在自回归模型求解中,设计矩阵和观测值均存在误差,传统的最小二乘法不能很好地解决这一问题。本文提出了一种顾及设计矩阵误差的AR模型新解法,通过引入虚拟观测值,使观测向量与设计矩阵不仅同源而且带误差的元素个数相同,然后通过对观...在自回归模型求解中,设计矩阵和观测值均存在误差,传统的最小二乘法不能很好地解决这一问题。本文提出了一种顾及设计矩阵误差的AR模型新解法,通过引入虚拟观测值,使观测向量与设计矩阵不仅同源而且带误差的元素个数相同,然后通过对观测方程进行等价变换巧妙实现了在最小二乘框架下求解自回归问题。利用模拟数据及实测数据分别对新算法进行了内符合精度检验,并利用实测数据对新算法进行外符合精度检验,结果表明新算法得到的结果显著优于奇异值分解(singular value decomposition,SVD)解法及传统最小二乘解法,验证了算法的精度和有效性。展开更多
阵列幅相误差会显著降低麦克风阵列的声源定位性能,因此对麦克风阵列的幅度和相位进行良好校准至关重要。文章针对近场麦克风阵列,引入三维多重信号分类(Multiple Signal Classification,MUSIC)近场算法,对基于特征结构的阵列幅度和相...阵列幅相误差会显著降低麦克风阵列的声源定位性能,因此对麦克风阵列的幅度和相位进行良好校准至关重要。文章针对近场麦克风阵列,引入三维多重信号分类(Multiple Signal Classification,MUSIC)近场算法,对基于特征结构的阵列幅度和相位校正方法进行改进。改进后的校正方法不再局限于特定阵列的拓扑结构,可以实现近场校正,具有较高的定位估计精度。展开更多
文摘在自回归模型求解中,设计矩阵和观测值均存在误差,传统的最小二乘法不能很好地解决这一问题。本文提出了一种顾及设计矩阵误差的AR模型新解法,通过引入虚拟观测值,使观测向量与设计矩阵不仅同源而且带误差的元素个数相同,然后通过对观测方程进行等价变换巧妙实现了在最小二乘框架下求解自回归问题。利用模拟数据及实测数据分别对新算法进行了内符合精度检验,并利用实测数据对新算法进行外符合精度检验,结果表明新算法得到的结果显著优于奇异值分解(singular value decomposition,SVD)解法及传统最小二乘解法,验证了算法的精度和有效性。
文摘阵列幅相误差会显著降低麦克风阵列的声源定位性能,因此对麦克风阵列的幅度和相位进行良好校准至关重要。文章针对近场麦克风阵列,引入三维多重信号分类(Multiple Signal Classification,MUSIC)近场算法,对基于特征结构的阵列幅度和相位校正方法进行改进。改进后的校正方法不再局限于特定阵列的拓扑结构,可以实现近场校正,具有较高的定位估计精度。