基于引力搜索算法的相干信号源DOA估计方法

针对最大似然(ML)DOA估计方法存在着运算量高且容易收敛到局部极值的问题。结合引力搜索算法(GSA)与最大似然方法,提出了一种GSA-ML方法。将最大似然函数作为GSA算法的适应度函数,在遵循ML方法的主体思想同时,利用GSA算法运算量低和收敛速度快的优点,成功地找到似然函数的全局最优解;并保存了ML方法的优点。仿真结果表明,GSAML方法不仅能有效估计相干信号源;并且相比MUSIC、ESPRIT和TLS-ESPRIT算法,拥有更高的精度和估计成功概率。

基于双麦克风模型的MPNLMS声反馈抑制算法

在单个麦克风的声反馈抑制系统中,基于μ准则的比例归一化最小均方(Proportionate normalized least mean square based onμ-law, MPNLMS)算法由于步长控制矩阵更优,总体收敛速度快,被广泛应用于声反馈抑制技术,但MPNLMS算法对滤波器系数的有偏估计会显著地降低其性能。针对上述问题,提出一种基于双麦克风模型的MPNLMS算法,系统中副麦克风估计主麦克风的有效输入信号,将估计信号与主麦克风输出信号相减之后所得的误差信号用于自适应滤波器系数的更新。仿真结果表明,提出的基于双麦克风模型的MPNLMS算法不再受制于扬声器输出信号与有效信号之间的相关性,而且上述算法的收敛速度、误差与最大增益均优于传统单个麦克风声反馈抑制系统中的MPNLMS算法。