基于Capton最小功率估计的方位角估计算法

在麦克风阵列信号处理中,通常假定信号源发出的信号经过传播到达不同麦克风阵元时,信号满足平面波传播模型.在此模型基础上,为解决基于麦克风阵列语音增强系统中方位角的估计问题,提出了一种基于Capton最小功率估计的方位角估计算法.仿真结果表明与传统的波束形成算法比较,该算法具有较高的方位角分辨率.     

基于Capton最小功率估计的方位角估计算法

在麦克风阵列信号处理中,通常假定信号源发出的信号经过传播到达不同麦克风阵元时,信号满足平面波传播模型.在此模型基础上,为解决基于麦克风阵列语音增强系统中方位角的估计问题,提出了一种基于Capton最小功率估计的方位角估计算法.仿真结果表明与传统的波束形成算法比较,该算法具有较高的方位角分辨率.     

一种对噪声场具有鲁棒性的语音增强方法

对于可变噪声场,提出了一种自适应波束形成与后置滤波融合的波束形成麦克风阵列语音增强方法.针对自适应波束形成语音增强方法和后置滤波方法分别适用于强相干噪声场和非相干噪声场的现象,此方法将两种方法结合,既能抑制相干噪声,又能抑制非相干噪声.仿真实验表明,该方法对相干和非相干噪声场均有较好的消噪性能,因此具有较好的噪声鲁棒性.     

广义相关时延估计算法在汽车去噪系统中的应用

针对汽车环境中麦克风阵列语音去噪系统的应用,对广义相关时延估计方法进行了仿真,并与基于高阶累积量的时延估计方法作了比较分析.给出了两种方法在不同信号模型中的仿真结果,结果表明:广义相关法时延估计更适用于汽车去噪系统.     

广义相关时延估计算法在汽车去噪系统中的应用

针对汽车环境中麦克风阵列语音去噪系统的应用,对广义相关时延估计方法进行了仿真,并与基于高阶累积量的时延估计方法作了比较分析.给出了两种方法在不同信号模型中的仿真结果,结果表明:广义相关法时延估计更适用于汽车去噪系统.     

基于奇异值分解的广义互相关时延估计

广义互相关法是TDOA时延估计中的一种经典方法,为了进一步提升广义互相关时延估计算法在低信噪比下的时延估值准确度,在广义互相关法的基础上,对接收到的信号进行奇异值分解,提升信号的信噪比.仿真结果表明,基于奇异值分解的广义互相关时延估计算法极大地提升了时延估计精度,具有明显的性能优势.     

基于T型麦克风阵列的近场三维声源定位

基于麦克风阵列的声源定位技术在视频会议、声音检测、助听器、车载免提电话等领域有重要的应用价值,成为当前语音信号处理的热点。本课题根据阵列信号处理中的MUSIC算法为原型,根据语音信号的特点,将其进行改进,改进后的算法可以应用于近场的声源定位,并介绍了一种基于T型阵的三维定位方法,提高了定位精度且降低了计算复杂度。     

基于均匀平面阵的恒定束宽波束形成

对宽带信号进行一维的处理和波束形成可以采用基于实数加权的平面阵天线实现。而采用多维的处理是为了对信号进行空域采样并对信号的各频率进行独立的处理。对基于空间响应变化约束的波束形成（SRVCPS）和基于离散傅里叶反变换（IDFT）的波束形成,这两种恒定柬宽波束形成方法进行了比较。SIWCPS方法根据最优化方法进行求解,采用空间响应的变化（SRV）约束以确保宽带波束形成的恒定束宽性能。IDFT方法对期望波束图进行傅里叶反变换求解权值。通过仿真实验对比了两种方法的波束宽度、旁瓣幅度以及处理速度。     

自适应线谱增强算法改进及其在轴频电场信号检测中的应用

在分析自适应线谱增强算法理论的基础上,对该算法进行了改进,即在增加相干累加算法的基础上,对几个输出误差进行加权处理,使得越接近当前时刻的误差其权值越大,从而使误差信息更接近于真实值．对实测数据和仿真数据的分析表明,在低信噪比情况下,文中算法能较好地检测到轴频电场信号的线谱,其性能要优于普通的自适应线谱增强算法．     

基于子空间跟踪的波束形成算法

在期望信号方向发生变化或未知的情况下，为了获得较理想的波束形成，基于ESPRIT(借助旋转不变技术估计信号参数)方法，借助受限摄动子空间跟踪算法，提出了一种改进的波束形成算法．由于该算法采用子空间跟踪技术，对期望信号导向矢量能实时跟踪，从而能抑制时变信号的指向误差．计算机仿真结果表明，该算法获得的结果与已知期望信号方向理想情况下的波束形成结果相近．