阵列信号处理—music、Capon

阵列信号处理—music、Capon
阵列信号处理—music、Capon

宽带信号中的三种二维平面阵DOA估计宽带信号中的三种二维平面阵DOA估计

一. 背景

目前关于阵列窄带信号的高分辨算法已比较成熟,但是随着信号处理技术的发展,信号环境日趋复杂,信号形式多样,信号密度日渐增大,窄带阵列探测系统的确定逐渐显示出来。

由于宽带信号具有目标回波携带的信息量大,有利于目标探测、参量估计和目标特征提取等特点,在有源探测系统中越来越多地得到应用。而在无源探测系统中,利用目标辐射的宽带连续谱进行目标检测是有效发现目标的一种重要手段。

ISM 方法把宽带信号在频域分解为J 个窄带分量,然后在每一个子带上直接进行窄带处理。因为信号为调频信号,所以信号在时域的分段实际上就是频域的分段。将信号分解为窄带信号后,我们就可以利用窄带算法进行处理,最后将各个结果进行加权综合,即可得到最终的结果。 二维DOA 估计是阵列信号处理中的重要内容,通过二维DOA 估计可以得到信号源在平面中的角度信息。一般采用L 型、面阵和平行阵或矢量传感器实现二维参数的估计,多数有效的二维DOA 估计算法是在一维DOA 估计的基础上,直接针对空间二维谱提出的,如二维MUSIC 算法以及二维CAPON 算法等。这两种算法可以产生渐进无偏估计,但要在二维参数空间搜索谱峰,计算量相当大。而采用二维ROOT MUSIC 算法可以减小计算量,但是需要付出精度下降的代价。 本次报告将结合宽带信号和二维DOA 估计算法,进行相关的算法介绍和仿真。

二. 算法介绍

1. 接收信号模型:

图 1 平面阵列示意图

如图1所示,设平面阵元数为M ×N ,信源数为K 。信源的波达方向为11(,),,(,)k k θφθφ ,

第i 个阵元与参考阵元之间的波程差为:

2(cos sin sin sin cos )/i i i x y z βπφθφθθλ=++

设子阵1沿x 轴的方向矩阵为x A ,而子阵2的每个阵元相对于参考阵元的波程差就等于子阵1的阵元的波程差加上2sin sin /d πφθλ,所以接收信号为

121()()()y x y x y M x A D A A D A X S N A D A -??????=+????????

协方差矩阵为

H H H s s s n n n R XX E D E E D E ==+

其中,s D 代表由最大的K 个特征值构成的一个K ×K 对角阵,n D 代表由MN-k 个较小的特征值构成的对角矩阵, s E 和n E 分别代表由s D 和n D 对应的特征值构成的特征矢量。

沿x 轴的方向矩阵可以表示为:

`11`11`11

`112cos sin /2cos sin /2(1)cos sin /2(1)cos sin /11j d j d x j N d j N d e e A e e πφθλπφθλπφθλπφθλ------??

????=????????

沿y 轴的方向矩阵可以表示为:

`11`11`11

`112sin sin /2sin sin /2(1)sin sin /2(1)sin sin /11j d j d y j N d j N d e e A e e πφθλπφθλπφθλπφθλ------??

????=????????

2. 二维MUSIC 算法

2.1 原理介绍

阵列协方差矩阵通过奇异分解,可以划分为噪声子空间和信号子空间,即

H H s s s N N N R U U U U =∑+∑

因为方向矩阵A 中的各个列向量与噪声子空间正交,所以当方向矩阵中的角度为波达

方向时两者相乘的值会很小,根据这个性质,得到该阵列空间谱函数为

1

()()()()()MUSIC H

H

y x N N y x P a a E E a a θθφθφθφθφ=

??????????

,,,,

通过变化角度,找到的波峰位置就是估计的信源的二维角度。

2.2 算法流程

2.3算法仿真

快拍数L=100,目标数K=3,8×8的方阵,假设源信号的仰角为10°,25,方位角为35°,45°,信噪比为20dB,宽带信号为基带频率为80Hz,带宽为40Hz的信号。并将该信号在时域上均分为5段。

二维宽带MUSIC第1段

图 2 二维MUSIC第一段信号

图 3 二维MUSIC 第二段信号

图 4 二维MUSIC 第三段信号

图 5 二维MUSIC 第四段信号

二维宽带MUSIC 第3

二维宽带MUSIC 第4段

图 6 二维MUSIC 第五段信号

图 7 二维MUSIC 平均值

3. 二维Capon 算法

3.1 原理介绍

二维Capon 的算法类似于二维MUSIC 算法,只是他们的空间谱函数有所不同,二维Capon 的空间谱函数为:

1

1

()()()()()MUSIC H

y x y x P a a R a a θθφθφθφθφ-=

??????????

,,,,

相比于二维MUSIC 算法,二维Capon 的空间谱函数的分母是信号协方差矩阵的逆矩阵,

而不是噪声子空间矩阵。

3.2 算法流程

二维宽带MUSIC 平均值

3.3仿真参数

快拍数L=100,目标数K=3,8×8的方阵,假设源信号的仰角为10°,25,方位角为35°,45°,信噪比为20dB,宽带信号为基带频率为80Hz,带宽为40Hz的信号。并将该信号在时域上均分为5段。

二维宽带CAPON第1段

图8 二维Capon第一段

图 9二维Capon 第二段

图 10二维Capon 第三段

图 11二维Capon 第四段

二维宽带CAPON 第3

二维宽带CAPON 第4段

图 12二维Capon 第五段

图 13 二维Capon 平均值

4. 二维求根MUSIC 算法

4.1 原理介绍

先将二维阵列看成是沿x 轴方向的一维阵列,对于空间理想的白噪声,且噪声功率为σ^2,频率fi 处对应的接收数据协方差矩阵可以表示为:

2()()()()()()()()()()()()()()()H

x i i i H H H

i i i i i i H

i s i i N i i s i R f E X f X f A f E S f S f A f E N f N f A f R f A f R f A f R f I

σ??=??

????=+????

=+=+

对上式进行特征值分解,可以得到噪声子空间Un ,令H n n C U U =,第j 个子带对应的矩阵C 为Cj ,由于对于一个阵元间距为d 的均匀线性阵列,第j 个子频带的方向矢量的第m

个元素(m=1~M ),

二维宽带Capon 平均值

()exp(2cos sin )i

m i f a f i md

c

πφθ=- 定义如下多项式

1

1

1

()M j jl l M D z C z --=-+=

其中,Cjl 即矩阵Cj 中第l 条对角线的元素之和,求出该多项式的根,在没有噪声的理想情况下,多项式的零点落在单位圆上,位置由波达方向决定,所以应该找出在单位圆内,最接近单位圆的K 个根。

11[cos sin ,,cos sin ]x k k r φθφθ=

同理,将矩阵沿y 轴方向再处理一次,得到

11[sin sin ,,sin sin ]y k k r φθφθ=

联立求解

11[,]arcsin

[,,]arctan(/)

k k y x r r θθφφ==

4.2 算法流程

4.3 算法仿真

快拍数L=100,目标数K=3,8×8的方阵,假设源信号的仰角为10°,25,方位角为35°,45°,信噪比为10dB ,宽带信号为基带频率为80Hz ,带宽为40Hz 的信号。并将该信号在时域上均分为5段。

图 14 二维ROOT-MUSIC 仿真

图 15二维求根MUSIC 仰角性能

5

10

15

2025

30

35

101520253035

404550仰角

方位角

二维ROOT-MUSIC

蒙特卡洛仿真

-5

510

00.10.20.30.40.5

0.60.70.8

仰角 rmse

snr

r m s e °

图 16二维求根MUSIC 方位角性能

三. 总结

二维MUSIC 和二维Capon 是渐进无偏估计,他们的结果很精确,但是要进行二维谱峰搜索,所需的计算量很大。而求根MUSIC 需要的计算量较小,但是该算法在低信噪比的情况下,结果很不乐观,所以实际运用时,需要根据实际情况和工程所需,选择合适的方法来进行二维DOA 估计。

-5

510

02

4

6

8

10

12

方位角 rmse

snr

r m s e °

多通道实时阵列信号处理系统的设计

多通道实时阵列信号处理系统的设计 由judyzhong于星期三, 11/11/2015 - 14:06 发表 作者:杨欣然,吴琼之,范秋香来源:电子科技 摘要:以全数字化信号产生和数字波束形成处理为基础的数字化阵列雷达已成为当代相控阵雷达技术发展的一个重要趋势,本文针对现代数字化阵列雷达对多通道数据采集和实时处理的需求,设计了一种基于FPGA的多通道实时阵列信号处理系统。可完成对20通道的中频数据采集,实时波束合成和数据传输功能,实验结果表明系统工作稳定、性能良好,具有良好的信噪比和通道一致性。 随着数字信号处理技术的不断进步和相应处理能力的不断提高,数字化阵列雷达以其动态范围大、扫描波束多、设计灵活性高的特点,已经逐步取代传统模拟阵列雷达成为高性能阵列雷达的主要研究方向。数字化阵列雷达需要将各个阵列天线接收的信号经过模拟下变频后经过AD采样并在数字域内进行信号处理,其典型的信号处理的方法包括数字波束形成(DBF)技术和波达方向估计(DOA)技术等。对于数字阵列雷达而言,对模拟下变频后的信号完成多

通道数据采集、数据处理和传输是系统的关键部分,对处理系统的同步性能、通道间幅相一致性均提出了很高要求,如进行DBF处理中通道间的不一致性将会影响波束合成后天线的方向图的特性,使增益下降、旁瓣电平升高。同时数字阵列雷达需要对各个通道采集下的数据实时地完成信号处理和数据传输功能,对处理系统的实时处理能力和信号吞吐能力提出了一定挑战。 本文介绍了一种针对DBF处理的多通道阵列信号处理系统的设计方案,以Xilinx的 XC7K325T FPGA为核心,完成了20通道的中频数据采集,并在FPGA内完成数字波束合成功能,可以同时完成8个波束指向的合成,并且将合成后的数据通过RapidIO结果传输至实时处理机进行进一步的处理。 1 系统设计原理和组成 本系统由数据采集模块和波束合成与传输模块两部分组成,系统框图如图1所示。 20路模拟中频输入通过SSMC连接器输入,由5片四通道A/D芯片AD9653采样后,通过LVDS接口串行输出到到FPGA的ISERDES输入模块中完成串并转换,并在FPGA内完

水声通信技术研究进展及应用

水声通信技术研究进展及应用 摘要:水声通信是当前唯一可在水下进行远程信息传输的通信形式,由于其在民用和军事上都有重大意义,水声通信的研究一直是国内外研究的热点。文章介绍了水声 通信的历史,分析了水声通信发展的关键技术,讨论了水声信道的特点、系统组 成和国内外的发展现状。最后对未来的水声通信技术作了预测。 关键词:水声通信,通信信道,声纳,正交频分复用,声纳信号处理 1 引言 当今世界已进入了飞速发展的信息时代,通信是这一进程中发展最为迅速、进歩最快的行业。陆地和空中通信领域包括的两个最积极、最活跃和发展最快的分支--Internet网和移动通信网日臻完善,而海中通信的发展刚刚崭露头角。有缆方式的信息传输由于目标活动范围受限制、通信缆道的安装和维护费用高昂以及对其他海洋活动(如正常航运)可能存在影响等缺点,极大地限制了它在海洋环境中的应用。另外由于在浑浊、含盐的海水中,光波、电磁波的传播衰减都非常大,即使是衰减最小的蓝绿光的衰减也达到了40dB/km,因而它们在海水中的传播距离十分有限,远不能满足人类海洋活动的需要。在非常低的频率(200Hz以下),声波在海洋中却能传播几百公里,即使20 Hz的声波在水中的衰减也只有2—3dB/km,因此水下通信一般都使用声波来进行通信。而在这个频率范围内,声波在水中(包括海水)的衰减与频率的平方成正比,声波的这个特性导致了水下声信道是带宽受限的。采用声波作为信息传送的载体是目前海中实现中、远距离无线通信的唯一手段。 海洋水下信道是一个极其复杂的时间-空间-频率变化、强多径干扰、有限频带和高噪声的信道,这是至今还存在的难度最大的无线通信信道。研究水声通信必须综合物理海洋学、声学、电子技术和信号处理等多种学科和技术的知识,现在水声通信的研究已经成为各国科学和工程技术人员研究的热点之一。另外,海洋声学技术尤其是水声通信技术是国际发达国家对我国实行封锁的领域,因此研制具有自主知识产权的水声通信技术意义深远。 2 水声通信的历史 水声通信的历史可以追溯到1914年,在这一年水声电报系统研制成功可以看作是水下无线通信的雏形。世界上第一个具有实际意义的水声通信系统是美国海军水声实验室于1945年研制的水下电话,该系统使用单边带调制技术,载波频率8。33kHz,主要用干潜艇之间

基于麦克风阵列的语音增强方法

基于麦克风阵列的语音增强方法 概述:在日常生活和工作中,语音通信是人与人之间互相传递信息沟通不可缺少的方式。在语音通信中,语音信号不可避免地会受到来自周围环境和传输媒介的外部噪声、通信设备的内部噪声及其他讲话者的干扰。这些干扰共同作用,最终使听者获得的是被噪声污染过的带噪声语音,严重影响了双方之间的交流。应用阵列信号处理技术的麦克风阵列能够充分利用语音信号的空时信息,具有灵活的波束控制、较高的空间分辨率、高的信号增益与较强的抗干扰能力等特点,逐渐成为强噪声环境中语音增强的研究热点。本文将介绍各种麦克风阵列语音增强方法,并总结各个方法的优劣。最终得出更好的、能够去噪的基于麦克风阵列的语音增强方法。 1麦克风阵列 麦克风阵列是将两个麦克风的信号耦合为一个信号。在频率响应中也可以根据时域中波束形成与空间滤波器相仿的应用,分析出接收到语音信号音源的方向以及其变化。采用该技术,能利用两个麦克风接收到声波的相位之间的差异对声波进行过滤,能最大限度将环境背景声音滤掉,只剩下需要的声波。对于在嘈杂的环境下使用采用了这种配置的设备,在嘈杂的环境下能使听者听起来很清晰,没杂音。 2基于麦克风阵列的语音增强方法 2.1基于自适应波束形成器的麦克风阵列语音增强 自适应波束形成是现在广泛使用的一类麦克风阵列语音增强方法。最早出现的自适应波束形成算法,其基本思想是在某方向有用信号的增益一定的前提下,使阵列输出信号的功率最小。在线性约束最小方差自适应波束形成器的基础上,1982 年Griffiths 和Jim 提出了广义旁瓣消除器成为了许多算法的基本框架。 广义旁瓣消除器(GSC)的工作原理是带噪声的语音信号同时通过自适应通道和非自适应通道,自适应通道中的阻塞矩阵将有用信号滤除后产生仅包含多通道噪声参考信号,自适应滤波器根据这个参考信号得到噪声估计,最后由这个被估计的噪声抵消非自适应通道中的噪声分量,从而得到有用的纯净语音信号。 麦克风阵列的自适应算法通过迭代运算获取波束形成的最优权矢量时,噪声模型的估计是一个非常关键的因素。它的好坏直接影响着系统波束形成的性能。系统地分析了最小均方( LMS) 自适应语音增强算法,并针对阻塞矩阵在估计噪声时存在的缺陷,在该算法的基础上提出了一种利用最小值控制递归平均( MCRA) 来估计噪声的方法。将此方法应用于波束形成,MCRA 估计出的噪声使LMS 自适应语音增强的效果更好和抗噪性更强。 2.2基于固定波束形成的麦克风阵列语音增强 固定波束形成技术是最简单最成熟的一种波束形成技术。1985 年美国学者Flanagan 提出采用延时-相加波束形成方法进行麦克风阵列语音增强,该方法通过对各路麦克风接收到的信号添加合适的延时补偿,使得各路输出信号在某一方向上保持同步,并在该方向的入射信号获得最大增益。此方法易于实现,但要想获取较高的噪声抑制能力则需要增加麦克风数目,然而对非相干噪声没有抑制能力,环境适应性差,因此实际中很少单独使用。后来出现的微分麦克风阵列、超方向麦克风阵列和固定频率波束形成技术也属于固定波束形成。 采用可调波束形成器的GSC麦克风阵列语言增强算法,其实质在GSC结构中的固定波束形成器前端引入各通道可调时延补偿,构造可调波束形成器进行声源方位估计,从而在目标声源方位获取阶段即可利用阵列的空间增益来提高方位估计性能。延迟求和波束形成器主要目的是增强主瓣方向目标信号,而抑制其他方向的噪声信号。

DSP在雷达·水声·声呐信号处理方面的应用大综述

华北电力大学 文献综述 | | 题目DSP水声·声呐·雷达方面的应用 课程名称 DSP系统设计 | | 专业班级:电子1102 学生姓名:管俊豪 学号:201003020203 成绩: 指导教师:尚秋峰日期: 2014.07.3

DSP在水声和声呐及雷达信号处理系统中的应用 一、基本概念:DSP简介——数字信号处理器(DSP)是一种具有特殊结构的微处理器,特别适合于数字信号处理运算。它是当今发展最为迅速和前景最为可观的技术之一。自从20世纪80年代第一片DSP芯片诞生至今。其性能得到了极大的提高。应用领域取得了不断的拓展。日前它己经成为通信、计算机、网络、工业控制以及家用电器等电产品不可或缺的基础器件, 尤其在通信领域,数字信号处理器以其实时快速地实现各种数字信号处理算法的优点从而得到了广泛的应用。随着超大规模集成电路技术(VLSI)的高速发展。DSP的性价比也在不断提高。 二、学科发展状况 数字信号处理是一门涉及许多学科而又广泛应用于许多领域的新兴学科。20世纪60年代以来,随着信息技术的飞速发展,数字信号处理技术应运而生并得到迅速的发展。在过去的二十多年时间里,数字信号处理技术已经在通信、实时信号处理、安全保密、图像处理等领域得到了极为广泛的应用。 三、该领域所应用DSP芯片 TMS320VC5416、TMS320DM642、TMS320C5402型号的DSP处理器,采用流水线结构,集成度高、扩展性好、处理功能强、功耗低具有强大的运算能力、高度的并行性和广 泛的应用性,特别适合数字信号处理,完全可以对数据进行实时处理,且其功耗低、 价格适中。综合看来TMS320C5000,TMS3320C6000系列在此应用范围内应用较广。 四、典型应用方案 1、DSP在雷达信号处理中的应用 FFT是雷达信号处理的重要工具。DSP内部的硬件乘法器、地址产生器(反转寻址)和多处理内核,保证DSP在相同条件下,完成FFT算法的速度比通用微处理器要快2到3个数量级。因此,在雷达信号处理器中,大量采用DSP完成FFT/IFFT,以实现信号的时-频域转换、回波频谱分析、频域数字脉冲压缩等。

西工大《阵列信号处理》考点整理

西工大《阵列信号处理》复习考点整理 考试形式: 一、8道问答题,每道题5分; 二、六道大题,包括PPT 上老师给出的那一道。 一 1. 均匀线列阵在波束扫描时,波束图怎么变化? 当波束指向法线方向时,波束图具有最窄的主瓣宽度;随着阵元指向逐渐远离法线方向,主瓣一直指向所调方向并且展宽;除了指向法线方向外,主瓣都关于波束倾角轴不对称;当达到某一临界角时不能形成波束,但是在端射方向又可以形成波束。且在端射方向形成一个较宽的主瓣。 2.DI 是什么? DI 表示指向性指数,其表达式为 D 为方向性,是阵列和孔径的一个常用性能度量。 ???=ππ φθθφθπφθ200 ),(sin 41) ,(P d d P D T T 3. DC 加权的特点 (1)旁瓣级给定时,主瓣宽度最小; (2)主瓣宽度给定时,旁瓣级最低; (3)等旁瓣级。 4. 频域快拍模型是什么,步骤是什么,常用的频域快拍取的时间有什么关系? (1)记住《最优阵列处理技术》245页图 5.1 (2)步骤: ①把总的观测时间T 分为K 个不重叠的时间区域,区域长度为△T ; ②对时域快拍进行FT ; ③对频域向量(频域快拍)进行窄带波束形成; ④对上述频域信号进行IFT 。 (3)△T 的选择准则 ①△T 必须远大于平面波通过阵列的传播时间; ②△T 依赖于输入信号的带宽和信号的时域谱,16≥??T B (B*△T 足够大,选用频域快拍模型)。 5. 什么是均匀阵的瑞利限? 常规波束形成分辨率的极限。表达式为 6. 空间白噪声的阵增益的相关计算。 阵列增益ωA 的定义为阵列的输出SNR 和一个阵元上的输入SNR 的比值。下标“ω”表示空域不相关的噪声输入。表达式如下:

阵列信号处理(知识点)

信号子空间: 设N 元阵接收p 个信源,则其信号模型为:()()()()1 p i i i i x t s t a N t θ== +∑ 在无噪声条件下,()()()()() 12,,,P x t span a a a θθθ∈L 称()()()() 12,,,P span a a a θθθL 为信号子空间,是N 维线性空间中的P 维子空间,记为 P N S 。P N S 的正交补空间称为噪声子空间,记为N P N N -。 正交投影 设子空间m S R ∈,如果线性变换P 满足, () 1),,,2),,,0 m m x R Px S x S Px x x R y S x Px y ?∈∈?∈=?∈?∈-=且 则称线性变换P 为正交投影。 导向矢量、阵列流形 设N 元阵接收p 个信源,则其信号模型为:()()()()1 p i i i i x t s t a N t θ== +∑, 其中矢量()i i a θ称为导向矢量,当改变空间角θ,使其在空间扫描,所形成的矩阵称为阵列流形,用符号A 表示,即(){|(0,2)}a A θθπ=∈ 波束形成 波束形成(空域滤波)技术与时间滤波相类似,是对采样数据作加权求和,以增强特定方向信号的功率,即()()()()H H y t W X t s t W a θ==,通过加权系数W 实现对θ的 选择。 最大似然 已知一组服从某概率模型()f X θ的样本集12,,,N X X X K ,其中θ为参数集合,使条件概 率()12,,,N f X X X θK 最大的参数θ估计称为最大似然估计。

不同几何形态的阵列的阵列流形矢量计算问题 假设有P 个信源,N 元阵列,则先建立阵列的几何模型求第i 个信源的导向矢量()i i a θ 选择阵元中的一个作为第一阵元,其导向矢量()1[1]i a θ= 然后根据阵列的几何模型求得其他各阵元与第一阵元之间的波程差n ?,则确定其导向矢量 ()2j n i a e π λ θ? = 最后形成N 元阵的阵列流形矢量()11221N j j N P e A e πλπλθ-????? ???? ? ?=????????M 例如各向同性的NxM 元矩形阵,阵元间隔为半个波长,当信源与阵列共面时: 首先建立阵列几何模型: 对于第m 行、第n 列的阵元,其与第1行、第1列阵元之间的波程差为 (1)sin()(1)cos()mn i i n d m d θθ?=---

水声信号处理领域若干专题研究进展

万方数据

万方数据

万方数据

万方数据

万方数据

水声信号处理领域若干专题研究进展 作者:李启虎, LI Qihu 作者单位:中国科学院声学研究所 刊名: 应用声学 英文刊名:APPLIED ACOUSTICS 年,卷(期):2001,20(1) 被引用次数:26次 引证文献(26条) 1.王成.王英民.陶林伟.甘甜等效试验法在双基地声纳试验中的应用[期刊论文]-压电与声光 2010(3) 2.王永衡基于无线电的声纳浮标阵式水声定位系统研究[期刊论文]-中国科技博览 2010(34) 3.郭良涛.黄建国.韩晶.阎振华基于DSP的小型数字语音通信平台设计[期刊论文]-计算机测量与控制 2009(6) 4.綦辉.蔡云祥.宋裕农基于UUV支持的水下协同作战研究[期刊论文]-火力与指挥控制 2009(3) 5.孙凤宇浅海水声语音通信软件无线电系统设计研究[期刊论文]-中国科技信息 2008(18) 6.何成兵.黄建国.张涛.阎振华单载波频域均衡高速水声通信仿真研究[期刊论文]-系统仿真学报 2007(23) 7.郑翠娥.孙大军.张殿伦.李想超短基线定位系统安装误差校准技术研究[期刊论文]-计算机工程与应用 2007(8) 8.周浩.蒋兴舟.袁志勇基于波束域MUSIC方法的高分辨方位估计[期刊论文]-海军工程大学学报 2007(2) 9.刘林泉.梁国龙.吴波.周志强.李宏伟一种低能耗的水声通信编码方案的研究[期刊论文]-声学技术 2007(1) 10.陈家财超声水处理功率放大技术研究[学位论文]硕士 2007 11.李姗.江南.黄建国基于随机水面阵列构形的水下GPS定位算法[期刊论文]-仪器仪表学报 2006(z3) 12.韦周芳.黄建国基于MFSK的多载波水声通信系统及实验研究[期刊论文]-无线通信技术 2006(2) 13.SUN Guiqing.LI Qihu.ZHANG Bin Acoustic vector sensor signal processing[期刊论文]-声学学报(英文版) 2006(1) 14.杨娟基于干涉谱分析的单水听器被动定位技术研究[学位论文]硕士 2006 15.徐复被动声纳仿真信号源研究与实现[学位论文]硕士 2006 16.罗丹噪声目标广义互相关被动测距研究[学位论文]硕士 2006 17.陈勇水声远程通信的联合频率相位调制技术研究[学位论文]硕士 2006 18.尹力.仲顺安.陈越洋.党华水声通信系统中信号同步的一种实现方法[期刊论文]-信号处理 2005(z1) 19.马雯.黄建国.张群飞用MFSK调制实现水声远程信息传输[期刊论文]-电讯技术 2004(5) 20.李洪升基于计算智能的声呐盲波束形成算法研究[学位论文]博士 2004 21.梁迅光纤水听器数据的网络传输及集群处理[学位论文]硕士 2004 22.赵羽矢量阵阵处理研究[学位论文]博士 2004 23.宋新见数字式噪声目标被动测距声纳研究[学位论文]博士 2004 24.马雯.黄建国基于时延编码的远程水声通信技术研究[期刊论文]-计算机工程与应用 2002(9) 25.潘仲明.杨俊.王跃科超声波扩频测距及其信道自适应均衡技术[期刊论文]-国防科技大学学报 2002(6) 26.马雯.黄建国.张群飞用时延编码实现远程水声通信[期刊论文]-电讯技术 2002(4) 本文链接:https://www.360docs.net/doc/6616697181.html,/Periodical_yysx200101001.aspx

线性麦克风阵列定向性能的研究

线性麦克风阵列定向性能的研究? 段进伟, 史元春, 陈孝杰 (清华大学计算机科学与技术系,北京市海淀区, 100084) Study on the Directing Performance of the Linear Microphone Array Duan Jin-wei, Shi Yuan-chun, Chen Xiao-jie (Department of Computer Science and Technology, Tsinghua University, Beijing, 100084, China) + Corresponding author: Phn: +86-010-********-805, E-mail: saundradjw945@https://www.360docs.net/doc/6616697181.html, Received 2007-07-31; Accepted 2007-08-31 Abstract: Speech source localization technology, using microphone array, plays an important role in the area of human-computer interaction, especially that in smart space. The information of source position provided by the microphone array can be used in many place, such as dynamically adjust the parameters of the array in order to acquire high-quality speech audio, etc. Therefore, speech source localization has become a hot topic in both research and application areas. The objective of this paper is to analyze the affection on the symmetrical linear microphone array directing performance caused by the changes of microphone numbers, the spacing between microphones, the sampling frequency and so on. In order to accomplish this, we set up two linear microphone arrays with different hardware and designed comparative experiments. After the speech data was captured, an algorithm called SRP-PHAT was used to estimate the speech source direction. We analyzed the possible theoretic errors existed in the experiments carefully, and after the experiments, we analyzed the directing results, and compared the actual directing errors with the possible theoretic errors. At last, we summarized the performance of the two linear microphone arrays, and educed the configuration of the linear microphone array system when its integrative performance achieves the peak. Key words: linear microphone array; speech source directing; theoretic error; directing performance 摘 要: 麦克风阵列在人机交互中有着重要的研究和应用价值。而线性均匀麦克风阵列最简单,其基本功能是声源的定向。本文通过实验分析各种参数变化对线性麦克风阵列定向性能的影响。我们搭建了硬件参数不同的两套线性麦克风阵列并设计了对比实验。使用SRP-PHAT算法定向声源。我们分析了声源定向时各种可能的理论误差,对实验结果进行了误差分析,并与可能的理论误差做了对比。通过理论分析和对比实验,本文提出了线性麦克风阵列系统的性能评价指标,并给出了综合性能最优时的麦克风阵列系统参数配置。 关键词: 线性麦克风阵列; 声源定向; 理论误差; 定向性能 中图法分类号: ****文献标识码: A ?Supported by National High-Tech Research and Development Plan of China under Grant No. 2006AA01Z198; 作者简介: 段进伟(1985-),男,云南昆明人,大学本科,主要研究领域为人机交互与普适计算;

阵列信号处理方面10个经典程序

1.均匀线阵方向图 %8阵元均匀线阵方向图,来波方向为0度 clc; clear all; close all; imag=sqrt(-1); element_num=8;%阵元数为8 d_lamda=1/2;%阵元间距d与波长lamda的关系 theta=linspace(-pi/2,pi/2,200); theta0=0;%来波方向 w=exp(imag*2*pi*d_lamda*sin(theta0)*[0:element_num-1]'); for j=1:length(theta) a=exp(imag*2*pi*d_lamda*sin(theta(j))*[0:element_num-1]'); p(j)=w'*a; end figure; plot(theta,abs(p)),grid on xlabel('theta/radian') ylabel('amplitude') title('8阵元均匀线阵方向图') 当来波方向为45度时,仿真图如下:

8阵元均匀线阵方向图如下,来波方向为0度,20log(dB)

随着阵元数的增加,波束宽度变窄,分辨力提高:仿真图如下:

2.波束宽度与波达方向及阵元数的关系 clc clear all close all ima=sqrt(-1); element_num1=16; %阵元数 element_num2=128; element_num3=1024; lamda=0.03; %波长为0.03米 d=1/2*lamda; %阵元间距与波长的关系 theta=0:0.5:90; for j=1:length(theta); fai(j)=theta(j)*pi/180-asin(sin(theta(j)*pi/180)-lamda/(element_num1*d)); psi(j)=theta(j)*pi/180-asin(sin(theta(j)*pi/180)-lamda/(element_num2*d)); beta(j)=theta(j)*pi/180-asin(sin(theta(j)*pi/180)-lamda/(element_num3*d)); end figure; plot(theta,fai,'r',theta,psi,'b',theta,beta,'g'),grid on xlabel('theta'); ylabel('Width in radians') title('波束宽度与波达方向及阵元数的关系') 仿真图如下:

空间滤波器水声信号预处理方法研究

空间滤波器水声信号预处理方法研究 王少娟,张智敏,姚金杰,王黎明 (中北大学信息探测与处理技术研究所, 山西太原030051)摘要:浅水水声信道受多径传播、时变和空变等特性的影响,由水听器直接观测到的信号大多是信噪比低、 多种信号叠加而成的复杂信号,难以准确提取特征信息及信源分离。针对以上问题,提出基于空间滤波器的多源复杂水声信号的预处理方法。该方法通过Hilbert 变换将直接观测信号构造成解析信号来抑制虚像,使用波束形成算法来实现对方向角的选择,在指定方位角下得到期望信号。仿真及试验结果表明:信噪比为0dB 时,通过空间滤波器对多源复杂水声信号进行预处理,可以有效地抑制噪声,并有效区分处于同一时间段、同一频段的多个源信号,经处理后的信号与源信号的相似度可达0.9853,对实际信号处理也可达到较好的效果,解决时频域很难处理的问题,进而为后续的研究工作提高精度。 关键词:浅水水声信道;空间滤波;波束形成;Hilbert 变换;信源分离文献标志码:A 文章编号:1674-5124(2017)01-0116-06 Study on preprocessing method of underwater acoustic signal based on spatial filter WANG Shaojuan ,ZHANG Zhimin ,YAO Jinjie ,WANG Liming (Institute of Signal Capturing &Processing Technology ,North University of China ,Taiyuan 030051,China ) Abstract:Due to characteristics including multipath propagation ,time-varying and space-varying features of shallow water underwater acoustic channel ,signals directly detected by hydrophone are mostly complex signals superposed by various signals with low signal to noise ratio.Thus ,the feature information and accurate source separation cannot be obtained.To solve these problems ,a preprocessing method of multi-source complex underwater acoustic signal based on spatial filter is put forward.The method constructs the signals observed directly into analytic signals through Hilbert transforming to suppress the virtual image and uses beamforming algorithm to select the direction angle and obtain desired signals under the specified azimuth angle.Simulation and test results show that in a simulation test ,if the multi-source complex underwater acoustic signals are processed based on spatial filter when the signal -to -noise ratio is 0dB ,the noises can be effectively suppressed and several source signals at a same time period and same frequency band can be effectively distinguished.After the processing ,the similarity between the processed signal and source signal can reach 0.9853.It can also reach good effects in actual signal processing ,solve the problems hardly to be solved in time -frequency domain and ensure high precision in follow-up research. Keywords:shallow water underwater acoustic channel ;spatial filter ;beamforming ;Hilbert transform ;source signal separation 收稿日期:2016-03-16;收到修改稿日期:2016-05-10 基金项目:国家自然科学基金(61471325);高等学校博士学科点专项科研基金(博导类)(20121420110006)作者简介:王少娟(1992-),女,山西长治市人,硕士研究生,专业方向为智能信息处理、水声信号处理。 中国测试 CHINA MEASUREMENT &TEST Vol.43No.1January ,2017 第43卷第1期2017年1月doi : 10.11857/j.issn.1674-5124.2017.01.024

阵列信号处理

宽带信号中的三种二维平面阵DOA估计

宽带信号中的三种二维平面阵DOA 估计 一. 背景 目前关于阵列窄带信号的高分辨算法已比较成熟,但是随着信号处理技术的发展,信号环境日趋复杂,信号形式多样,信号密度日渐增大,窄带阵列探测系统的确定逐渐显示出来。 由于宽带信号具有目标回波携带的信息量大,有利于目标探测、参量估计和目标特征提取等特点,在有源探测系统中越来越多地得到应用。而在无源探测系统中,利用目标辐射的宽带连续谱进行目标检测是有效发现目标的一种重要手段。 ISM 方法把宽带信号在频域分解为J 个窄带分量,然后在每一个子带上直接进行窄带处理。因为信号为调频信号,所以信号在时域的分段实际上就是频域的分段。将信号分解为窄带信号后,我们就可以利用窄带算法进行处理,最后将各个结果进行加权综合,即可得到最终的结果。 二维DOA 估计是阵列信号处理中的重要内容,通过二维DOA 估计可以得到信号源在平面中的角度信息。一般采用L 型、面阵和平行阵或矢量传感器实现二维参数的估计,多数有效的二维DOA 估计算法是在一维DOA 估计的基础上,直接针对空间二维谱提出的,如二维MUSIC 算法以及二维CAPON 算法等。这两种算法可以产生渐进无偏估计,但要在二维参数空间搜索谱峰,计算量相当大。而采用二维ROOT MUSIC 算法可以减小计算量,但是需要付出精度下降的代价。 本次报告将结合宽带信号和二维DOA 估计算法,进行相关的算法介绍和仿真。 二. 算法介绍 1. 接收信号模型: 图 1 平面阵列示意图 如图1所示,设平面阵元数为M ×N ,信源数为K 。信源的波达方向为11(,),,(,)k k θφθφ , 第i 个阵元与参考阵元之间的波程差为: 2(cos sin sin sin cos )/i i i x y z βπφθφθθλ=++ 设子阵1沿x 轴的方向矩阵为x A ,而子阵2的每个阵元相对于参考阵元的波程差就等于子阵1的阵元的波程差加上2sin sin /d πφθλ,所以接收信号为

水声通信

水声通信 水声通信是一项在水下收发信息的技术。它的工作原理是首先将文字、语音、图像等信息经过编码、调制处理后,由功率放大器推动声学换能器将电信号转换为声信号。声信号通过水这一介质,将信息传递到远方的接收换能器,这时声信号又转换为电信号,经过放大、滤波和数字化后,数字信号处理器对信号进行自适应均衡、纠错等处理,还原成声音、文字及图片。 特点: 声波通信是水下远程无线信息传输的唯一有效和成熟的手段。声波是水中信息的主要载体,广泛应用于水下通信、传感、探测、导航、定位等领域。声波属于机械波(纵波),在水下传输的信号衰减小(其衰减率为电磁波的千分之一),传输距离远,使用范围可从几百米延伸至几十公里,适用于温度稳定的深水通信。 水介质与空气介质的特性不同,水声信道与空气中的无线电信道具有许多明显的差异。水下声信道是时间散布快速衰落信道,具有多普勒不稳定性。水声通信的衰耗因素较多,特别是在海水中传播,声传播损失不仅与频率有关,而且还受海水的盐度、温度、密度、深度以及传播距离等因素的影响,造成中远程水声信道带宽极其有限。水中的声速计算公式可见下式: c=1449.2+4.6T-0.055T2+(1.34-0.010T)(S-35)+0.016D 其中:r是海水温度,s是盐度,D是深度。海水中不均匀分布的声速剖面造成声线的弯曲,而声波的界面反射和随机散射又引起声波接收信号的多途效应。在实现高速通信时,有限的信道带宽和信号的多途传输会引起严重的码间干扰,造成接收数据的严重误码。同一声源发出的声波,在不同的海区或不同的季节,传播情况可能都不同。从信道中的各种限制因素到时变、空变性,水声信道都远比无线电信道复杂。 举例: (一)我国厦门大学以许克平教授为首的这个课题组出色地完成了国家交给他们的863项目,已经成功解决了在10公里之内水下信号相互清晰的传递,他们这个系统已达到实用要求。他们认真分析了世界上抗多途干扰的几种方法,最后课题组一致认为还是采用电磁波抗干扰的手段——跳频通信,它既能抗多途径干扰又能保证信息安全。 如果电磁波的跳频技术用在海中,频率资源充足的情况下传输一组信号,频率相差大时,电路内部做处理的时候,就用两个不同频率表示1和0,相当于颜色相差大,如:赤、橙、黄、绿、青、蓝、紫这一组信号代表一个文字,碰到干扰后虽然到达的时间不一致,但由于颜色区别大也就是频率相差大接收方就容易辨认了,这样就解决了信号干扰问题。经过攻关他们研制出一个全新的跳频技术,终于成功解决了多途径干扰问题。因为语音传输是水声通信最难攻克的瓶颈问题,要求精确度极高,难度也最大,语音传输成功的实现,使这个项目完全成功了,他们做到了。 (二)水声通信是当前海洋军事中最重要和关键的技术,该研究方向发挥厦门大学电子与海洋等相关学科专业的优势和特色,课题组完成了“水下图像水声传输实用样机研制”、“视频图像水下传输试验研究”等国家“863”相关课题项目, “水下图像传输系统”项目通过国家“863”专家组验收。该系统能在浅海域实现全方向无缆图象信息传输,每8秒传送一帧(160*100象素,十六级灰度),距离10公里。99年中国国际高新技术成果交易会

基于麦克风阵列的语音增强算法概述

- 29 - 基于麦克风阵列的语音增强算法概述 丁 猛 (海军医学研究所,上海 200433) 【摘 要】麦克风阵列语音增强技术是将阵列信号处理与语音信号处理相结合,利用语音信号的空间相位信息对语音信号进行增强的一种技术。文章介绍了各种基于麦克风阵列的语音增强基本算法,概述了各算法的基本原理,并总结了各算法的特点及其所适用的声学环境特性。 【关键词】麦克风阵列;阵列信号处理;语音增强 【中图分类号】TN911.7 【文献标识码】A 【文章编号】1008-1151(2011)03-0029-02 (一)引言 在日常生活和工作中,语音通信是人与人之间互相传递信息沟通不可缺少的方式。近年来,虽然数据通信得到了迅速发展,但是语音通信仍然是现阶段的主流,并在通信行业中占主导地位。在语音通信中,语音信号不可避免地会受到来自周围环境和传输媒介的外部噪声、通信设备的内部噪声及其他讲话者的干扰。这些干扰共同作用,最终使听者获得的语音不是纯净的原始语音,而是被噪声污染过的带噪声语音,严重影响了双方之间的交流。 应用阵列信号处理技术的麦克风阵列能够充分利用语音信号的空时信息,具有灵活的波束控制、较高的空间分辨率、高的信号增益与较强的抗干扰能力等特点,逐渐成为强噪声环境中语音增强的研究热点。美国、德国、法国、意大利、日本、香港等国家和地区许多科学家都在开展这方面的研究工作,并且已经应用到一些实际的麦克风阵列系统中,这些应用包括视频会议、语音识别、车载声控系统、大型场所的记录会议和助听装置等。 文章将介绍各种麦克风阵列语音增强算法的基本原理,并总结各个算法的特点及存在的局限性。 (二)常见麦克风阵列语音增强方法 1.基于固定波束形成的麦克风阵列语音增强 固定波束形成技术是最简单最成熟的一种波束形成技术。1985年美国学者Flanagan 提出采用延时-相加(Delay-and-Sum)波束形成方法进行麦克风阵列语音增强,该方法通过对各路麦克风接收到的信号添加合适的延时补偿,使得各路输出信号在某一方向上保持同步,并在该方向的入射信号获得最大增益。此方法易于实现,但要想获取较高的噪声抑制能力则需要增加麦克风数目,然而对非相干噪声没有抑制能力,环境适应性差,因此实际中很少单独使用。后来出现的微分麦克风阵列(Differential Microphone Arrays)、超方向麦克风阵列(Superairective Microphone Arrays )和固定频率波束形成(Frequency-Invariant Beamformers) 技术也属于固定波束形成。 2.基于自适应波束形成器的麦克风阵列语音增强 自适应波束形成是现在广泛使用的一类麦克风阵列语音增强方法。最早出现的自适应波束形成算法是1972年由Frost 提出的线性约束最小方差(Linearly Constrained Minimum Variance,LCMV)自适应波束形成器。其基本思想是在某方向有用信号的增益一定的前提下,使阵列输出信号的功率最小。在线性约束最小方差自适应波束形成器的基础上,1982年Griffiths 和Jim 提出了广义旁瓣消除器(Generalized Sidelobe Canceller, GSC),成为了许多算法的基本框架(图1)。 图1 广义旁瓣消除器的基本结构 广义旁瓣消除器是麦克风阵列语音增强应用最广泛的技术,即带噪声的语音信号同时通过自适应通道和非自适应通道,自适应通道中的阻塞矩阵将有用信号滤除后产生仅包含多通道噪声参考信号,自适应滤波器根据这个参考信号得到噪声估计,最后由这个被估计的噪声抵消非自适应通道中的噪声分量,从而得到有用的纯净语音信号。 如果噪声源的数目比麦克风数目少,自适应波束法能得到很好的性能。但是随着干扰数目的增加和混响的增强,自适应滤波器的降噪性能会逐渐降低。 3.基于后置滤波的麦克风阵列语音增强 1988年Zelinski 将维纳滤波器应用在麦克风阵列延时—相加波束形成的输出端,进一步提高了语音信号的降噪效果,提出了基于后置滤波的麦克风阵列语音增强方法(图2)。基于后置滤波的方法在对非相干噪声抑制方面,不仅具有良好的效果,还能够在一定程度上适应时变的声学环境。它的基本原理是:假设各麦克风接收到的目标信号相同,接收到的噪声信号独立同分布,信号和噪声不相关,根据噪声特性, 【收稿日期】2010-12-30 【作者简介】丁猛(1983-),男,海军医学研究所研究实习员。

阵列信号处理答案

1.(1)关于接收天线阵列的假设。接收阵列由位于空间已知坐标处的无源阵元按一定的形式排列而成。假设阵元的接收特性仅与其位置有关而与其尺寸无关(认为其是一个点),并且阵元都是全向阵元,增益均相等,相互之间的互耦忽略不计。阵元接收信号时将产生噪声,假设其为加性高斯白噪声,各阵元上的噪声相互统计独立,且噪声与信号是统计独立的。 (2)关于空间源信号的假设。假设空间信号的传播介质是均匀且各向同性的,这时空间信号在介质中按直线传播,同时又假设阵列处在空间信号辐射的远场中,所以空间源信号到达阵列时可以看做是一束平行的平面波,空间源信号到达阵列各阵元在时间上的不同延时,可由阵列的几何结构和空间波的来向所决定。空间波的来向在三维空间中常用仰角和方位角来表征。其次,在建立阵列信号模型时,还常常要区分空间源信号是窄带信号还是宽带信号。所谓窄带信号是指相对于信号(复信号)的载频而言,信号包络的带宽很窄(包络是慢变的),因此在同一时刻,该类信号对阵列各阵元的不同影响仅在于因其到达各阵元的波程不同而导致的相位差异。 2.自适应波束形成亦称空域滤波,是阵列处理的一个主要方面,逐步成为阵列信号处理的标志之一,其实质是通过对各阵元加权进行空域滤波,来达到增强期望信号、抑制干扰的目的;而且可以根据信号环境的变化自适应嘚改变各阵元的加权因子。虽然阵列天线的方向图是全方向的,但阵列的输出经过加权求和后,可以被调整到阵列接收的方向增益聚集在一个方向,相当于形成了一个波束,这就是波束形成的物理意义所在。波束形成技术的基本思想是:通过将各阵元输出进行加权求和,将天线阵列波束导向到一个方向上,对期望信号得到最大输出功率的导向位置即给出波达方向估计。 3. ULA :()1exp(2sin ) exp(2(1)sin )T k k k d d j j M θπθπθλλ?? =---???? α L 阵:(,)[(,),(,)]T x y a a a θφθφθφ=,其中 2sin cos 2(1)sin cos (,)[1,...],,T j d j M x a e e πθφπθφθφ---= 2s i n s i n 22s i n s i n 2(1 ...(,)[,,,] j d j d j M T y a e e e πθφπθφπθφθφ----= 面阵: 12()()()M D D D ?? ?? ??=??????? ?x y x y x y A A A A A A A ,其中1 1 2 2 1 1 2 2 2cos sin /2cos sin /2cos sin /2(1)cos sin /2(1)cos sin /2(1)cos sin /111 K K K K j d j d j d x j d M j d M j d M e e e e e e πθφλπθφλπθφλ πθφλ πθφλπθφλ---------?? ????=? ? ???? A

相关文档
最新文档