脈沖噪聲環(huán)境下麥克風(fēng)陣列的DOA估計技術(shù)研究
發(fā)布時間:2020-12-23 04:51
隨著計算機及物聯(lián)網(wǎng)技術(shù)的迅速發(fā)展,聲學(xué)信息采集趨向于陣列傳感器融合方式,有效地提高了系統(tǒng)對環(huán)境的感知能力。其中,波達方向(Direction of Arrival,DOA)估計是麥克風(fēng)陣列的一項重要研究內(nèi)容,被廣泛應(yīng)用于戰(zhàn)場監(jiān)測和視頻會議等聲源定位系統(tǒng)中。傳統(tǒng)的DOA估計技術(shù)一般都是基于高斯噪聲模型的假設(shè),但是高斯分布不能有效地描述具有嚴重拖尾的脈沖噪聲。由于地雜波和人為因素的影響,聲學(xué)環(huán)境中的噪聲存在著大量數(shù)據(jù)突變的沖擊響應(yīng),導(dǎo)致基于二階統(tǒng)計量的DOA估計算法性能退化甚至失效。同時,隨著麥克風(fēng)陣列信號處理技術(shù)的迅速發(fā)展,傳感器接收的聲學(xué)信號大多數(shù)為寬帶信號,并且聲學(xué)信號的形式越來越復(fù)雜。基于窄帶信號模型的DOA估計算法已經(jīng)無法滿足實際需求,亟需研究寬帶模型下聲學(xué)信號的DOA估計技術(shù)。針對上述問題,本文以提高麥克風(fēng)陣列系統(tǒng)的DOA估計精度為目的,對聲學(xué)脈沖噪聲、低快拍和低信噪比等情況下DOA估計的性能退化以及寬帶DOA估計依賴于初始預(yù)估角度等難點進行了系統(tǒng)且深入的研究。本文的主要研究內(nèi)容和創(chuàng)新點如下:1)兩種基于廣義最大復(fù)值相關(guān)熵的DOA估計算法:提出了廣義最大復(fù)值相關(guān)熵準則,能夠有效...
【文章來源】:北京科技大學(xué)北京市 211工程院校 教育部直屬院校
【文章頁數(shù)】:142 頁
【學(xué)位級別】:博士
【部分圖文】:
圖3-i概率密度函數(shù),夕=?o,?
?北京科技大學(xué)博士學(xué)位論文???4???1—j^2。??-4?????5?I???1?1???0?500?1000?1500?2000??Time??圖3-4時域采樣圖,a=2,廠=?0,/?=?l,=?0??圖3-1表示特征指數(shù)為《=0.5,?a=l,?a=1.5,《=2的概率密度函數(shù),圖??3-2為圖3-1中幅值為4?8的概率密度函數(shù)的局部放大圖?梢钥闯觯吨翟??小,概率密度函數(shù)的拖尾分布越明顯。圖3-3和圖3-4給出了參數(shù)《=1.5,???=2,?/?=扣0,?y?=?l時的噪聲時域波形。從圖3-4中可以看出,高斯分布模??型的幅值都漸近一致,沒有異常點。從圖3_3中可以看出,《=1.5的脈沖噪??聲時域波形在整個時域始終具有很多非常大的異常值。??3.1.2混合高斯分布??混合高斯分布模型是一種簡單有效的脈沖噪聲分布模型。由于高斯分布??模型不能精確刻畫脈沖噪聲的拖尾分布特性,因此需要將多個高斯分布模型??進行組合加權(quán),保證對脈沖噪聲的合理描述。常用的混合高斯分布模型為兩??個高斯分布模型的簡單加權(quán)組合,其對應(yīng)的混合高斯的方差表示為:??O-2?^{\-£)(72n+£(7J?(3.11)??k?=?〇-)?la2N?(3.12)??其中,/w(x)表示正常噪聲的概率密度函數(shù),表示正常噪聲的方差,//(x)??表示異常噪聲的概率密度函數(shù),〇^2表示異常噪聲的方差,A表示脈沖強度系??數(shù),s表示異常點比例。系數(shù)A:越大,異常點的幅值越大。s越大,異常點數(shù)??量就越多。通常異常點的方差cr/遠遠大于背景噪聲的方差由于異常點??數(shù)據(jù)的存在,導(dǎo)致噪聲的整體分布具有嚴重的
a>2??表示GGD分布模型的拖尾不明顯,a?<?2表示GGD分布模型具有顯著的拖??尾現(xiàn)象。??本文將以上述脈沖噪聲模型為基礎(chǔ),研宄麥克風(fēng)陣列信號處理系統(tǒng)中的??脈沖噪聲,通過相關(guān)DOA估計算法,實現(xiàn)對聲學(xué)脈沖噪聲的抑制,提高DOA??估計的精度。??3.2?DOA估計數(shù)學(xué)模型??麥克風(fēng)陣列系統(tǒng)是利用聲學(xué)傳感器對聲源目標進行數(shù)據(jù)采集,利用目標??的空域和時域信息進行數(shù)據(jù)分析。常見的麥克風(fēng)陣列系統(tǒng)由三部分組成,分??別是聲源信號空間,聲學(xué)傳感器陣列系統(tǒng),DOA估計算法。流程圖如圖3-5??所示,聲學(xué)傳感器陣列系統(tǒng)由多個各向同性駐極體電容傳感器按照均勻線性??分布組成。每一個駐極體電容傳感器都可以獨立采集目標空間中的聲源數(shù)據(jù),??然后將采集數(shù)據(jù)通過濾波、放大、ADC轉(zhuǎn)換、預(yù)處理等操作,傳輸?shù)教幚砥??中,采用DOA估計算法進行方向估計。??I?,1?1?r?1??!信號空間傳感器陣列?11?DOA估計算法??!?In^n?r?n?n?i??方。?及采K理窗?T?算I??i向乂?\丨「.傳感器「 ̄^產(chǎn)集i;?法i??!?XHr=f^?」U?U:??^。?傳感器M????;?J?!??圖3-5麥克風(fēng)陣列系統(tǒng)的DOA估計流程??為了簡化數(shù)學(xué)模型及便于對脈沖噪聲環(huán)境下DOA的理論推導(dǎo),首先將??-28-??
本文編號:2933105
【文章來源】:北京科技大學(xué)北京市 211工程院校 教育部直屬院校
【文章頁數(shù)】:142 頁
【學(xué)位級別】:博士
【部分圖文】:
圖3-i概率密度函數(shù),夕=?o,?
?北京科技大學(xué)博士學(xué)位論文???4???1—j^2。??-4?????5?I???1?1???0?500?1000?1500?2000??Time??圖3-4時域采樣圖,a=2,廠=?0,/?=?l,=?0??圖3-1表示特征指數(shù)為《=0.5,?a=l,?a=1.5,《=2的概率密度函數(shù),圖??3-2為圖3-1中幅值為4?8的概率密度函數(shù)的局部放大圖?梢钥闯觯吨翟??小,概率密度函數(shù)的拖尾分布越明顯。圖3-3和圖3-4給出了參數(shù)《=1.5,???=2,?/?=扣0,?y?=?l時的噪聲時域波形。從圖3-4中可以看出,高斯分布模??型的幅值都漸近一致,沒有異常點。從圖3_3中可以看出,《=1.5的脈沖噪??聲時域波形在整個時域始終具有很多非常大的異常值。??3.1.2混合高斯分布??混合高斯分布模型是一種簡單有效的脈沖噪聲分布模型。由于高斯分布??模型不能精確刻畫脈沖噪聲的拖尾分布特性,因此需要將多個高斯分布模型??進行組合加權(quán),保證對脈沖噪聲的合理描述。常用的混合高斯分布模型為兩??個高斯分布模型的簡單加權(quán)組合,其對應(yīng)的混合高斯的方差表示為:??O-2?^{\-£)(72n+£(7J?(3.11)??k?=?〇-)?la2N?(3.12)??其中,/w(x)表示正常噪聲的概率密度函數(shù),表示正常噪聲的方差,//(x)??表示異常噪聲的概率密度函數(shù),〇^2表示異常噪聲的方差,A表示脈沖強度系??數(shù),s表示異常點比例。系數(shù)A:越大,異常點的幅值越大。s越大,異常點數(shù)??量就越多。通常異常點的方差cr/遠遠大于背景噪聲的方差由于異常點??數(shù)據(jù)的存在,導(dǎo)致噪聲的整體分布具有嚴重的
a>2??表示GGD分布模型的拖尾不明顯,a?<?2表示GGD分布模型具有顯著的拖??尾現(xiàn)象。??本文將以上述脈沖噪聲模型為基礎(chǔ),研宄麥克風(fēng)陣列信號處理系統(tǒng)中的??脈沖噪聲,通過相關(guān)DOA估計算法,實現(xiàn)對聲學(xué)脈沖噪聲的抑制,提高DOA??估計的精度。??3.2?DOA估計數(shù)學(xué)模型??麥克風(fēng)陣列系統(tǒng)是利用聲學(xué)傳感器對聲源目標進行數(shù)據(jù)采集,利用目標??的空域和時域信息進行數(shù)據(jù)分析。常見的麥克風(fēng)陣列系統(tǒng)由三部分組成,分??別是聲源信號空間,聲學(xué)傳感器陣列系統(tǒng),DOA估計算法。流程圖如圖3-5??所示,聲學(xué)傳感器陣列系統(tǒng)由多個各向同性駐極體電容傳感器按照均勻線性??分布組成。每一個駐極體電容傳感器都可以獨立采集目標空間中的聲源數(shù)據(jù),??然后將采集數(shù)據(jù)通過濾波、放大、ADC轉(zhuǎn)換、預(yù)處理等操作,傳輸?shù)教幚砥??中,采用DOA估計算法進行方向估計。??I?,1?1?r?1??!信號空間傳感器陣列?11?DOA估計算法??!?In^n?r?n?n?i??方。?及采K理窗?T?算I??i向乂?\丨「.傳感器「 ̄^產(chǎn)集i;?法i??!?XHr=f^?」U?U:??^。?傳感器M????;?J?!??圖3-5麥克風(fēng)陣列系統(tǒng)的DOA估計流程??為了簡化數(shù)學(xué)模型及便于對脈沖噪聲環(huán)境下DOA的理論推導(dǎo),首先將??-28-??
本文編號:2933105
本文鏈接:http://sikaile.net/kejilunwen/dianzigongchenglunwen/2933105.html
最近更新
教材專著