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.     

基于矢量阵宽带MVDR聚焦波束形成的水下噪声源定位方法

该文研究了可应用于水下噪声源近场定位的矢量阵宽带MVDR聚焦波束形成方法,其中包括基于子频带分解的矢最阵非相干宽带聚焦波束形成(ISMMVDR-VFB)以及矢量阵相干宽带CSS-MVDR聚焦波束形成(CSSMVDR-VFB).两种方法将宽带MVDR高分辨方位估计方法及矢量阵信号处理技术与聚焦波束形成相融合,较常规聚焦波束形成具有更高的分辨力和更低的旁瓣级,能解决"左右舷模糊"问题并提高处理增益.与非相干算法ISMMVDR-VFB相比,CSSMVDR-VFB采用聚焦变换思想,可直接处理相干宽带信号,对于实际水声信号具有更高的适用性.最后通过对研究方法的空间谱仿真分析证明了其正确性和有效性.     

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。     

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。     

基于相关域的二维自适应波束形成算法

 该文针对使用最小方差无失真响应算法进行2维波束形成时需要大量采样数据和庞大计算复杂度这一问题,提出一种基于相关域的2维自适应波束形成算法。通过将高维权向量分解成两个低维权向量的Kronecker积形式,使用双迭代算法利用相关域信息求解出两个低维权向量,从而降低了估计采样相关矩阵所需的采样数据和计算量。实验仿真表明,所提算法具有良好的收敛性能,在采样数较小的情况下,能够更好地抑制干扰信号。     

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。     

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。     

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。