一、CSMG波束形成算法在相干和非相干环境中的应用(论文文献综述)
陈震昊[1](2021)在《基于麦克风阵列的语音增强算法的研究与实现》文中研究说明在语音通信中,不可避免地会引入环境噪声,影响通信质量,所以人们希望获得清晰的语音处理设备,以及相应算法。传统的单麦克风因其算法简单且有一定效果而应用广泛。然而通信环境通常较为复杂,单麦克风降噪算法在定位和降噪过程中不能获得令人满意的效果。所以人们提出了基于麦克风阵列的语音增强算法来抑制环境噪声。麦克风阵列能够获得声源的空间信息,实现空间滤波,算法能运用这些信息提高语音增强效果。而且还能通过波束对声源进行追踪定位。从而能够灵活运用于各种场合。本文研究了基于麦克风阵列的声源到达方向估计算法,语音增强算法和回声消除算法。研究了可控波束定位算法,子空间声源定位算法,基于TDOA的声源定位算法等典型算法中信号到达方向的估计方法。在此基础上提出了一种波束形成加多源选择的信号到达方向估计算法。通过在实验平台上的实验结果,分析了该算法在实际环境中的性能。研究了固定波束形成,自适应波束形成,后置滤波波束形成。固定波束形成算法简单易实现,但对相干噪声并不适用。自适应滤波波束形成算法能去除相干噪声,但需要的麦克风数量较多。后置滤波波束形成法能很有效地消除接收信号大信噪比环境下的非相干噪声,且算法较为简单,但是在小信噪比环境下的非相干噪声效果较差。由于这些算法都各有优缺点,提出了一种基于后置滤波和多源选择的语音增强算法,然后分析了该算法的原理和框架结构。最后通过实验结果分析此算法的性能。能使信号的波形轮廓变得更加清晰。研究了最小均方算法,归一化最小均方算法和递归最小二乘法等自适应回声消除算法。研究了基于LMS的自适应回声消除算法,给出了该算法的原理框图。在OMAP-L137平台上对此算法进行实验验证,包括了到达方向估计,语音增强,回声消除一系列完整的降噪过程,处理后音频波形更加清晰。
刘力玮[2](2021)在《基于GSC结构的麦克风阵列语音增强技术研究》文中进行了进一步梳理日常生活中麦克风所接收到的语音信号会被各种噪声所污染,这种现象是在所难免的。因此混合语音信号在处理之前通常先会对语音质量进行改善,而语音增强技术便可以用来对混合语音信号进行预处理,从而得到较为纯净的语音信号。与传统的单通道麦克风语音增强算法相比,麦克风阵列语音增强技术可以更好地处理复杂噪声环境中的方向干扰噪声,提高语音的清晰度。本文主要内容如下:1、阐述了包括GSC算法在内的几种经典麦克风阵列波束形成算法,并设置了简单与复杂两种声学环境,分别对GSC波束形成语音增强算法和固定波束形成语音增强算法在两种情况下进行实验分析及对比。由此得出GSC算法具有非相干噪声抑制能力差、信号自抵消的固有缺陷。2、针对GSC算法非相干噪声抑制能力差的缺陷,提出了一种基于谱减(Spectral subtraction,SS)法改进的GSC-SS语音增强算法,将改进后的谱减法作为后置与GSC算法进行级联,对归一化改进GSC算法的输出信号作功率谱减处理,实验结果表明,该算法可以有效改善GSC算法非相干噪声抑制能力弱的缺陷,但却容易产生“音乐噪声”。3、针对GSC-SS算法存在“音乐噪声”的不足,提出了一种基于Kalman滤波改进的GSC算法,将Kalman滤波算法作为后置,利用前刻状态与当前状态观测值估计当前值,将滤除方向性干扰噪声后的语音信号输出到级联的Kalman算法中,GSC输出信号所残余的背景噪声通过迭代最小均方误差进行噪声估计,从而抑制非相干噪声与麦克风阵元所产生的热噪声。实验结果表明,该算法在噪声抑制上与传统的GSC算法及后置谱减滤波算法相比具有明显的优越性,增强后的信号可保留更多有用信息。4、针对复杂噪声环境下GSC自抵消现象,提出了一种基于DNN改进的GSC算法。该算法通过多目标DNN代替GSC结构中的下层分支,依赖于DNN强大的数据拟合能力来改善自抵消现象。实验结果表明,相对于传统GSC算法,此算法具有很好的复杂噪声环境适应能力,相比传统GSC算法和本文所提另外两个算法,该算法增强后的语音更接近于目标语音信号。
陆浩志[3](2021)在《麦克风阵列自适应GSC语音增强方法研究》文中提出在智能化普及的今天,语音通信的应用极为广泛,语音信号处理技术不断被更新和推进。语音信号处理对语音的质量有着较高的要求,然而语音拾取设备收集到的语音却经常夹杂着大量噪声,严重影响了原始语音的清晰度和可懂度,必须寻找有效方法消除噪声以获得所需的语音,因此,语音增强技术的重要性就显得尤为突出。单通道语音增强方法具有原理简单、对硬件要求低、易于实现等优点,但对移动声源拾取到的信号信噪比较低。麦克风阵列语音增强方法可对拾取的信号进行时-频-空域联合处理,在目标信号追踪、抗干扰等方面具有优越的性能。本文旨在为应用于不同噪声背景下的麦克风阵列语音增强方法寻求更好的解决方案,主要研究工作包括:(1)针对纯高斯噪声背景下,传统广义旁瓣抵消器(GSC)消除非相干噪声能力差和阻塞矩阵无法很好地滤除目标信号的问题,提出了一种后置Fast ICA信号分离的改进GSC语音增强方法。该方法利用自适应阻塞矩阵代替传统阻塞矩阵,可有效减少因精确来波方向未知而造成的目标信号的泄漏,并在GSC的输出端结合快速独立分量分析(Fast ICA)算法进一步分离输出信号中的纯净语音和非相干噪声,以提高输出语音信号的质量。(2)针对以α-稳定分布噪声为代表的非高斯噪声背景下,传统广义旁瓣抵消器消噪能力大幅衰减的问题,提出了一种基于凸组合滤波器的改进GSC语音增强方法。该方法利用凸组合滤波器替换传统的自适应抵消器,以凸组合独特的“并联”式滤波,实现了自适应滤波器对α-稳定分布噪声的协同滤波;同时,选用最大箕舌线准则改进线性自适应滤波算法的代价函数,使改进后的自适应滤波算法在对抗非高斯噪声时具有更强的鲁棒性,从而使得改进GSC可有效消除脉冲噪声,以还原出纯净的目标信号。(3)针对多噪声背景下,传统广义旁瓣抵消器收敛速度较慢且对噪声消除表现性能差的问题,提出了一种基于改进谱减法的改进GSC语音增强方法。该方法在传统GSC的输出端接入了一个反馈滤波器,使得GSC下支路自适应滤波器的代价函数被改变,从而加快了滤波器的收敛速度。同时,为传统GSC接入了改进谱减法模块,以期对输出语音做进一步处理,消除输出语音中残留的噪声,最终尽可能地还原出较少噪声残留的语音信号。
张薇[4](2021)在《基于矩阵重构的相干信源波达方向估计算法研究》文中提出随着现代军事领域电子对抗技术的激烈竞争,实际电磁作战环境中信号的密度与复杂度显着增加。当雷达目标与巧妙设置的诱饵干扰等相干辐射源及其他独立辐射源并存时,针对独立辐射源的经典子空间类算法的性能急剧下降甚至失效。理论性能优良的子空间拟合以及稀疏重构等非子空间类算法尽管适用于相干辐射源环境,依然存在算法构造复杂、运算量较高而难以适用于实际工程应用的缺陷。典型子空间类解相干算法中的矩阵重构算法以其运算量适中、构造方式易于工程实用,且能结合理论业已成熟的子空间算法实现超分辨波达方向估计的优势引起广泛关注。然而,在实际工程应用中算法仍然面临受相位差影响稳健性差,角度间隔较近的相干信源估计性能低和对阵列结构依赖性强等问题。为了解决以上问题,本文以国家自然基金项目为依托,围绕子空间类解相干算法的相关理论及应用,全面研究矩阵重构类算法的构造机理,在基于信号特征矢量和基于数据矩阵信息这两类矩阵重构算法原理的基础上深入创新,重点在估计性能、运算复杂度和稳健性,以及阵列结构适应性等方面改进,为算法由理论向工程实用化推进做出一定的贡献。论文的主要研究工作与创新点如下:为了解决经典矩阵重构算法受相位差影响估计性能恶化的问题,提出稳健性更好的基于多列信号特征矢量矩阵重构算法。理论分析与仿真结果表明,该算法能够解决经典矩阵重构算法因相位差变化性能失效问题,同时相比传统特征矢量重构算法阵列孔径损失更小(阵列自由度更高),信息利用率更高且估计性能更优。针对目标角度范围预装订的实际应用需求,提出一种基于波束空间加权矩阵重构算法,解决了经典算法运算复杂度高的问题。理论分析与仿真结果表明,该算法通过在预装订角度范围内合理选择加权矢量因子,能够有效避免相位差失效问题,且在保证算法测向性能的前提下,运算量更低。为了兼顾预装订需求、运算复杂度、测向精度等性能,提出更易于实战环境下基于完整数据协方差矩阵和相关矩阵信息平方矩阵重构算法。理论分析与仿真结果表明,该算法的估计精度、运算效率、解决相位差失效等综合性能较好,具有更好的工程应用价值。针对现有矩阵重构算法对阵列结构强依赖性的问题,提高作战环境中制导系统阵列孔径的利用率,选择均匀圆阵作为从均匀线阵向其他阵列推广的典型阵型,分别提出基于模式空间变换的特征矢量重构、波束空间加权矩阵重构和数据矩阵信息平方矩阵重构三类算法,通过理论推导与仿真分析验证了各算法的有效性,为其在实际工程应用与实战领域中具有更好的阵列结构适应性提供了理论参考。
卫晓楠[5](2021)在《弧形阵列天线零陷波束赋形算法研究》文中指出弧形阵列天线由于能够与飞机、导弹以及卫星等高速运行的载体平台表面进行弧面贴合设计,同时又能产生相对较大的天线有效孔径,获得更大的观测范围和较小的载机负荷等特性,因此成为天线领域的一个研究热点,是新世纪相控阵雷达的一个重要发展方向。波束赋形技术是阵列天线得到高增益和抗干扰的关键技术,但弧形阵复杂的方向图分析和计算、多路径耦合效应及存在交叉极化分量等问题导致传统的线阵波束赋形算法很少能直接应用于弧形阵列中,给弧形阵列天线的实际应用带来一定困难。课题围绕弧形阵列天线构型及其零陷波束赋形算法等两方面展开研究,论文主要工作与创新点包含以下几个方面。1.针对传统的线阵算法难以直接应用在弧形阵列中的问题,重点研究了弧形阵列与线阵的空间几何转换关系,以圆弧上的中心阵元为基准,依据阵列波束最大值指向求得各阵元法线与空间单位矢量的夹角,结合有效工作阵元选取策略,利用射频矩阵开关选通工作阵元。再根据阵列波束最大值指向计算圆弧上各工作阵元与参考阵元之间的阵内相位差,利用移相器对各阵元进行相位补偿生成与阵列最大波束指向相垂直的等相位面,继而得到阵元间距呈现中间大,两边小规律的非均匀等效线阵,建立了弧形阵列等效线阵模型,搭建了弧形阵列与线阵之间的关系桥梁,为传统零陷算法应用于弧形阵列奠定了基础。2.针对快速运动干扰或者天线阵列与干扰相对角度快速变化情况下的数据失配,导致干扰抑制失效的问题,在弧形阵列的背景下,改进了现有的四种零陷展宽算法,从单角度宽零陷和多角度宽零陷两个角度对比和分析了四种算法在干扰角度远离主瓣和靠近主瓣等位置处形成的零陷的深度、宽度及对主瓣和旁瓣的影响,计算的复杂度等。仿真验证了改进后算法在弧形阵列上有效性。3.针对小快拍和相干源情况下,Capon波束赋形算法输出信干噪比急剧下降,算法性能明显变差的问题,提出一种基于色加载的迭代自适应零陷波束赋形算法。该方法利用基于最大似然原理的迭代自适应方法对接收到的少量样本信号采用迭代更新的方式进行精确的空间信号谱估计,将空间谱估计的结果用来构建信号的采样协方差矩阵,将采样协方差矩阵与由样本中干扰信号的先验信息构建的先验协方差矩阵利用色加载因子组成色加载协方差矩阵,最后通过最小方差无畸变波束形成器求得形成零陷的最佳权矢量,通过仿真验证了所提算法的快速收敛性及其在不同干噪比下的零陷深度及加宽效果。
祁潇潇[6](2021)在《基于深度学习与双微阵列的语音命令词识别研究》文中研究指明语音交互式设备正在改变人们的生活方式,在智能家居、车载语音设备中应用广泛,通过语音将设备唤醒,是一个具有挑战的问题,但是在复杂环境下,语音设备如何能够准确接收指令是一个难点。本文研究了基于Res Net网络与双微阵列的语音命令词识别方法,提高了命令词的识别率,论文的重点任务如下:1.研究了一种结合循环神经网络语音端点检测算法,该算法是将含噪语音通过傅里叶变换转换成频谱图,从频谱图中找到频率活跃点,然后通过卷积-门控循环神经网络进行训练,最后对训练结果进行预测。使用双向门控循环单元(Bi GRU)网络、双向长短时记忆(Bi LSTM)网络和CNN-Bi GRU三种网络在信噪比为-10d B、0d B、10d B的环境中行实验。从实验的结果来看,在信噪比为-10d B、0d B、10d B的环境中,基于CNN-Bi GRU网络模型的预测准确率均高于其他两种网络模型。2.研究了一种结合差分麦克风阵列与自适应降噪的双麦克风语音增强算法。该算法利用一阶麦克风阵列技术,使用自适应算法进行降噪,最后使用对数MMSE算法作为后置滤波。实验表明,该算法能够抑制方向性噪声干扰问题,改善了语音质量。3.研究了一种基于双微麦克风阵列与宽残差网络的命令词识别算法。该算法在原始的残差模块的基础上拓宽了网络的宽度,减小了网络的深度,但是整体网络参数没有改变。算法结合双微麦克风阵列系统,语音数据集为双微麦克风数据集,使用功率归一化倒谱系数作为特征参数输入到残差网络中进行训练。实验表明,与Res Net15模型、Res Net18模型相比,只有三个残差模块的宽残差网络在噪声环境下语音命令词的识别和内外部说话人检测任务中有具有较高的准确度,均达到了95%以上。
荣小柳[7](2021)在《L型阵列下基于分布源模型的二维DOA估计算法研究》文中进行了进一步梳理波达方向估计(Direction of Arrival,DOA)是阵列信号处理的重要组成部分,可应用于无线通信、雷达、声呐等众多领域,现已取得丰富的研究成果。然而分析可知已有成果或算法均基于理想点源模型,而实际无线信号在传输过程中往往沿多径传输,在此背景下,分布源模型与实际传输信道环境更加匹配。目前,相比于点源模型下的DOA估计方法,分布源模型下的DOA估计成果还不够丰富,虽然也已经出现了一些相关的方法,但均基于理想阵列模型。至今为止,阵列模型误差下基于分布源模型的DOA估计方法还鲜有报道,深入研究分布源模型下的阵列误差校准及对应DOA估计方法具有重要的研究意义和实际价值。为此,该文基于单校准源及传播算子(Propagator Method,PM)原理研究了存在幅相误差及相干/非相干分布源模型下的DOA估计方法,以期突破已有分布源DOA估计方法存在的问题。首先,对相干及非相干分布源代表性DOA估计算法进行了深入分析,通过仿真实验可知已有方法仅在理想阵列模型中能获得高分辨率的估计结果,然而当存在幅相误差时其算法性能严重下降。同时通过非相干分布源DOA估计算法的复杂度分析可知已有方法大多进行谱峰搜索或迭代运算,复杂度高难以在实际环境中应用。其次,提出了一种相干分布源模型下基于单校准源的幅相误差校准及基于传播算子的二维DOA估计方法。该方法首先利用两个相邻采样周期阵列协方差矩阵的差值及特征值分解完成阵列幅相误差参数的估计,然后对阵列幅相误差补偿后采用PM算法完成分布源中心角度的估计。通过仿真实验证实本文所提的算法可有效抑制幅相误差噪声,并可提升DOA估计性能,同时还具有较低的算法复杂度。最后,提出了非相干分布源模型下基于传播算子和广义旋转不变技术联合的DOA估计新算法。该算法首先将二维非相干分布式信源模型近似等效为点源模型,利用PM算法获得初始DOA估计,然后在初始DOA估计的基础上结合广义旋转不变技术实现非相干分布源的二维DOA和扩展角度估计。通过仿真实验验证了所提出算法的有效性,同时与现有方法相比该算法具有更低的复杂度。
黄广超[8](2021)在《毫米波雷达超分辨率成像关键技术研究》文中研究表明雷达是一种利用电磁波对目标进行探测的电子装置。它将电磁波以定向方式辐射至空间中并接收空间内目标反射的回波,借此计算出目标的方向,距离和速度等信息。因此,雷达在探测和感知方面具有广阔的应用场景。毫米波雷达是工作在毫米波波段的雷达。由于工作波长较微波雷达更短,因此可以提供更高的成像分辨率;同时凭借主动的探测方式和电磁波的物理特性,可以在烟尘、雾霾、黑暗、强光等环境下稳定工作,具有很强的环境适应性。然而,由于受限于瑞利极限,常规的毫米波雷达在进一步提高成像角度分辨率方面存在困难,制约了毫米波雷达在精细化感知成像领域的广泛应用。因此,本文以提高毫米雷达角度分辨率为研究目的,利用多输入多输出(Multi-input Multi-output,MIMO)技术和阵列信号中的超分辨到达角(Direction of arrival,DOA)估计算法,实现对目标的超分辨测角。主要研究工作包括:(1)学习基于锯齿波调制的调频连续波(Frequency Modulated Continuous Wave,FMCW)雷达距离、速度和角度的测量原理,分析发现影响毫米波雷达成像分辨率的一个关键因素为角度分辨率。为了提高毫米波雷达的角度分辨率,研究了利用虚拟阵元来扩大阵列孔径的MIMO技术,建立基于FMCW发射波形的时分复用(Time Division Multiplexing,TDM)MIMO雷达的信号模型。(2)为了进一步提高毫米波雷达的成像分辨率,对常用的Capon、MUSIC、Root-MUSIC、ESPRIT等DOA估计算法进行了介绍,并根据TDM MIMO雷达的信号模型,对TDM MIMO雷达的DOA估计算法进行了仿真对比。对前后向空间平滑和改进的MUSIC两种去相干算法进行了对比分析。基于前后向空间平滑算法和Root-MUSIC算法,本文提出了一种去相干酉Root-MUSIC算法并开展了仿真实验,实验结果表明,该算法不仅能减少计算时间,而且还具有优越的去相干性能。(3)对毫米波雷达距离-角度二维成像信号模型进行研究,基于该信号模型提出了一种结合DFT(Discrete Fourier Transform)测距和去相干酉Root-MUSIC算法测角的二维成像算法。对本文实验测试的毫米波雷达硬件平台和相关参数进行了介绍,给出了本文提出的距离-角度二维成像算法的信号处理流程。最后利用毫米波雷达硬件分别在室外场景和室内场景中进行实验测试,验证了本文所提出距离-角度二维成像算法在解相干和超分辨率测角方面的优越性能。
林志鹏[9](2021)在《基于毫米波圆柱阵列的多维信道参数估计研究》文中研究指明广泛用于第五代(Fifth-Generation,5G)无线通信的毫米波大规模天线阵列技术,由于具有很高的时间分辨率和出色的方向特性,因此极具实现高精度信道参数估计的潜力。然而,目前大多数应用于毫米波大规模天线系统的信道参数估计方法不但具有很高的软硬件复杂度,而且没能有效地将信道本身的特性加以利用以提升参数估计的性能,导致这些方法在5G毫米波大规模天线系统中的实际应用受到了限制。通过对接收信号中的角度、时延等信息进行处理,本文为基于大规模圆柱阵列的5G毫米波通信系统提出了有效的信道参数(如方向或传输距离等)估计方法。与传统线阵和平面方阵相比,圆柱阵列不仅对波束失准具有很强的抵抗力,而且对由于阵列振动引起的角度变化有很高的鲁棒性,所以非常适用于毫米波通信系统。本文的贡献主要在以下四个方面:(1)提出了适用于毫米波室内场景的低复杂度信道参数估计方法。通过利用毫米波多天线信道的稀疏特性,提出了一种基于信道压缩的信号预处理方法。该方法可以有效地滤除接收信号中的多次反射和漫反射分量。因此,可以在保留用于信道参数估计的有用信号分量的同时,显着减小接收信号的元素空间尺寸。本文还设计了一种基于波束空间变换的联合接收信号强度(Received Signal Strength,RSS)—到达角(Angle of Arrival,AoA)估计算法。该算法在低维波束空间中对信道参数进行估计,进一步降低了信道参数估计过程中的计算复杂度。(2)将信道参数估计方法扩展到采用混合圆柱阵列的室外毫米波通信场景(如:城市微小区(Urban Micro,UMi)和乡村宏小区(Rural Macro,RMa)),并提出适用于宽带通信系统的信号预处理方法。通过采用线性变换的方式对混合波束成形架构进行设计,可以在不破坏接收信号中多重旋转不变性结构的条件下,极大降低系统所需的射频链数目,从而减小系统的硬件开销。通过对各子载波上的接收信号进行线性组合,所提宽带预处理方法实现了整个频带上信号的一致性,这使基于子空间的参数估计算法可以充分利用宽带毫米信道的高时间分辨率特性对整个频带上的信道参数进行联合估计,极大提高了参数估计的精度。(3)采用张量方法对接收信号进行建模,并使用基于张量的子空间算法滤除信号在所有维度(时间、频率和空间)中的噪声分量。本文建立了接收信号的高阶奇异值分解模型,并利用信号在各维度中的旋转不变性关系同时对各路径的时延、方位角和俯仰角进行估计。仿真结果表明,与现有基于矩阵的信道参数估计方法相比,所提出的基于张量的信道参数估计算法可以在不明显增加系统计算量的前提下,显着提升信道参数的估计精度。(4)为了在提供较强的网络接入能力的同时,降低网络的运行成本和能量消耗,本文设计了适用于海量物联网场景的新型内嵌式混合圆柱天线阵列,并提出了相应的基于信号二阶统计信息的角度估计算法。本文使用相位—空间变换将圆柱天线阵列响应矢量中非线性的相位信息变换为随阵元位置呈线性变化的形式,在不损坏圆柱阵列固有的轴向对称结构的条件下,保证了较好的信道参数估计精度。仿真结果表明,通过利用稀疏阵列技术设计混合波束成形中的射频链连接矩阵,能够在射频链路数目很少的情况下对大量物联网设备的角度信息进行精确估计。总之,本文针对不同的毫米波通信场景(如:室内、UMi、RMa和海量物联网),分别提出了实用的圆柱阵列设计方案和高效的信道参数估计方法。本文提出的基于圆柱阵列的信道参数估计方法不仅可以在参数估计精度损失很小的情况下,显着降低系统的硬件成本,还能够在较低的计算复杂度下对信道参数进行精确估计。仿真结果表明,本文所设计的圆柱阵列及相应的信道参数估计方法可以满足多种毫米波场景的通信和部署要求。
李浩[10](2021)在《基于互质阵列的分布源波达方向估计技术研究》文中提出复杂环境的散射、反射和衍射会导致信号源在空间发生一定的角度扩展,此时需要将目标信号源建立为一个分布源模型。目前,针对分布源模型的波达方向(Direction of Arrival,DOA)估计算法大多基于均匀阵列,稀疏互质阵列在分布源DOA估计领域的应用面临适用性问题;现有算法大多基于分布源信号为高斯信号和圆信号的假设,较少考虑非高斯信号特性与非圆信号特性问题。相比均匀阵列,稀疏互质阵列以其阵列孔径大、互耦误差小的优势广泛应用于点源模型DOA估计,且利用特殊的信号特性对提升分布源DOA估计性能有重要意义。因此,本文考虑解决互质阵列在分布源模型DOA估计领域的适用性问题,并围绕信号非高斯特性和非圆特性展开研究,提出若干高精度、高自由度的分布源DOA估计算法。论文的主要工作和创新点如下:1.研究了基于互质阵列的一般分布源角度参数估计问题。现有算法受限于均匀阵列阵列孔径小、互耦误差大的缺点。针对该问题,提出一种互质阵列下公共谱峰搜索的分布源角度参数估计算法,解决互质阵列在分布源模型条件下的适用性问题。基于一般分布源单源入射场景,推导模糊产生机理,证明了两个稀疏均匀子阵DOA估计结果的交集即为真实值,并以此为依据消除角度模糊。该算法不再局限于原稀疏互质阵列的阵型结构特性,使得算法在复杂应用场景中有较强的适用性。仿真实验表明该算法相比于相同阵元数的现有算法估计精度更高。2.研究了基于互质阵列的非高斯特性分布源角度参数估计问题。现有算法大多基于信号为高斯信号的假设,当信号为非高斯信号时,仍然沿用二阶统计量无法全面描述其信号特征,故损失一定的信息量,导致DOA估计性能受限。针对该问题,利用非高斯信号高阶累积量不为零的特点,结合互质阵的虚拟阵列性质,提出一种基于四阶累积量的分布源角度参数估计算法。与二阶统计量不同的是,当信号为非高斯信号时,四阶累积量包含更多的有用信息,所提算法首先通过建立互质阵列下的接收信号模型,选取合适的四阶累积量构造形式,进而推导四阶累积量在分布源模型下的扩展虚拟阵列机理,构造虚拟阵列,扩大阵列孔径,提高估计自由度,解决四阶累积量和互质阵列在分布源模型下的适用性问题;其次,对四阶累积量进行去冗余操作,将其等效为虚拟阵列接收信号的协方差矩阵进行处理;最后通过二维谱峰搜索的方式求解中心方位角和角度扩展参数。仿真结果与分析表明,相同物理阵元数条件下,所提算法的估计精度和自由度性能均好于现有算法。3.研究了基于互质阵列的非圆特性分布源角度参数估计问题。现有算法在圆与非圆信号混合情况下,圆信号无法扩展虚拟阵列,将限制阵列孔径和自由度的提升,且无法分辨同一方向的分布式圆信号和分布式非圆信号。针对此问题,提出一种基于圆与非圆分离的分布源信号角度参数估计算法。所提算法首先研究互质阵列中分布式圆信号与分布式非圆信号混合场景下的阵列接收信号模型;然后依次对分布式非圆信号和分布式圆信号进行DOA估计求解。针对非圆信号,采用椭圆协方差矩阵矢量化方法获取虚拟阵列,使接收信号变为等效单快拍形式,通过空间平滑处理得到等效协方差矩阵,从而利用谱峰搜索算法或复杂度较低的求根算法求解非圆信号中心方位角与角度扩展参数;针对圆信号,将分布式非圆信号的估计结果反代,重构非圆信号的协方差矩阵,得到仅含分布式圆信号的等效协方差矩阵,同样利用谱峰搜索算法或者求根的方法求解分布式圆信号中心方位角与角度扩展参数。理论分析与仿真实验共同表明,较现有算法而言,所提算法通过矢量化和信号的分离重构,具有更高的自由度与更大的阵列孔径,因此能够实现欠定估计并且获得更高的参数估计精度。
二、CSMG波束形成算法在相干和非相干环境中的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、CSMG波束形成算法在相干和非相干环境中的应用(论文提纲范文)
(1)基于麦克风阵列的语音增强算法的研究与实现(论文提纲范文)
摘要 |
abstract |
专用术语注释表 |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 声源定位算法研究现状 |
1.2.2 语音增强算法研究现状 |
1.2.3 回声消除技术研究现状 |
1.3 本文研究内容与结构安排 |
第二章 麦克风阵列 |
2.1 麦克风阵列拓扑结构 |
2.1.1 麦克风均匀线阵模型 |
2.1.2 麦克风均匀圆阵模型 |
2.2 语音处理评价标准 |
2.3 硬件平台 |
2.3.1 语音处理模块 |
2.3.2 语音采集模块 |
2.4 本章小结 |
第三章 语音信号到达方向估计 |
3.1 典型声源定位算法中的到达方向估计 |
3.1.1 可控波束声源定位算法 |
3.1.2 子空间声源定位算法 |
3.1.3 基于TDOA的声源定位算法 |
3.2 改进的波束形成到达方向估计算法 |
3.3 性能分析 |
3.4 本章小结 |
第四章 麦克风阵列语音增强算法 |
4.1 固定波束形成 |
4.2 自适应波束形成 |
4.2.1 LCMV波束形成算法 |
4.2.2 广义旁瓣抵消器 |
4.3 后置滤波波束形成 |
4.4 改进的后置滤波语音增强算法 |
4.5 性能分析 |
4.6 本章小结 |
第五章 回声消除算法 |
5.1 自适应回声消除算法 |
5.1.1 回声消除器中的自适应滤波器性能指标 |
5.1.2 自适应滤波器结构 |
5.2 典型自适应回声消除算法 |
5.2.1 递归最小二乘法 |
5.2.2 最小均方算法 |
5.2.3 块处理LMS算法 |
5.2.4 归一化最小均方算法 |
5.3 基于LMS的回声消除算法 |
5.4 系统测试 |
5.4.1 系统设计 |
5.4.2 软件开发工具 |
5.4.3 性能分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
附录 攻读硕士学位期间申请的专利 |
致谢 |
(2)基于GSC结构的麦克风阵列语音增强技术研究(论文提纲范文)
摘要 |
Abstract |
符号及缩写含义清单 |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 语音增强相关技术及领域发展现状 |
1.2.1 单通道语音增强发展现状 |
1.2.2 麦克风阵列语音增强算法研究现状 |
1.3 本文的主要研究内容 |
第二章 麦克风阵列语音增强基础 |
2.1 语音信号分析基础 |
2.1.1 语音信号特性 |
2.1.2 语音信号处理方法 |
2.1.3 噪声特性及分类 |
2.2 麦克风阵列理论基础 |
2.2.1 麦克风阵列拓扑结构 |
2.2.2 麦克风阵列信号模型 |
2.3 语音增强算法的评价标准 |
2.3.1 时域失真测度 |
2.3.2 感知语音质量 |
2.4 本章小结 |
第三章 麦克风阵列语音增强算法介绍和分析 |
3.1 固定波束形成算法 |
3.2 GSC波束形成算法 |
3.3 基于后置滤波的GSC算法 |
3.4 仿真实验分析 |
3.4.1 简单声学环境 |
3.4.2 复杂声学环境 |
3.5 本章小结 |
第四章 基于谱减法改进的GSC语音增强算法 |
4.1 GSC改进算法 |
4.2 改进的谱减法 |
4.3 仿真实验分析 |
4.3.1 仿真环境配置 |
4.3.2 分段信噪比分析 |
4.3.3 PESQ值分析 |
4.3.4 语谱图分析 |
4.4 本章小结 |
第五章 基于Kalman滤波改进的GSC语音增强算法 |
5.1 基于Kalman滤波的语音增强方法 |
5.1.1 语音信号的全极点模型 |
5.1.2 基于Kalman滤波的语音增强 |
5.2 仿真结果分析 |
5.2.1 仿真环境建立 |
5.2.2 PESQ分析 |
5.2.3 分段信噪比分析 |
5.2.4 语谱图分析 |
5.3 本章小结 |
第六章 基于DNN改进的GSC语音增强算法 |
6.1 基于GSC-DNN的语音增强算法 |
6.1.1 特征提取 |
6.1.2 多目标DNN |
6.1.3 语音重构 |
6.1.4 基于GSC-DNN的语音增强 |
6.2 实验结果分析 |
6.2.1 仿真环境 |
6.2.2 分段信噪比分析 |
6.2.3 PESQ分析 |
6.2.4 语谱图分析 |
6.3 本章小结 |
第七章 结论与展望 |
7.1 论文总结 |
7.2 未来展望 |
参考文献 |
作者简介 |
(3)麦克风阵列自适应GSC语音增强方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外相关领域的研究现状 |
1.3 本文主要研究内容 |
第二章 麦克风阵列语音增强的基础理论 |
2.1 语音信号特性 |
2.2 人耳感知特性 |
2.3 噪声分类及各自特性 |
2.4 语音质量的评判方式 |
2.4.1 主观评判方式 |
2.4.2 客观评判方式 |
2.5 麦克风阵列接收信号理论模型 |
2.5.1 麦克风阵列拓补结构 |
2.5.2 传统麦克风阵列接收窄带信号的理论模型 |
2.5.3 传统麦克风阵列接收宽带信号的理论模型 |
2.6 麦克风阵列语音增强的基本方法 |
2.6.1 麦克风阵列语音增强的代表方法 |
2.6.2 几种语音增强方法的优缺点比较 |
2.7 本章小结 |
第三章 高斯噪声背景下的麦克风阵列语音增强方法研究 |
3.1 引言 |
3.2 自适应滤波概述 |
3.2.1 自适应滤波器原理 |
3.2.2 经典线性自适应滤波算法 |
3.3 传统广义旁瓣抵消器原理 |
3.4 盲源信号分离语音增强方法 |
3.4.1 盲源信号分离方法的基本原理 |
3.4.2 独立分量分析方法的基本数学模型 |
3.4.3 快速独立分量分析方法的基本原理和使用步骤 |
3.5 后置Fast ICA信号分离的改进GSC语音增强方法 |
3.6 实验仿真与结果分析 |
3.7 本章小结 |
第四章 非高斯噪声背景下的麦克风阵列语音增强方法研究 |
4.1 引言 |
4.2 α-稳定分布噪声 |
4.2.1 α-稳定分布的定义 |
4.2.2 α-稳定分布的性质 |
4.2.3 α-稳定分布随机变量的生成 |
4.3 适用于对抗非高斯噪声的代价函数 |
4.4 凸组合滤波器 |
4.4.1 凸组合滤波器的基本原理 |
4.4.2 基于最大箕舌线准则的凸组合滤波器 |
4.5 基于凸组合滤波器的改进GSC语音增强方法 |
4.6 实验仿真与结果分析 |
4.7 本章小结 |
第五章 多噪声背景下的麦克风阵列语音增强方法研究 |
5.1 引言 |
5.2 传统谱减法 |
5.3 改进谱减法 |
5.4 基于改进谱减法的改进GSC语音增强方法 |
5.5 实验仿真与结果分析 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
作者简介 |
(4)基于矩阵重构的相干信源波达方向估计算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题背景及研究的目的和意义 |
1.2 经典解相干算法分类 |
1.3 子空间类解相干算法研究现状 |
1.3.1 空间平滑类算法 |
1.3.2 矩阵重构类算法 |
1.4 子空间类解相干算法的工程化研究 |
1.4.1 结合差分/斜投影的解相干算法 |
1.4.2 基于其他阵列结构的解相干算法 |
1.5 本文主要研究内容及结构安排 |
1.5.1 本文理论体系的基本框架 |
1.5.2 论文各章内容及结构安排 |
第2章 相位差对子空间解相干算法性能的影响分析 |
2.1 引言 |
2.2 数学模型 |
2.2.1 一般情况下的信号数学模型 |
2.2.2 一维阵列模型及数学模型 |
2.2.3 二维阵列模型及数学模型 |
2.3 独立信源二阶统计特性 |
2.4 相干信源二阶统计特性 |
2.4.1 相关系数定义和相干信源数据模型 |
2.4.2 相干信源的相位差与相关系数的关系 |
2.5 相位差变化下子空间解相干算法的性能分析 |
2.5.1 相位差变化下空间平滑算法的性能分析 |
2.5.2 相位差变化下特征矢量重构算法的性能分析 |
2.5.3 相位差变化下数据矩阵重构算法的性能分析 |
2.6 相干信源相位差变化下克拉美罗界的性能分析 |
2.6.1 相干信源相位差变化下的克拉美罗界 |
2.6.2 相位差变化下克拉美罗界的性能分析 |
2.7 本章小结 |
第3章 基于信号特征矢量矩阵重构算法 |
3.1 引言 |
3.2 基于多列信号特征矢量重构算法 |
3.2.1 MEVD算法原理 |
3.2.2 算法性能分析 |
3.2.3 算法流程 |
3.2.4 仿真与分析 |
3.3 基于均匀圆阵最大信号特征矢量重构算法 |
3.3.1 MGEVD算法原理 |
3.3.2 EMEVD算法原理 |
3.3.3 算法运算量分析 |
3.3.4 算法流程 |
3.3.5 仿真与分析 |
3.4 本章小结 |
第4章 基于波束空间加权矩阵重构算法 |
4.1 引言 |
4.2 ESPRIT-LIKE算法性能失效分析 |
4.2.1 ESPRIT-like算法原理 |
4.2.2 ESPRIT-like算法失效原因分析 |
4.2.3 仿真与分析 |
4.3 基于波束空间加权矩阵重构算法 |
4.3.1 WTOEP算法原理 |
4.3.2 算法性能分析 |
4.3.3 算法运算量分析 |
4.3.4 算法流程 |
4.3.5 仿真与分析 |
4.4 基于均匀圆阵波束空间加权矩阵重构算法 |
4.4.1 MODE-WTOEP算法原理 |
4.4.2 算法性能分析 |
4.4.3 算法流程 |
4.4.4 仿真与分析 |
4.5 本章小结 |
第5章 基于完整数据矩阵信息平方矩阵重构算法 |
5.1 引言 |
5.2 基于完整协方差矩阵信息平方矩阵重构算法 |
5.2.1 FB-PTMR算法原理 |
5.2.2 算法性能分析 |
5.2.3 算法流程 |
5.2.4 仿真与分析 |
5.3 基于完整相关矩阵信息平方矩阵重构算法 |
5.3.1 MTOEP算法原理 |
5.3.2 算法性能分析 |
5.3.3 算法运算量分析 |
5.3.4 算法流程 |
5.3.5 仿真与分析 |
5.4 基于均匀圆阵完整矩阵信息平方矩阵重构算法 |
5.4.1 MODE-MTOEP算法原理 |
5.4.2 算法性能分析 |
5.4.3 算法流程 |
5.4.4 仿真与分析 |
5.5 本文提出的矩阵重构算法对比分析 |
5.5.1 估计性能对比 |
5.5.2 运算效率对比 |
5.5.3 全文算法总结 |
5.6 本章小结 |
结论 |
附录 |
附录 A 英文缩略语与含义 |
附录 B 数学符号与含义 |
附录 C 数学公式 |
附录 D 经典子空间算法 |
附录 E 空间平滑算法信源协方差矩阵恢复满秩的证明 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
致谢 |
个人简历 |
(5)弧形阵列天线零陷波束赋形算法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 相关研究内容及研究现状 |
1.2.1 弧形阵列研究现状 |
1.2.2 波束赋形研究现状 |
1.3 本文主要研究工作与内容安排 |
第二章 阵列天线基础及波束赋形理论 |
2.1 引言 |
2.2 阵列天线基础 |
2.2.1 线阵天线理论分析 |
2.2.2 弧形阵列天线理论分析 |
2.3 阵列信号模型及波束赋形理论 |
2.3.1 阵列信号模型 |
2.3.2 波束赋形理论 |
2.4 仿真结果及分析 |
2.5 小结 |
第三章 基于弧形阵列的零陷波束赋形算法研究 |
3.1 引言 |
3.2 弧形阵列等效线阵的天线设计 |
3.2.1 有效工作阵元选取策略 |
3.2.2 相位补偿策略 |
3.3 窄零陷波束赋形算法 |
3.3.1 正交投影零陷波束赋形算法 |
3.3.2 Capon零陷波束赋形算法 |
3.4 宽零陷波束赋形算法 |
3.4.1 基于Gram-Schmidt的正交投影宽零陷算法 |
3.4.2 基于LCMV线性约束最小方差的宽零陷算法 |
3.4.3 基于导数约束的宽零陷算法 |
3.4.4 约束最优化静态综合宽零陷算法 |
3.5 仿真结果及分析 |
3.6 本章小结 |
第四章 基于迭代自适应的零陷波束赋形算法 |
4.1 引言 |
4.2 基于加权最小二乘的迭代自适应零陷波束赋形算法 |
4.3 基于色加载的迭代自适应宽零陷波束赋形算法 |
4.3.1 基于最大似然原理的迭代自适应方法 |
4.3.2 色加载方法 |
4.4 仿真结果及分析 |
4.5 本章小结 |
总结与展望 |
总结 |
展望 |
参考文献 |
致谢 |
攻读学位期间取得的学术成果 |
个人简历 |
(6)基于深度学习与双微阵列的语音命令词识别研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
§1.1 引言 |
§1.2 课题研究背景和意义 |
§1.3 课题研究及发展现状 |
§1.3.1 语音识别的发展历程 |
§1.3.2 语音识别的方法 |
§1.4 本文研究内容与整体结构 |
第二章 语音识别的相关理论 |
§2.1 语音相关知识 |
§2.1.1 语音特性 |
§2.1.2 人耳听觉感受性 |
§2.2 语音识别系统结构 |
§2.3 语音的预处理 |
§2.3.1 预加重 |
§2.3.2 分帧和加窗 |
§2.3.3 端点检测 |
§2.4 一种基于循环单元神经网络的语音端点检测方法 |
§2.4.1 卷积-门控循环单元神经网络语音端点检测 |
§2.4.2 实验分析 |
§2.5 本章小结 |
第三章 麦克风阵列语音增强 |
§3.1 麦克风阵列结构 |
§3.2 麦克风阵列语音增强算法 |
§3.2.1 延时-求和固定波束形成 |
§3.2.2 线性约束最小方差 |
§3.2.3 广义旁瓣抵消器 |
§3.2.4 最小方差无畸变响应 |
§3.3 后置滤波算法 |
§3.4 基于一阶差分麦克风阵列自适应语音增强 |
§3.4.1 双麦克风模型 |
§3.4.2 时域LMS算法 |
§3.4.3 实验仿真结果 |
§3.5 本章小结 |
第四章 基于双微阵列与Wide Res Net的命令词识别算法 |
§4.1 深度残差网络 |
§4.1.1 深度残差网络介绍 |
§4.1.2 深度残差网络中的恒等映射 |
§4.1.3 Wide Res Net(WRN)模型结构 |
§4.2 双微麦克风阵列 |
§4.2.1 双微麦克风阵列 |
§4.2.2 双微麦克风阵列数据 |
§4.3 特征提取 |
§4.4 实验结果与分析 |
§4.4.1 实验结果 |
§4.4.2 实验分析 |
§4.5 本章小结 |
第五章 总结与展望 |
参考文献 |
致谢 |
作者在攻读硕士期间的主要研究成果 |
(7)L型阵列下基于分布源模型的二维DOA估计算法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景及意义 |
1.2 课题研究动态 |
1.3 本文研究内容和结构 |
第2章 分布源模型和经典DOA估计算法分析 |
2.1 引言 |
2.2 相干分布源模型 |
2.2.1 一维相干分布源模型 |
2.2.2 二维相干分布源模型 |
2.3 相干分布源典型算法分析 |
2.4 非相干分布源模型 |
2.4.1 一维非相干分布源模型 |
2.4.2 二维非相干分布源模型 |
2.5 二维非相干分布源典型算法分析 |
2.5.1 波束空间变换DOA估计算法 |
2.5.2 广义ESPRIT算法 |
2.6 本章小结 |
第3章 基于相干分布源的幅相误差校正及DOA估计 |
3.1 引言 |
3.2 幅相误差模型 |
3.3 L型阵列下幅相误差校正及相干分布源中心DOA估计 |
3.3.1 阵列幅相误差估计算法原理 |
3.3.2 L型阵列下基于传播算子的相干分布源DOA估计 |
3.4 仿真实验与结果分析 |
3.5 本章小结 |
第4章 L型阵列下基于非相干分布源的DOA估计算法 |
4.1 引言 |
4.2 L型阵列下非相干分布源系统模型 |
4.3 二维非相干分布源DOA估计算法原理 |
4.4 算法优点和复杂度分析 |
4.5 仿真实验与结果分析 |
4.6 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
(8)毫米波雷达超分辨率成像关键技术研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 国内外研究现状与分析 |
1.2.1 毫米波雷达的研究现状 |
1.2.2 DOA超分辨率算法的研究现状 |
1.3 主要研究内容 |
第二章 基于MIMO体制的FMCW雷达基本理论 |
2.1 FMCW雷达的整体结构 |
2.2 基于锯齿波调制的FMCW雷达信号分析 |
2.2.1 FMCW雷达的测距原理 |
2.2.2 FMCW雷达的测速原理 |
2.2.3 FMCW雷达的测角原理 |
2.3 基于MIMO体制的FMCW雷达 |
2.3.1 MIMO雷达正交信号发射方式 |
2.3.2 MIMO虚拟孔径技术 |
2.3.3 TDM MIMO雷达信号模型 |
2.4 本章小结 |
第三章 超分辨率角度估计算法 |
3.1 阵列信号模型 |
3.2 DOA估计算法 |
3.2.1 Capon算法 |
3.2.2 MUSIC算法 |
3.2.3 Root-MUSIC算法 |
3.2.4 ESPRIT算法 |
3.2.5 DOA估计算法仿真验证 |
3.3 去相干算法 |
3.3.1 改进的MUSIC算法 |
3.3.2 前后向空间平滑算法 |
3.3.3 算法仿真验证 |
3.4 去相干酉Root-MUSIC算法 |
3.4.1 去相干酉Root-MUSIC算法原理 |
3.4.2 算法仿真验证 |
3.5 本章小结 |
第四章 基于TDM MIMO的毫米波雷达距离-角度二维成像算法 |
4.1 结合DFT测距和去相干酉Root-MUSIC算法测角二维成像算法 |
4.2 外场实验硬件平台及相关参数介绍 |
4.2.1 毫米波雷达平台介绍 |
4.2.2 毫米波雷达信号处理流程 |
4.2.3 毫米波雷达相关参数 |
4.3 毫米波雷达距离-角度成像实验 |
4.3.1 室外场景下的成像实验 |
4.3.2 室内场景下的成像实验 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 全文总结 |
5.2 后续工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(9)基于毫米波圆柱阵列的多维信道参数估计研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 研究现状 |
1.3 研究场景 |
1.4 主要研究内容与创新点 |
1.5 论文结构安排 |
第二章 基于数字圆柱阵列的联合RSS-AoA估计 |
2.1 研究动机 |
2.2 系统模型 |
2.3 信道压缩 |
2.3.1 角度量化 |
2.3.2 虚拟波束选择 |
2.4 联合RSS-AoA估计 |
2.4.1 RSS距离估计 |
2.4.2 角度估计 |
2.5 三维无线定位及复杂度分析 |
2.5.1 定位方案设计 |
2.5.2 算法复杂度分析 |
2.6 性能评估及讨论 |
2.6.1 波束空间角度估计 |
2.6.2 位置估计 |
2.6.3 量化误差的影响 |
2.7 小结 |
第三章 基于三维宽带混合圆柱阵列的信道参数估计 |
3.1 研究动机 |
3.2 系统模型 |
3.3 “两步”式宽带混合波束成形策略 |
3.3.1 垂直波束选择 |
3.3.2 水平准离散傅里叶变换波束成形 |
3.3.3 多维空间插值 |
3.4 宽带联合时延—角度估计算法 |
3.4.1 时延估计 |
3.4.2 角度估计 |
3.4.3 多径参数匹配 |
3.4.4 复杂度分析 |
3.5 仿真结果 |
3.6 小结 |
第四章 基于张量的混合定向圆柱阵列信道参数估计 |
4.1 研究动机 |
4.2 系统模型 |
4.3 混合定向波束成形设计 |
4.4 宽带信号的低复杂度相干预处理 |
4.5 基于张量的参数估计 |
4.5.1 信号的截断高阶奇异值分解 |
4.5.2 联合角度—时延估计 |
4.5.3 基于张量的圆柱阵列空间平滑方法 |
4.5.4 软硬件复杂度分析 |
4.6 仿真结果及讨论 |
4.7 小结 |
第五章 内嵌式混合圆柱阵列设计及DoA估计 |
5.1 研究动机 |
5.2 系统模型 |
5.3 内嵌式三维混合圆柱阵列 |
5.3.1 稀疏阵列技术概述 |
5.3.2 相位—空间变换 |
5.3.3 射频链连接矩阵设计 |
5.4 基于空间平滑的张量n-秩增强方法 |
5.5 二维DoA估计 |
5.5.1 俯仰角估计 |
5.5.2 方位角估计 |
5.5.3 软硬件复杂度分析 |
5.6 仿真结果及讨论 |
5.7 小结 |
第六章 总结和展望 |
附录 |
A 张量运算的性质 |
B 第二章的证明与推导 |
B.1 第2.4.2.1节的渐近性的证明 |
B.2 第2.5.1节每条路径的存在两个可能位置的证明 |
B.3 第2.6节CRLB的推导 |
C 第三章的证明和推导 |
C.1 第3.3.2节引理3.1的证明 |
C.2 第3.3.2节定理3.1的证明 |
D 第四章的证明和推导 |
D.1 第4.3节定理4.1的证明 |
E 第五章的证明和推导 |
E.1 第5.3.2节定理5.1的证明 |
E.2 第5.4节定理5.2的证明 |
参考文献 |
致谢 |
攻读博士期间发表的学术论文及专利 |
(10)基于互质阵列的分布源波达方向估计技术研究(论文提纲范文)
摘要 |
Abstract |
符号说明 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 研究现状 |
1.2.1 互质阵列研究现状 |
1.2.2 分布源DOA估计的研究现状 |
1.3 论文研究思路及主要工作 |
1.3.1 论文研究思路 |
1.3.2 论文主要工作 |
1.4 论文的组织结构与内容安排 |
第二章 相关理论基础 |
2.1 引言 |
2.2 互质阵列基础理论 |
2.2.1 物理阵列 |
2.2.2 虚拟阵列 |
2.2.3 阵列孔径和可估计信源数 |
2.3 信号特性基础理论 |
2.3.1 非高斯信号 |
2.3.2 非圆信号 |
2.4 本章小结 |
第三章 基于互质阵列的一般分布源DOA估计方法研究 |
3.1 引言 |
3.2 互质阵列下一般分布源信号的接收模型 |
3.3 一种基于公共谱峰搜索的分布源信号DOA估计算法 |
3.3.1 算法原理 |
3.3.2 复杂度分析 |
3.3.3 仿真实验 |
3.4 本章小结 |
第四章 基于互质阵列的非高斯特性分布源DOA估计方法研究 |
4.1 引言 |
4.2 互质阵列下非高斯分布源信号的接收模型 |
4.3 一种基于四阶累积量的分布源DOA估计算法 |
4.3.1 算法可行性分析 |
4.3.2 算法原理 |
4.3.3 算法步骤 |
4.4 性能分析与仿真实验 |
4.4.1 克拉美罗下界推导 |
4.4.2 复杂度分析 |
4.4.3 仿真实验 |
4.5 本章小结 |
第五章 基于互质阵列的非圆特性分布源DOA估计方法研究 |
5.1 引言 |
5.2 互质阵列下分布式圆与非圆混合信号的接收模型 |
5.3 一种基于圆与非圆分离的分布源信号DOA估计算法 |
5.3.1 算法原理 |
5.3.2 复杂度分析 |
5.3.3 仿真实验 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 后期展望 |
致谢 |
参考文献 |
作者简历 |
四、CSMG波束形成算法在相干和非相干环境中的应用(论文参考文献)
- [1]基于麦克风阵列的语音增强算法的研究与实现[D]. 陈震昊. 南京邮电大学, 2021
- [2]基于GSC结构的麦克风阵列语音增强技术研究[D]. 刘力玮. 南京信息工程大学, 2021(01)
- [3]麦克风阵列自适应GSC语音增强方法研究[D]. 陆浩志. 南京信息工程大学, 2021(01)
- [4]基于矩阵重构的相干信源波达方向估计算法研究[D]. 张薇. 哈尔滨工业大学, 2021(02)
- [5]弧形阵列天线零陷波束赋形算法研究[D]. 卫晓楠. 内蒙古工业大学, 2021(01)
- [6]基于深度学习与双微阵列的语音命令词识别研究[D]. 祁潇潇. 桂林电子科技大学, 2021(02)
- [7]L型阵列下基于分布源模型的二维DOA估计算法研究[D]. 荣小柳. 燕山大学, 2021
- [8]毫米波雷达超分辨率成像关键技术研究[D]. 黄广超. 电子科技大学, 2021(01)
- [9]基于毫米波圆柱阵列的多维信道参数估计研究[D]. 林志鹏. 北京邮电大学, 2021(01)
- [10]基于互质阵列的分布源波达方向估计技术研究[D]. 李浩. 战略支援部队信息工程大学, 2021(01)