为宽带信号,为了充分利用宽带信息,提出利用频域分解的方法获得满足窄带条件的信号,并利用窄带盲波束形成JADE（Joint Approximate Diagonalisation of Eigen-matrices）算法进行处理。对宽带盲波束形成算法进行了理论推导和仿真实验。研究结果表明,盲波束形成算法相对于常规波束形成在信号恢复方面有优越性。     

声呐盲波束形成的神经网络实现方法

本文首先对两种盲波束形成的方法进行了分析。针对这类方法计算量大,不利于实时实现的缺点,并结合水声环境和水声信号的特性,提出了两种盲波束形成的神经网络实现方法。一种方法采用在线学习的T-H神经网络,盲估计波束形成的权矢量;另一种方法采用离线学习的径向基函数(RBF)网络实现盲波束形成。由于神经网络的并行性和非线性的特点,使得盲波束形成的运算速度得到了明显的提高,易于工程上实时应用。     

距离对连续性泄漏声源定位精度的影响研究

波束形成是一种较成熟的声源定位算法,已被成功应用于大型混凝土等结构的健康检测[1],但该方法多用于主动检测或对突发性信号的被动检测。波束形成算法将被用于对连续性声信号的被动检测及源定位,利用L型传感器阵列,通过在1 m×1 m×2.5 mm的镁铝合金平板上实施实验,从原理和实验两方面研究阵列与泄漏源之间的距离对基于波束形成算法的声源定位技术定位精度的影响。实验结果将为该技术在实际应用中传感器阵列的布局提供参考数据。     

球麦克风阵列波束形成的设计和优化

1引言 球麦克风阵列是指将各个麦克风放置在同一个球面上组成的阵列,由于该阵列的物理结构的对称性,它广泛的应用于三维空间波束形成、声源定位、高空间分辨率的声场录制、声场重现以及声场空问特性分析等等各个领域.采用球麦克风阵列的三维空间波束形成相对与传统的麦克风阵列波束形成有很大的优势,那就是球麦克风阵列的阵列响应的形状跟信号频率是无关的,本文就是讨论了这种球麦克风阵列的波束形成的方法,并利用遗传算法优化了麦克风阵列得到理想的波束形成效果.     

基于最小均方误差的宽带波束形成技术研究

1.引言 在声呐基阵设计中信号通常采用宽带形式,这就要求宽带信号通过基阵系统后无畸变,为此人们提出各种恒定束宽的宽带波束形成器设计方法.智婉君等提出了空间重采样的宽带波束形成器[1][2],但是由于实际阵列空间孔径有限,不能很好的满足采样定理,因此这种方法精度较低;杨益新等提出的适用于任意阵列结构设计的宽带波束形成器设计较为复杂,推导实现比较困难[3];而朱维杰,孙进才等提出了基于DFT插值[4]和FIR滤波器自适应模拟的宽带波束形成器方法[5],但是DFT插值方法需要基阵灵敏度满足一定关系式,才能使得阵列波束图不依赖于频率而变化,应用上具有局限性.他们提出的FIR宽带波束形成器法为了能利用自适应法得到宽带波束形成器在其他频率处的权矢量,需要人为构造一组在空间均匀分布的远场信号去激励自适应波束形成器,这无形中增加了计算量和设计复杂度.     

盲波束形成算法仿真及水下试验

盲波束形成技术是针对通信信号的统计性质和确定性性质所构成的一类新的波束形成技术.文中首先对高阶累积量法、基于累积量和特征空间的方法以及最陡下降恒模算法这三种盲波束形成算法进行了详细阐述,然后运用这些算法对单信号源均匀线阵、双信号源均匀线阵、单信号源随机扰动阵和双信号源随机扰动阵四种情况进行仿真.结果表明,三种算法可以进行有效的波束形成,基于累积量和特征空间的方法具有最高的输出信噪比.此外,还通过处理实际水下试验数据验证了这三种算法在实际应用中的有效性.     

一种新的被动水声探测盲自适应波束形成器

提出了一种适合拖曳线列阵鱼雷自导系统的新的被动水声探测盲自适应波束形成器。介绍了该方法的设计思路和推导原理,然后通过计算机仿真验证了该方法的收敛性,并在不同信噪比、快拍数条件下与单独使用自适应MVDR波束形成器在角度估计方面做了对比。与单独使用盲源分离算法在源信号估计方面作了比较。最后证明该方法是一种稳健的、对信噪比变化不敏感的适合被动水声探测的新方法。     

自适应Notch滤波器在阵列信号处理中的应用

为了不增大阵列尺度采用信号处理方法得到高分辨率的波束指向性,首先利用Notch滤波器的＂离线重构＂实现窄带波束形成,进而结合其瞬时相位估计方法,研究了基于自适应Notch滤波器的恒定束宽波束形成技术,利用信号处理方法将矢量传感器阵列接收的低频窄带信号转化为具有指向性的较高频率波束,并采用虚拟阵元技术消除波束栅瓣的影响,给出了实际应用中具体的信号处理方法。仿真和湖试验证表明这种基于自适应Notch滤波器的恒定束宽波束形成方法是合理可行的。最后,针对适应实时信号处理的要求提出将这种方法与目标自动跟踪系统相结合的改进方向。     

Robust Blind Beamforming Algorithm Using Joint Multiple Matrix Diagonalization

The objective of the blind beamforming is to restore the unknown source signals simply based on the observations, without a priori knowledge of the source signals and the mixing matrix. In this paper, we propose a new joint multiple matrix diagonalization (JMMD) algorithm for the robust blind beamforming. This new JMMD algorithm is based on the iterative eigen decomposition of the fourth-order cumulant matrices. Therefore, it can avoid the problems of the stability and the misadjustment, which arise from the conventional steepest-descent approaches for the constant-modulus or cumulant optimization. Our Monte Carlo simulations show that our proposed algorithm significantly outperforms the ubiquitous joint approximate diagonalization of eigen-matrices algorithm, relying on the Givens rotations for the phase-shift keying source signals in terms of signal-to-interference-and-noise ratio for a wide variety of signal-to-noise ratios     

基于均匀圆阵的信号二维方向角和多普勒频率的盲估计

针对均匀圆形阵列 ,在时空旋转因子的基础上 ,推导出四阶累积量矩阵 ,采用波达方向矩阵法 ,实现了信号的方位角、俯仰角和多普勒频率的同时估计。此估计算法利用所有阵元信息估计信号波达方向 ,提高了方向估计精度 ,解决了“频率兼并”问题 ,使有效应用范围扩大。利用了四阶累积量的盲高斯性 ,有效地抑制了高斯白或有色噪声的影响 ,仿真结果表明了此算法的有效性     

应用于传声器阵列定位校准的空间点声源声场拟合方法

介绍了一种用于传声器阵列声源定位精度校准的空间点声源声场模拟方法,并基于该方法设计了一套空间点声源模拟系统,完成了一个传声器阵列的定位位置精度校准。文章采用多通道点声源空间声场合成算法模拟了一个位于自由场空间的点声源,根据传声器阵列中每一个传声器的空间位置坐标,计算出传感器所处位置声场的动态声信号。通过耦合腔标准声源将对应的多通道电压信号输入被校准阵列系统,完成点声源的模拟。然后,该阵列运用波束形成算法进行声源定位,得出点声源的位置,并与模拟点声源的位置进行比对,实现对阵列定位准确性的校准。     

交叉层波束形成方法的发动机噪声源识别

发动机噪声源分布复杂,来源多,用人耳很难分辨,利用传声器阵列的噪声源识别技术可以为发动机噪声控制提供客观依据和指导。使用波束形成声源识别方法,对位于不同平面的多个声源进行了仿真识别,并研究了多维声源识别方法,使用交叉层法得到了声源定位的立体结果。结果显示,交叉层法可以有效消减或去除来自识别表面之外的声源在识别表面的虚假投影。最后,针对某发动机产品,使用平面传声器阵列对其上、前、左、右四个面分别进行一次变转速工况时域声压信号采集,使用互谱矩阵波束形成算法,得到各转速下发动机各表面的声源分布图像,并通过交叉层法得到了发动机表面声源的立体分布,准确将声源定位至发动机表面各部件。     

Three-Dimensional Acoustic Imaging by Chirp Zeta Transform Digital Beamforming

To generate volumetric underwater acoustic images, a planar array of sensors is required to collect the signals coming from a 3-D scene. The method most frequently used to process the acquired signals is a beamforming algorithm. In general, owing to the high number of sensors and beam signals, the computational load is prohibitive for real-time image generation. An efficient frequency beamforming implementation based on the use of the chirp zeta transform (CZT) has been proposed in the literature for the case involving linear arrays. In this paper, we propose an algorithm to perform CZT beamforming on the wideband signals collected by a planar array generated by a scene placed in the far field. This extension becomes simpler and more intuitive thanks to a nonconventional method of defining the azimuth and elevation angles. In terms of computational complexity, the analysis compares the solution developed with traditional beamforming techniques carried out in both time and frequency domains, showing several advantages for the proposed method.      

Beamspace blind signal separation for speech enhancement

Signal processing methods for speech enhancement are of vital interest for communications equipments. In particular, multichannel algorithms, which perform spatial filtering to separate signals that have overlapping frequency content but different spatial origins, are important for a wide range of applications. Two of the most popular multichannel methods are blind signal separation (BSS) and beamforming. Briefly, (BSS) separates mixed sources by optimizing the statistical independence among the outputs whilst beamforming optimizes the look direction of the desired source(s). However, both methods have separation limitations, in that BSS succumbs to reverberant environments and beamforming is very sensitive to array model mismatch. In this paper, we propose a novel hybrid scheme, called beamspace BSS, which is intended to compensate the aforementioned separation weaknesses by jointly optimizing the spatial selectivity and statistical independence of the sources. We show that beamspace BSS outperforms the separation performance of the conventional sensor space BSS significantly, particularly in reverberant room environments. K.F.C. Yiu is supported by RGC Grant PolyU. 7191/06E and the research committee of the Hong Kong Polytechnic University.     

基于EMMD的欠定旋转机械振动信号盲源分离

传统盲源分离算法通常基于观测信号数不小于源信号数的假设, 当观测信号数小于源信号数时, 盲源分离效果较差, 而欠定的甚至单通道信号的盲源分离问题普遍存在于旋转机械中, 针对该问题, 提出一种基于极值域均值分解的欠定旋转机械振动信号盲源分离算法。首先把欠定的观测信号进行极值域均值分解得到一系列本征模函数, 将欠定观测信号和其本征模函数组成多维信号, 作为新的观测信号实现升维;然后利用奇异值分解和贝叶斯准则进行源数估计, 最后利用基于四阶累积量的特征矩阵联合对角化方法实现信号的盲分离。仿真结果表明, 该方法能够有效地解决欠定观测信号的盲源分离问题。     

基于多普勒特征恢复的声矢量阵鲁棒自适应波束形成方法

在短快拍、信号导向矢量失配环境下,传统的自适应波束形成方法性能受到影响,对角加载技术是提高算法在复杂环境下性能鲁棒性的重要技术之一。针对水声环境和水声信号特点,提出一种基于声矢量阵的自适应波束形成方法。该方法利用水声信号的多普勒频率信息,在不同环境下自适应地选择最优对角加载因子,确定波束形成的权矢量,从而实现提取期望目标信号、抑制干扰和噪声的目的。无需任何用户参数,鲁棒性强、估计精度高。最后基于声矢量阵进行仿真实验,仿真结果证明了所提出的方法能够有效地获取目标信号,具有较好的抗干扰能力。