基于广义旁瓣相消器的滤波器组旁瓣干扰抑制

传统滤波器组为降低旁瓣,需要提高滤波器阶数。该文将广义旁瓣相消的思想运用于滤波器组的旁瓣干扰抑制,在滤波器通带外的干扰信号频率处自适应形成零点。基于LMS算法,该文提出了基于自适应旁瓣相消器的滤波器组旁瓣干扰抑制算法,给出了算法的矩阵形式。通过限制系数长度,旁瓣相消器仅仅对消旁瓣大功率干扰信号,而对带内有用信号的影响很小,其作用相当于用一个低阶滤波器实现一个高阶数滤波器的功能,当信号功率较之干扰功率很小时尤其有用。仿真结果显示算法具有良好的旁瓣干扰抑制性能,较之高阶滤波器组大大减少了计算量。

基于子带广义旁瓣相消器的麦克风阵列语音增强

为了加快基于广义旁瓣相消器的麦克风阵列语音增强系统的收敛速度,将其自适应模块的输入信号分解到子带以进行处理,并将多通道维纳滤波器引入广义旁瓣相消器的非自适应支路,以更有效地抑制非相干噪声。实际测试结果表明,相对于基于全带广义旁瓣相消器的麦克风阵列语音增强系统,采用该子带广义旁瓣相消器结构的语音增强系统具有更快的收敛速度和更高的输出信噪比。

基于广义旁瓣相消器的快速降秩自适应波束形成算法

传统的基于广义旁瓣相消器(GSC)的降秩自适应波束形成算法,降秩矩阵大多数需要通过特征值分解获得,而特征值分解会带来新的大运算量,大大限制了算法的工程实现。提出了一种新的基于广义旁瓣相消器的快速降秩自适应波束形成算法(FRGSC)。该算法直接利用广义旁瓣相消器下支路的中间快拍数据来构造降秩矩阵,利用所有可以利用的快拍数(多于干扰个数的快拍数)来构造降秩矩阵。基于GSC的传统降秩算法构造降秩矩阵需要的运算量为O((N-1)3)(N为自适应自由度),而FRGSC算法构造降秩矩阵只需要一次复数乘法和少量复数加法,所需运算量大大降低。该方法在实际应用中具有更优的实时性,适用于大阵列连续波体制雷达。仿真结果证明了所提出的基于广义旁瓣相消器的快速降秩自适应波束形成算法具有很好的波束形成性能,验证了算法的有效性。

相干滤波与广义旁瓣相消器结合的小阵列语音增强算法

相干滤波器与广义旁瓣相消器(GSC)是常用的阵列语音增强算法,然而,应用于小阵列中却存在消噪能力不足的问题。针对上述问题,本文提出一种相干滤波与广义旁瓣相消器结合的小阵列语音增强算法。首先,利用广义旁瓣相消器对带噪语音进行初步增强。然后,通过改进的最小搜索算法估计出信号里残余噪声的功率谱密度,从而获得相干滤波器的传递函数。最后,利用相干滤波器对带噪语音进行再次增强。仿真实验表明:在多种不同的噪声环境下该算法具有较好的噪声抑制能力。

冲击噪声背景下归一化广义旁瓣相消器

针对冲击噪声背景下常规波束形成算法性能下降的问题,该文提出一种归一化广义旁瓣相消器(N-GSC)算法,该算法适用于任意未知统计特性的代数拖尾冲击噪声环境。算法通过对输入信号进行无穷范数归一化,使信号的二阶统计量存在且有界,再进行维纳滤波,提高了波束形成在冲击噪声背景下的性能。进行了4种冲击噪声背景下的仿真实验。仿真结果表明,与传统的GSC算法和基于分数低阶矩的GSC算法相比,N-GSC算法计算简单,无需噪声特征指数的先验信息或估计,适用于任意分布的冲击噪声环境,具有更强的干扰抑制能力。

一种新的降秩广义旁瓣相消器

为了减少广义旁瓣相消器的计算量,提出了一种新的降秩广义旁瓣相消器,利用特征子空间构建阻塞矩阵,设计广义旁瓣相消器,比以往的降秩广义旁瓣相消器能够减少更多的计算量,仿真实验结果验证了该方法的有效性。

基于电磁矢量传感器阵列的广义旁瓣相消器

提出一种基于特殊电磁矢量传感器阵列的广义旁瓣相消器。首先在理论层面推导得到广义旁瓣相消器最优权矢量;针对信号是否在偶极子均匀圆阵处发生极化失配的四种情况进行讨论,进而明确阵列广义旁瓣相消器的适用场合;最后对广义旁瓣相消器和Capon波束形成器进行性能对比。理论分析和仿真实验表明,将广义旁瓣相消器推广到电磁矢量传感器阵列,充分利用信号在极化域的差异,可实现期望和干扰空域信息完全相同情况下的波束形成;在高输入信噪比情况下,广义旁瓣相消器相对于Capon波束形成器对角度估计误差具有更高鲁棒性。

基于Givens变换的广义旁瓣相消器的设计

对于传统的基于广义旁瓣相消器(Generalized Sidelobe Canceller,GSC)的降秩自适应波束形成算法,阻塞矩阵大多数需要通过特征值分解获得,而特征值分解会带来新的大运算量,大大限制了算法的工程实现。提出一种基于Givens变换的快速自适应干扰抑制方法,利用Givens变换构建的广义旁瓣相消器下支路阻塞矩阵,可将期望信号完全阻塞,获得较高的输出信噪比。理论分析和性能仿真验证了该方法的优越性。

基于广义旁瓣相消的新降维方法

针对阵列信号中部分自适应信号处理问题,提出了一种新的基于广义旁瓣相消的降维方法。该方法利用波束形成无法对加性白噪声进行抑制的特点,根据广义旁瓣相消器的结构,设计出一种新的阻塞降维矩阵,使辅助通道内仅存干扰信号,从而增强主辅通道关于干扰信号的相关性,更有利于抑制干扰,同时也达到了降维的效果。另一方面,在存在阵列误差的情况下,借助稳健的波束形成算法,对阻塞降维矩阵进行校正,既使算法对模型误差不敏感,又便于进行降维后的部分自适应处理,降低运算量。最后通过大量的计算机仿真验证了所提方法的有效性和优越性。

一种改进的广义旁瓣相消的波束形成算法

在分析传统广义旁瓣相消器(GSC)自适应波束形成的基础上,提出一种改进的广义旁瓣相消器的波束形成方法,即基于特征结构的GSC波束形成算法(ED-GSC),该算法在投影特征空间中引入了期望信号方向矢量,能在期望信号功率较大时保持自适应波束形成方法性能,又能在期望信号功率较小时(甚至为零)具有较好的波束保形能力,对噪声有很好的鲁棒性。仿真结果表明:ES-GSC算法在高、中、低的信噪比下都具有较好的波束形成性能,是一种性能优越的波束形成算法。

一种广义旁瓣相消的超声成像算法

针对最小方差和相干系数结合算法在超声成像对比度、分辨率和对噪声的鲁棒性方面存在的不足,提出一种广义旁瓣相消的成像算法.首先基于最小方差准则,构造广义旁瓣相消器,获得自适应与非自适应两部分加权向量,然后根据接收信号的协方差矩阵构建特征阈值信号子空间,并将获得的加权向量投影到此特征信号子空间的左奇异矢量空间中,获得新的加权矢量.通过Field Ⅱ点目标和吸声斑仿真结果表明:该方法获得的超声图像在对比度、分辨率和对噪声的鲁棒性上均优于传统延时叠加算法及最小方差和相干系数结合算法,同时将广义旁瓣相消算法获得的加权向量与符号相干系数结合,还能进一步提高超声图像质量.最后通过geabr_0实验数据进行测试,结果表明:提出算法的分辨率和对比度及对噪声的鲁棒性上均优于传统延时叠加算法及最小方差和相干系数结合算法.

广义旁瓣抵消器算法的轴承噪声信号增强研究

针对由于旋转机械故障噪声的复杂性,造成从传声器阵列所采集到的信息中很难提取到噪声源所包含的故障信息的问题,利用波束成形对实验设备进行噪声源识别与定位,根据故障点位置信息将广义旁瓣抵消器算法(GSC)中的阻塞矩阵构造为具有指向性功能,而后利用其算法重构出故障点声信号,从该信号中提取故障信息,进行故障诊断。为验证该信号处理方法的有效性,通过仿真和实验得出该方法可以有效减少传统波束形成算法产生的信号泄露,提高输出信号的信噪比。

一种基于广义旁瓣相消的改进降秩算法

在处理大型阵列时,阵元数较多,通常对阵列采用降秩处理可以较好地解决运算量过大的问题。基于广义旁瓣相消器(GSC)框架的降秩变换自适应滤波是各种降秩自适应滤波算法的统一模型。分析了基于GSC框架的几种降秩自适应滤波算法,针对当降秩阶数大于干扰数时方向图旁瓣过高、波形混乱和系统性能下降问题,提出了一种基于GSC框架的改进降秩算法,该算法利用特征子空间对GSC阻塞矩阵加以改进,使用改进后的阻塞矩阵进行降秩自适应处理,仿真结果证明了改进算法可以降低旁瓣电平,并形成较好的波束形状,提高了GSC性能的稳健性。

基于传声器阵列语音增强方法研究

传声器阵列通过对拾取的多路语音信号进行分析与处理,能取得改进语音质量、消除背景噪声和提高语音可懂度等明显效果,现已成为语音信号增强的一个重要的研究领域。介绍了基于传声器阵列的自适应波束形成方法,该方法采用GSC结构基于TF-GSC的最优后置滤波算法。仿真实验结果表明,该自适应波束形成器对干扰有很好的消除作用,对阵元的增益误差、位置误差不敏感,可以取得较好的语音增强效果。

结合GSC与相干滤波器的二元麦克风阵列语音增强算法

提出一种相干滤波器与广义旁瓣相消器结合(GSC)的二元麦克风阵列语音增强算法.将基于噪声谱估计的单通道相干滤波器作为广义旁瓣相消器的后置滤波器,充分利用阵元间蕴含的信号进行噪音抑制,克服经典结合算法无法使用基于噪声谱估计的相干滤波器的缺点.计算机仿真实验表明,该算法明显优于小阵列广义旁瓣相消算法和基于相位差的算法.

基于GSC结构稳健的自适应滤波器

广义旁瓣抵消器可以在阵元较少的情况下依然保持较高的干扰抑制性能。然而,当存在指向适量误差时,会出现目标信号被消除的现象。在实际工作中,这种误差是不可避免的。文章介绍了一种避免信号消除现象的稳健的宽带旁瓣抵消器,根据实际环境下的语音信号给出了仿真结果。

基于预处理的DOA估计和基频双输入的语音分割

语音分割是语音分离系统的一个重要组成部分,它在信源估计和多说话人环境中的自动语音识别、多声源目标跟踪等许多应用中都起着重要的作用,重叠语音的分割一直都是这项工作的重点。在实际生活中,室内的麦克风采集的语音信号通常都包含混响和噪声信号,它们使接收信号的语音质量变差,影响了波达方向估计特征的精度,导致多声源重叠语音的分割性能下降。针对现有的多声源分割方法对噪声和混响信号鲁棒性差的问题,提出了一种通过预处理来消除语音信号中的明显异常噪声和混响信号的方法。该方法使用广义旁瓣相消器和维纳滤波器实现的后滤波器相结合对原始语音信号进行处理,消除了混响和噪声信号,使语音质量得到了提高,进而使波达方向特征估计更加准确。最后用多假设跟踪同时跟踪说话人的基频特征和波达方向特征来进行分割,以多声源重叠语音为例,对AMI语料库中的16个会议音频进行了统计与分析,结果表明,与未进行预处理的方法相比,平均命中率(HIT)提高了2.10%。

基于CTF-GSC和后置滤波的麦克风阵列语音增强

由于语音环境中各种噪声的特殊性、复杂性和不确定性等因素,尤其在带有混响的复杂环境下,一般的广义旁瓣抵消器语音增强算法的性能严重下降,很难取得较为理想的抑制效果。针对这一情况,该文提出了一种基于改进型归一化最小均方的卷积传递函数广义旁瓣抵消器和改进型后置滤波语音增强算法。该算法利用卷积传递函数近似形式代替传递函数广义旁瓣抵消器中的相乘传递函数近似形式,并结合后置维纳滤波进行语音增强。实验测试结果表明,该算法可以有效抑制相干性和非相干性噪声,提高系统信噪比,减少语音失真。在含有混响的复杂环境中,与其他经典算法对比,该算法的鲁棒性更好,效果更明显。

基于多信道信号增强的卷积混迭语音信号盲分离的后处理方法

由于频域盲源分离方法无法精确解决排列模糊问题,分离出的信号质量受到很大影响.本文提出一种后处理方法以进一步消除不同信源间的空间干扰和噪声且无需增加额外的先验信息.首先在频域盲分离方法中利用分裂语谱技术把一个M×N的多输入多输出(MIMO)混迭系统分裂成N个单输入多输出(SIMO)系统,再对每个SIMO系统分别利用传递函数比和广义旁瓣相消器来重构源信号.仿真实验表明该算法具有良好的性能.

降秩自适应滤波算法研究

对降秩自适应滤波算法进行了系统的总结和分析,推导了其相互关系。分析表明,GSC(GeneralizedSidelobeCanceller)框架降秩变换自适应滤波是各种降秩自适应滤波算法的统一模型。在此基础上导出了线性约束正交投影算法。降秩多级维纳滤波器在相关意义上进行截断降秩,其降秩性能优于基于特征子空间截断的降秩方法。酉多级维纳滤波器与共轭梯度法等效,均是基于Krylov子空间截断降秩的方法,降秩性能更优。最后通过计算机仿真试验比较了各种降秩处理算法的性能。