基于相关矩阵行列式分析的GSC二元麦克风阵列语音增强算法

为了提高广义旁瓣相消器语音增强算法在二元麦克风阵列中的噪声抑制能力,提出了一种基于相关矩阵行列式分析的GSC二元麦克风阵列语音增强算法,该方法首先对二元阵列的输入进行相关矩阵行列式分析,利用基于语音活动检测和信噪比估计确定系数的维纳滤波器改进GSC结构的固定波束成形支路的输出,再利用基于相关矩阵行列式分析的语音活动检测更新自适应噪声抵消器系数,提高GSC结构中自适应支路噪声估计的准确性.实验结果表明,相较于近些年来其他二元麦克风阵列的语音增强方法,该方法在多个噪声源和复杂类型噪声条件下的语音质量更高,信号失真更小,处理后的语音更接近目标语音.     

联合波束形成与谱减法的麦克风阵列语音增强算法

考虑到封闭环境的散射噪声场中,传统波束形成方法及单通道谱减法对噪声抑制的局限性,提出一种将波束形成方法与谱减法相结合的麦克风阵列语音增强方法．该方法首先通过波束形成器的空间滤波作用,将波达方向不同的语音信号和噪声信号加以区别,再经过延时补偿单元的相应处理,从而达到衰减噪声的目的,然后采用谱减法对波束形成器输出端的残留噪声进行后置处理．仿真实验结果表明。在小房间混响情况下,与其他方法相比,该方法不仅运算量小。而且具有良好的噪声抑制性能．     

利用单次快拍数据自适应处理的最小二乘算法

针对直接数据域最小二乘算法存在有效阵列孔径损失及自适应方向图旁瓣电平较高等不足,提出一种利用单次快拍数据进行自适应处理的改进算法.该方法基于直接数据域最小二乘箅法所得的权值,构造出一个变换矩阵,并对阵列接收的单次快拍数据样本进行预变换处理.形成子阵级输出后.根据噪声增益最小化准则,对各子阵进行自适应波束的形成,从而充分利用了所有阵元信息,不仅提高了有效阵列孔径,而且明显改善了阵列抑制严重非平稳干扰的性能.计算机仿真结果表明了该方法的有效性.     

一种采用旁瓣增强的麦克风阵列抗混响算法

在音频/视频会议、人机交互、语音识别等领域,严重的混响干扰导致麦克风阵列语音处理性能急剧下降.针对现有逆滤波等抗混响方法需要获得准确的房间传输响应,而波束形成方法抗混响性能有限的问题,基于广义旁瓣抵消器(generalized sidelobe canceller,GSC)结构提出一种采用旁瓣增强的麦克风阵列抗混响算法(Sidelobeenhanceing reverberation mitigation algorithm for microphone array,SERM).该算法首先进行波束形成,初步获得增强的直达语音信号,并对旁瓣获取的混响分量进行自适应迭代增强,再将旁瓣迭代增强的误差信号作为参考噪声进行自适应噪声抵消,最终输出抗混响语音.实验结果表明,在混响环境下该方法能有效改善麦克风阵列的语音信号质量.     

基于信号子空间逼近的多麦克风语音信号增强方法

对现有的基于自动波束形成的麦克风阵列语音信号增强算法提出了改进.将各个麦克风采集到的信号利用ABF(自适应波束形成)进行延时补偿并求和,消除信号中弱相干和不相干噪声;再利用信号子空间逼近的方法进一步去除残留噪声.仿真试验结果表明:把自适应波束形成技术和信号子空间逼近的方法结合起来,能够得到良好的去噪效果.     

非均匀广义对角加载稳健波束形成算法

为解决阵列天线在信号接收过程中利用一般对角加载算法在抑制噪声影响的同时降低干噪比、使零陷变浅的问题,提出了一种非均匀广义对角加载稳健波束形成算法。该算法首先根据接收数据协方差矩阵的特征值,对不同的信号自适应地选择不同加载因子,并利用选择的加载因子通过矩阵重构构造广义对角加载矩阵对接收数据进行加载处理,最后通过Capon算法得到波束形成向量。仿真结果表明:该算法在消除噪声影响的同时,可以有效展宽零陷并使零陷深度达到-50dB,而且通过非均匀加载降低输入信号的信噪比,在期望信号波达方向误差为2°时,比一般对角加载算法输出信号的干噪比高10dB,具有较好的稳健性。     

基于加权稀疏约束的稳健Capon波束成形性能比较

分析比较了几种加权稀疏约束的Capon自适应波束成形算法的性能,这些算法利用天线阵列增益的稀疏分布特性,存在抑制旁瓣,能降低干扰零陷,提高系统稳健性.通过仿真分析发现:相比于传统的Capon波束成形算法,稀疏Capon波束成形(SCCB)算法和加权稀疏Capon波束成形(WSCCB)算法的旁瓣和干扰零陷均有所降低,但是都存在着干扰零陷不准现象.     

统一扩频测控系统接收信号处理技术

统一扩频测控体制的多飞行器测控系统应用自适应天线数字多波束形成 技术对目标实施跟踪和测控。采用恒模降列和自适应信号对消器估计出各个信号的波达方向（DOA），应用最小干扰噪声功率判据获得最优加权向量。为了提高天线系统的处理增益，用最优加权向量形成波束，有效地消除多址干扰的影响。波束形成处理器得到的相对相位偏移向量用于上行遥控信号分时发送时，形成对指定目标的高增益波束。对恒模阵列和自适应信号对消器估计获得的导向向量用于数字多波束形成的性能进行了仿真研究。     

基于多参数二次规划的零陷展宽和旁瓣控制方法

自适应波束形成算法能将零陷自动对准干扰方向,但在干扰源角度抖动等情况下,会使自适应权和数据失配.此外,在快拍数较少的情况下,传统的自适应波束形成方法可能会出现很高的旁瓣.针对上述问题,提出了一种有效的基于多参数二次规划的零陷展宽和旁瓣控制方法.首先,利用锥化矩阵修正采样协方差矩阵展宽干扰源的零陷;然后,用主瓣区域外的多个二次不等式控制旁瓣;最后用多参数二次规划方法求解优化问题.该方法不仅能获得更高的阵列输出增益,而且可以通过实值计算得到最优权向量.仿真结果验证了算法的有效性.     

基于改进EMD的麦克风阵列语音增强研究

提出一种将改进EMD与麦克风阵列MVDR自适应波束形成相结合的语音增强方法。该方法利用互相关系数阈值法去除将EMD算法分解后的的虚假IMF分量,结合各阶IMF分量的自相关函数特性准确获取信号与噪声的主导IMF分量分界点,然后对所有噪声主导的IMF分量进行小波阈值去噪,接着将所有剩余IMF分量进行MVDR波束形成获得增强语音信号。改进EMD算法避免了在高信噪比条件下的信号失真,与MVDR波束形成相结合,满足了MVDR窄带特性要求,增强了麦克风阵列抗干扰能力。实验结果证明了方法的有效性。     

一种北斗伪距单点定位的加权最小二乘(WLS)快速算法

针对当前伪距单点定位普遍采用的高斯牛顿迭代最小二乘(gauss-newton iterative least squares,GNILS)定位算法存在对初始值的估计依赖性强,且迭代计算量大的缺点,结合直接解算(direct calculation,DC)定位方法定位解算快和加权最小二乘(weighted least squares,WLS)定位算法定位精度高的优点,提出一种北斗伪距单点定位的WLS快速(fast weighted least squares,WLSF)定位算法?通过北斗实测数据验证表明,WLSF定位算法计算复杂度显著减少,并且定位精度具有较大改善?     

相关观测噪声的加权观测融合UKF滤波器

对于具有相同观测方程,相关观测噪声的非系统,应用无迹卡尔曼滤波器(UKF),以及加权最小二乘(WLS)法,提出了加权观测融合UKF滤波算法.该算法具有全局最优性,且没有增加观测系统的维数,进而没有增加系统的计算负担.一个带有相关观测噪声的两传感器非线性系统的仿真例子说明了该融合算法的有效性及等价性.     

无线传感器网络中传感器节点定位的递归加权最小二乘优化方法

采用最小二乘优化算法,研究了基于接收信号强度测量的信号源定位问题.首先,建立了路径损耗的线性化模型;然后,介绍了加权最小二乘法,并提出了无线传感器网络中传感器节点定位的递归加权最小二乘优化方法.最后将本文提出的迭代加权最小二乘法与基于接收信号强度（RSS）的2种算法进行比较,仿真结果表明提出的算法在定位精度方面有更好的表现.      

推广的Pei-Radman特殊矩阵求逆及其应用

当矩阵的维数比较高的时候,该矩阵求逆就相当麻烦,且计算量很大。为了克服这个缺点,对于非对角元素相同,而对角元素是非对角阵元素加上一个常数的推广Pei-Radman矩阵,本文提出了求其逆的公式。将该求逆结果应用到带公共干扰噪声的多传感器的观测系统中,得到了基于加权最小二乘准则的融合观测即为所有传感器的观测的平均值,而融合观测的噪声为公共干扰噪声的方差加上所有传感器噪声方差的平均值。该算法能明显减少计算负担,提高融合效率,具有重要的物理意义和很大的实际应用价值。一个温度观测的仿真例子证明了推广的Pei-Radman特殊矩阵求逆算法的正确性,也说明了融合观测及其噪声的有效性。     

Low-complexity energy-aware sensor selection for noise reduction in distributed microphone networks

Noise reduction (NR) is a necessary front-end in many audio applications for improving signal quality. It was shown that sparsity-promoting sensor selection potentially makes a trade-off between energy consumption and NR performance, which is rather important for large-scale wireless acoustic sensor networks (WASNs), where many sensors contribute negligibly to NR but energy consumption affects the lifetime of WASNs. This paper presents a sensor selection approach for beamforming-based NR by minimizing the total energy consumption and constraining the output noise variance. Motivated by the optimal semi-definite programming (SDP) solution and the utility-based method, we propose three low-complexity selection metrics: weighted utility, gradient, and weighted input signal-to-noise ratio (SNR). It is shown that the proposed weighted utility and gradient-based methods are near-optimal in performance but much faster than the SDP-based method, and the weighted SNR method has the lowest time complexity with a tiny performance sacrifice. Numerical results using a simulated WASN validate the superiority of the proposed approaches over conventional methods.     

基于稳态Kalman滤波的相关观测融合方法及其功能等价性

对于带相关观测噪声和带不同观测阵的多传感器线性离散定常随机系统,用加权最小二乘（WLS）法提出了两种加权观测融合稳态Kalman滤波方法,可处理状态、白噪声和信号融合估计。基于稳态信息滤波器证明了它们功能等价于集中式融合稳态Kalman滤波方法,因而具有渐近全局最优性,且可显著减少计算负担。两个跟踪系统数值仿真例子验证了它们的功能等价性。     

含未知输入非线性系统的扩展平方根容积卡尔曼滤波算法

针对工程实际应用中存在的未知输入会导致经典的非线性滤波器状态估计精度下降甚至滤波发散的问题,提出了一种基于最小方差无偏估计(minimum variance unbiased estimation, MVUE)准则的扩展平方根容积卡尔曼滤波(extended square-root cubature Kalman filter, ESRCKF)算法。首先,结合上一时刻未知输入估计值对状态一步预测值进行修正,得到含未知输入条件下的状态预测值。其次,设计新息并采用加权最小二乘(weighted least squares, WLS)法获取当前时刻未知输入的无偏估计。最后,通过最小化协方差矩阵的迹,同时采用拉格朗日乘子法和舒尔补引理得到系统状态的最小方差无偏估计。仿真结果表明,相比于现有的非线性滤波算法,ESRCKF算法提高了在处理含未知输入非线性系统时的状态估计精度,并能同时实现系统状态和未知输入的最优估计,验证了该算法的有效性。     

带相关噪声的观测融合稳态Kalman滤波算法及其最优性

对于带相关的输入白噪声和观测白噪声及相关观测白噪声的多传感器线性离散定常随机系统,用加权最小二乘(wLs)法提出了一种加权观测融合稳态Kalman滤波算法,并基于信息滤波器证明了它同集中式观测融合稳态Kalman滤波算法功能的等价性.因而,它具有渐近全局最优性,且可减少计算负担.一个跟踪系统数值仿真例子验证了它的功能等价性.     

安徽省碳排放量的实证研究

采用加权最小二乘法和多元线性回归模型建立了安徽省碳排放量影响因素的实证模型,并进一步运用向量自回归模型对安徽省的产业结构、经济水平和碳排放量进行Johansen协整检验、脉冲响应分析.研究表明,产业结构和经济水平这两种影响因素与碳排放量之间存在一种长期均衡稳定的关系,并根据分析结果提出了相关建议.