声矢量传感器(Acoustic Vector Sensor,AVS)是一种轻量的、空间指向性强的麦克风阵列,广泛应用于声源定位领域中。混响环境下基于单个AVS的多源波达方向(Direction of Arrival,DOA)估计是声学领域的一个研究热点,然而随着混响程度增加,...声矢量传感器(Acoustic Vector Sensor,AVS)是一种轻量的、空间指向性强的麦克风阵列,广泛应用于声源定位领域中。混响环境下基于单个AVS的多源波达方向(Direction of Arrival,DOA)估计是声学领域的一个研究热点,然而随着混响程度增加,使用单个AVS进行多源DOA估计的精度显著下降。为突破单个AVS在强混响环境下多源DOA估计的性能局限,基于单个AVS设计了一种有效的算法来实现强混响环境下的多声源测向。分析了精确估计DOA的关键在于精确检测时频域上直达声占主导的单源时频点(Direct-Path-Single-Source-Point,DP-SSP);提出了一种两阶段的DP-SSP检测方法,在第一阶段采用频率平滑来减轻混响的影响,第二阶段采用基于子空间的方法来精确提取DP-SSP;对每个源对应的DP-SSP进行单源DOA估计,最终得到多源DOA估计结果。仿真结果表明,所提方法相比其他方法能更准确地估计声源数目并且大大提升多源DOA估计的精度。展开更多
研究了一种新型的空速测量方法。通过引入大气声学中的有效声速概念,建立了稳定气流作用下声矢量传感器阵列的近场输出模型,模型的阵列流形矢量中包含了待估计的空速信息。在此基础上提出了一种基于多重信号分类(multiple signal classi...研究了一种新型的空速测量方法。通过引入大气声学中的有效声速概念,建立了稳定气流作用下声矢量传感器阵列的近场输出模型,模型的阵列流形矢量中包含了待估计的空速信息。在此基础上提出了一种基于多重信号分类(multiple signal classification,MUSIC)的空速估计(airspeed estimation,ASE)算法,该算法可用于对空速的高精度估计。为了降低计算复杂度,进一步提出了一种快速的空速估计(fast airspeed estimation,FASE)算法,该算法虽然在ASE的精度上不如MUSIC-ASE算法,但无需谱搜索,具有更强的实时性。最后,对算法的估计性能进行分析,推导了ASE的克拉美-罗界表达式。仿真实验验证了算法的有效性。展开更多
研究了声矢量传感器阵动目标角度跟踪问题,并提出了声矢量传感器阵中一种基于Kalman滤波和正交压缩近似投影子空间跟踪(Orthonormal projection approximation and subspace tracking of deflation,OPASTd)的波达方向(Direction of arri...研究了声矢量传感器阵动目标角度跟踪问题,并提出了声矢量传感器阵中一种基于Kalman滤波和正交压缩近似投影子空间跟踪(Orthonormal projection approximation and subspace tracking of deflation,OPASTd)的波达方向(Direction of arrival,DOA)跟踪算法。该算法通过OPASTd算法来进行DOA的跟踪,从而克服了PASTd算法由于在某些情况下振荡但不收敛进而压缩数据、在迭代更新中由特征向量的不准确性产生误差累积等原因引起破坏信号子空间正交性的缺陷。Kalman滤波和OPASTd相结合算法可在估计角度的同时进行数据关联,与传统的PASTd算法相比,角度跟踪性能更好。该算法的优越性均可在文中得到验证。展开更多
将声矢量传感器阵列参数估计问题与平行因子(Parallel factor,PARAFAC)模型相结合,提出了一种基于快速PARAFAC分解的二维波达方向(Direction of arrival,DOA)估计算法。该算法首先将接收信号构建为PARAFAC模型,然后在数据域对参数矩阵...将声矢量传感器阵列参数估计问题与平行因子(Parallel factor,PARAFAC)模型相结合,提出了一种基于快速PARAFAC分解的二维波达方向(Direction of arrival,DOA)估计算法。该算法首先将接收信号构建为PARAFAC模型,然后在数据域对参数矩阵进行初估计,最后利用PARAFAC分解获得信号二维DOA估计。该算法能够应用于任意结构的声矢量传感器阵列,同时能够得到和信源一一匹配的仰角和方位角估计。借助于参数矩阵的初始估计,所提算法收敛速度较快,其计算复杂度大大降低。该算法角度估计性能接近于PARAFAC算法,同时优于借助旋转不变性进行信号参数估计(Estimation of signal parameters via rotational invariance technique,ESPRIT)算法和传播算子(Propagator method,PM)算法。展开更多
文摘声矢量传感器(Acoustic Vector Sensor,AVS)是一种轻量的、空间指向性强的麦克风阵列,广泛应用于声源定位领域中。混响环境下基于单个AVS的多源波达方向(Direction of Arrival,DOA)估计是声学领域的一个研究热点,然而随着混响程度增加,使用单个AVS进行多源DOA估计的精度显著下降。为突破单个AVS在强混响环境下多源DOA估计的性能局限,基于单个AVS设计了一种有效的算法来实现强混响环境下的多声源测向。分析了精确估计DOA的关键在于精确检测时频域上直达声占主导的单源时频点(Direct-Path-Single-Source-Point,DP-SSP);提出了一种两阶段的DP-SSP检测方法,在第一阶段采用频率平滑来减轻混响的影响,第二阶段采用基于子空间的方法来精确提取DP-SSP;对每个源对应的DP-SSP进行单源DOA估计,最终得到多源DOA估计结果。仿真结果表明,所提方法相比其他方法能更准确地估计声源数目并且大大提升多源DOA估计的精度。
文摘研究了声矢量传感器阵动目标角度跟踪问题,并提出了声矢量传感器阵中一种基于Kalman滤波和正交压缩近似投影子空间跟踪(Orthonormal projection approximation and subspace tracking of deflation,OPASTd)的波达方向(Direction of arrival,DOA)跟踪算法。该算法通过OPASTd算法来进行DOA的跟踪,从而克服了PASTd算法由于在某些情况下振荡但不收敛进而压缩数据、在迭代更新中由特征向量的不准确性产生误差累积等原因引起破坏信号子空间正交性的缺陷。Kalman滤波和OPASTd相结合算法可在估计角度的同时进行数据关联,与传统的PASTd算法相比,角度跟踪性能更好。该算法的优越性均可在文中得到验证。
文摘将声矢量传感器阵列参数估计问题与平行因子(Parallel factor,PARAFAC)模型相结合,提出了一种基于快速PARAFAC分解的二维波达方向(Direction of arrival,DOA)估计算法。该算法首先将接收信号构建为PARAFAC模型,然后在数据域对参数矩阵进行初估计,最后利用PARAFAC分解获得信号二维DOA估计。该算法能够应用于任意结构的声矢量传感器阵列,同时能够得到和信源一一匹配的仰角和方位角估计。借助于参数矩阵的初始估计,所提算法收敛速度较快,其计算复杂度大大降低。该算法角度估计性能接近于PARAFAC算法,同时优于借助旋转不变性进行信号参数估计(Estimation of signal parameters via rotational invariance technique,ESPRIT)算法和传播算子(Propagator method,PM)算法。