一、具有相位误差敏感性的CM阵波束形成器（论文文献综述）
朱训谕[1]（2021）在《基于深度学习的小尺度麦克风阵的语音增强研究》文中研究表明近年来,语音逐渐成为人机交互的重要手段之一。在室内,噪声和干扰,以及由墙壁和其他物体表面反射引起的混响是造成语音质量和可懂度下降的主要原因。由于混响和语音之间的高度相关性,抑制混响是增强语音的一项艰巨的挑战。噪声和干扰则使得室内语音增强问题更为复杂。风噪声具有和语音信号类似的非平稳特性,使得室外语音增强面临挑战。本文将深度学习用于室内及室外语音增强,此外,将阵处理与深度学习相结合,以增强多通道麦克风数据采集系统接收到的远程语音。本文提出一种联合波束形成和深度复数Unet网络（Combination of Beamforming and Deep Complex U-Net,BF-DCUnet）的深度神经网络架构,用于语音去混响。波束形成作为预处理模块,用于提高信噪比并抑制来自其它方向的干扰。通过集成频带提取模块和复数卷积操作,去混响性能进一步提升,同时利用异构卷积策略在保证去混响性能的情况下简化网络模型。基于THCHS-30语料,本文构造混响语音数据集用于BF-DCUnet模型训练和仿真测试,最后由多通道采集系统采集的混响语音数据验证BF-DCUnet的有效性。对于语音降噪任务,针对卷积神经网络无法有效估计期望语音信号相位的问题,本文提出了基于深度复数卷积神经网络和自我注意力机制（Deep Complex Convolution Recurrent Network with Self-attention,DCCRN-SA）的语音降噪算法,设计复数卷积和Dense块结合实现准确的相位估计,并通过自我注意力机制和复数长短期记忆单元（Long Short-Term Memory,LSTM）相结合实现对非平稳噪声的有效抑制。基于Libri Speech语料训练室内和室外场景性模型,DCCRN-SA在使用仿真数据和多通道麦克风数据采集系统接收的带噪语音数据的测试中表现良好。最后,语音增强系统基于Qt平台设计并搭建,该系统包含两个子系统:一个为用于语音去混响和降噪的室内语音增强;另一个为用于抑制风噪声的室外语音增强。系统的实时处理结果进一步验证了所提出的语音增强框架的有效性。
张敏[2]（2021）在《基于深度学习的小尺度麦克风阵列多语音源辨识方法研究》文中研究说明语音交流是人类沟通交流最有效的方式之一。多说话人场景下噪声、混响和多声源之间的混叠,使得对多语音源的混合信号进行声源定位和语音分离变得更具有挑战性。本文针对小尺度麦克风阵列,对含有多个语音源的远场语音信号进行定位和分离研究。为了提升小尺度麦克风阵列上的语音信号定位性能,提出基于卷积神经网络（Convolu-tional Neural Network,CNN）的多语音源到达角（Direction of Arrival,DO A）估计算法,以及多语音源计数和DO A联合估计算法。联合估计算法通过多任务学习（Multi-task Learning,MTL）模型实现同时估计声源个数和DOA。仿真和实验数据处理结果,证明了本文所提出的基于深度学习的多语音源DOA估计方法比传统的高分辨率DOA估计算法有更好的定位性能。为了提升远场环境下单通道多说话人语音分离效果,提出基于时序卷积网络（Temporal Convolutional Network,TCN）的多通道语音分离方法。实现了基于空间特征的多通道时域语音分离网络（Time-Domain Audio Separation Network,Tasnet）和基于固定波束的多通道时域语音分离网络。最后,基于声源数目检测和DOA联合估计,实现在未知说话人个数情况下的多通道时域语音分离算法。仿真和实验结果证明了本文所提出的多通道时域语音分离算法的有效性。本文设计了一种用于多语音源感知的应用系统,将声源定位和语音分离算法级联起来进行处理。实时处理结果进一步验证了本文提出的基于小尺度麦克风阵列的多通道语音分离算法的有效性。
闫宁[3]（2021）在《宽带声源定位方法及研究》文中进行了进一步梳理随着海洋领域的大力发展,声隐身性对于海上工作有着至关重要的作用。开展水下声源定位研究,确定水下声源所处空间的分布情况,研究不同类型声源对水下平台的影响,是进行减振降噪的一个重要过程。随着减振降噪技术的不断发展,水下平台自身辐射的噪声水平越来越低,若仍使用在远场条件下对水下声源的分析方法已经不能准确地获得声源位置信息。相较于窄带声源,宽带声源可以携带更多信息。因此,研究宽带声源的定位方法具有特别重要的意义。本文分析了典型的宽带声源的波达方向估计算法,并且在此基础上提出了基于同心分布双圆阵的声源定位算法和基于组合阵的声源定位算法。对不同频率和不同信噪比下的声源波达方向进行了仿真。首先,对声源定位基本方法进行分析,主要针对宽带声源子空间分类算法和近场高分辨算法并进行数学分析及仿真。其次,分析了宽带声源模型以及接收阵列模型,由于相干声源之间相差一个常数,故可以建立宽带相干声源模型。随后提出的高分辨算法,针对宽带远场声源提出了一种适合在宽频段内的相干源二维波达方向估计算法。该算法先计算出宽带声源的中心频率,再构造一个实值波束形成器,将宽带声源通过波束形成器进行处理,对处理后的数据采用二维子空间声源定位算法进行谱峰搜索即可得到声源位置信息。通过仿真分析验证了算法的准确性。最后,针对宽带近场声源提出一种基于矢量声压组合基阵的柱面分布宽带声源近场高分辨定位方法。先建立以柱面为被测面的近场声源模型,利用矢量水听器具有的单边指向性解决水下近场声源定位出现的左右弦模糊问题,采用子空间分类算法对宽带声源进行谱峰搜索。通过仿真分析验证了该算法的高分辨率的特性。
王睿[4]（2021）在《分布式麦克风阵列的校准方法研究》文中进行了进一步梳理随着以智能手机和笔记本电脑为代表的便携设备的普及,在日常工作和生活中实现分布式麦克风网络的组建变得越来越容易。相比于传统固定拓扑结构的麦克风阵列,分布式麦克风阵列具有灵活的网络构架、广阔的空间覆盖范围、强大的容错能力和功耗更低的分布式数据处理能力,但也正因为它的这些特点为其相关算法的研究带来了挑战。传统麦克风阵列相关的算法对其并不适用,需研究专用于分布式麦克风阵列信号处理的算法;用于分布式麦克风阵列的信号处理方法大都依赖于节点的空间位姿,但由于节点摆放的任意性,网络中各节点的位姿通常未知;网络中各麦克风的内部电路不同,导致麦克风频率响应失配问题;网络中各节点具有独立处理单元,却必须面对独立时钟系统之间的异步问题。本文针对分布式麦克风网络中的采样率失配、麦克风频率响应失配和节点位姿校准问题,分别提出了对应的校准方法和解决方案,以抑制各类失配问题对分布式麦克风阵列信号处理算法的影响。本文的主要创新工作如下:（1）针对分布式麦克风网络中采样率失配问题,提出了一种基于多信号分类谱估计的分布式麦克风网络采样率校准方法。该方法采用余弦信号作为采样率校准信号,并求取分布式麦克风网络中各节点接收信号之间的Hadamard乘积,该乘积结果包含两种频率可区分的余弦信号,且两余弦信号的频率与节点间的采样率偏差有关。然后,采用低通和带通滤波器分别提取两个余弦信号,通过多信号分类算法对频率较低的余弦信号的频谱进行估计,从而获得采样率偏差的绝对值;通过观察频率较高的余弦信号的频谱,获得采样率偏差的符号。最后,采用四阶拉格朗日插值算法对节点之间的采样率偏差进行补偿。该方法具有较高的采样率偏差估计精度,并且计算复杂度较低。仿真和实际实验结果表明,该方法对噪声和混响环境条件具有良好的鲁棒性。（2）针对少量麦克风之间的频率响应失配问题,提出了一种基于自适应滤波器的麦克风频率响应校准方法。各麦克风聚拢时其接收信号相似,且各麦克风频率响应间的偏差与其输出信号间偏差对应。本文根据这一特点,在建立麦克风阵列前将各麦克风聚拢放置,并在各麦克风输出端分别附加自适应校准滤波器。然后,通过最小化各自适应滤波器输出的联合频谱均方误差来建模频率响应失配问题。最后,在算法优化阶段采用频域最小均方算法对各麦克风频率响应的校准滤波器进行求解。与现有麦克风频率响应校准方法相比,该方法无需参考信号或声源与麦克风之间相对位置信息。仿真和实际实验结果表明,即使在混响和环境噪声条件下,本文方法仍具有良好的麦克风频率响应校准性能。此外,校准大量麦克风的频率响应时,即使将麦克风聚拢放置,距离较远的麦克风接收信号间的相关性也会变弱,但相邻麦克风接收信号之间仍保持良好的相关性。根据这一特点,本文提出了一种基于一致性策略的麦克风频率响应校准方法。结合分布式融合方法中的平均一致性策略,对相邻麦克风之间的频率响应进行迭代融合,从而解决频率响应失配问题。该方法可解决大规模麦克风网络中的频率响应校准问题,并且信号处理以及相关运算仅发生在相邻节点之间,能够实现各节点分布式计算。仿真和实际实验结果表明,当麦克风数量较多时,该方法仍能保证良好的频率响应校准性能。（3）针对分布式麦克风网络中节点位姿校准问题,提出了一种基于到达方向的分布式麦克风节点三维几何位姿校准方法。该方法根据三维旋转矩阵和平移向量推导出声源相对于节点的理论到达方向,并且通过信号到达节点内麦克风的时间差估计出相应的测量到达方向。然后,将节点几何校准问题建模为求解声源理论和测量到达方向之间最小均方误差的优化问题。最后,利用人工蜂群算法求解该优化问题,获得各节点的位置和旋转角度。与现有方法相比,该方法不需要节点间的信息传输,易于实现分布式计算。并且采用人工蜂群算法取代梯度类方法求解代价函数,有效地抑制了求解过程陷入局部极小值的情况。仿真和实际实验结果表明,在噪声和混响环境中,本文方法具有良好的三维节点位姿校准性能。采样率失配、频率响应失配和节点位姿校准问题广泛存在于分布式麦克风网络中,它们严重影响基于节点输出信号幅度相位信息以及节点位姿信息的算法性能。因此在将分布式麦克风网络用于语音增强、语音识别和声源定位跟踪等之前,必须先解决这些失配问题,避免由于网络中的各类失配问题导致后续算法性能的下降。
钱炳锋[5]（2020）在《足球机器人阵列天线的自适应信号处理算法研究》文中研究指明大场地足球机器人比赛是人工智能、视觉与传感、通讯、控制科学等交叉学科应用的典型,需要同时监测空中和地面的足球运动轨迹,解决传统机器人存在对环境适应能力不强或者受光线影响大等问题,还需要面对复杂的电磁干扰、噪音和杂波环境。阵列天线具有波束控制灵活的独特优点,能满足多目标跟踪与识别、强自适应抗干扰能力和高可靠性等功能的要求,本文主要对阵列天线足球机器人自适应信号处理算法开展研究。自适应波束形成（ADBF）技术可以在电磁工作环境恶化和大量射频干扰存在的情况下,通过对权值的自适应控制达到增强目标信号、抑制干扰信号的目标,从而实现空域滤波。研究并提升自适应处理算法的实时与稳健性就有着极为重要的理论意义与工程价值。本文紧密围绕阵列天线抗干扰和杂波抑制的解决方法,分别对足球机器人阵列天线信号模型、快速自适应波束形成与空时自适应处理、基于敏感函数信源估计的特征干扰相消波束形成算法和基于对称多处理器（SMP）的超大点数FFT算法四个方面开展研究,具体研究了以下内容。首先,本文详细从数学模型对足球机器人阵列天线的信号模型和自适应处理准则进行了分析。研究了在一定条件下的三种准则,发现这些不同优化准则是等价的,为不同自适应结构和ADBF方法的相互转化提供了理论条件。提出了足球机器人阵列天线杂波分布特性、空时自适应处理原则与杂波抑制性能的评价体系。天线平台运动导致杂波回波信号具有颇为严重的空时耦合属性,通过采样矩阵来进行求逆运算可解决该问题。同时研究杂波抑制性能评价体系,主要是通过输出信干噪比（SINR）以及系统改善因子来实现。第二,研究了基于敏感函数信源估计的特征干扰相消波束形成算法。传统的自适应波束形成算法运算量较大,对硬件设备要求较高;而且对系统误差的稳健性较差。针对传统特征干扰相消波束形成（EC）算法在无法估计信源数目等场合的自适应波束所形成的问题,提出了使用敏感函数信源估计的稳健特征干扰相消波束形成（REC）算法。该算法能利用敏感函数对信号干扰子空间的信源数目进行有效的估计,而且可以利用空间谱搜索的方式,判断并剔除主瓣内目标信号对自适应权矢量计算的影响。因此,无论目标信号是否包含在训练样本中,该算法的抗干扰性能都得到了良好体现。第三,研究了快速自适应波束形成和空时自适应处理。本文对采样协方差矩阵进行Gram-Schmidt（GS）正交化的RGS算法进行了提高抑制干扰性能的研究,发现RGS算法可以充分利用快拍数据信息,在较少的快拍数时就能有效抑制干扰,达到理想的性能输出。此外,针对空时自适应处理（STAP）技术在实际系统中的应用存在杂波子空间泄露现象,研究了在杂波子空间泄露情况下的基于两级降维的稳健部分自适应STAP算法,该算法能有效改善STAP算法在杂波子空间泄露情况下的性能。第四,研究了使用对称多处理器的超大点数快速傅里叶变换算法。快速傅里叶变换（FFT）算法有处理器资源有限和执行效率降低两大问题。在空时自适应处理（STAP）系统中,为了最大限度提升FFT算法实现效率,FFT的实现过程要结合处理器的特性,针对特有平台来编写实现。本文通过分析对称多处理器（SMP）并行处理系统架构特点,给出一种适用于SMP的超大点数FFT算法,并解决了改进超大点数FFT算法带来的三个问题。本文在足球机器人阵列天线信号模型的基础上,提出干扰和杂波信号模型、最优波束形成准则和杂波抑制性能评价体系等;提出基于敏感函数信源估计的特征干扰相消波束形成算法,不管训练样本中是否有目标信号均能取得良好的抗干扰性能;提出快速自适应波束形成算法和空时自适应处理技术,更准确地估计干扰子空间和提高杂波子空间泄露下的性能;提出基于SMP的超大点数FFT算法,能节省近1/2的存储资源,提升大点数FFT处理速度的同时,提高了信号处理的实时性。本研究用的足球机器人阵列天线可以提升竞赛监控以及目标探测能力,还能对多目标跟踪与辨识给予很好的满足,同时满足高可靠性与自适应性、实时性等性能方面的要求。
姜景宁[6]（2020）在《分布式MIMO声呐目标检测和成像方法研究》文中提出水下目标探测包括检测、定位、跟踪和识别四个方面。与被动目标探测相比,主动声呐探测除了受目标信号散射起伏和水声信道的空-时-频变化影响外,还受到混响干扰的限制,导致在浅海环境,传统的单基地或双基地声呐探测性能下降。分布式多输入多输出（multiple input and multiple output,MIMO）声呐利用空间分集,通过非相干处理,在提高对目标检测性能与定位精度的同时,增强探测的稳健性。由于发射机和接收机在空间上充分分开,分布式MIMO可以获得目标在不同方位的散射信息,对目标进行逆散射成像。本文首先研究分布式MIMO声呐信号模型。主动声呐探测系统需要在混响中分辨目标回波,提升信混比。因此,本研究从发射端的有效照射和接收端高分辨处理两方面入手。根据声呐方程,有效照射就是将发射能量集中在所感兴趣的目标,减少发射能量泄露到混响区域。为此,侧重研究分布式时反MIMO声呐和分布式相控MIMO声呐。通过发收互动的迭代方式,将发射能量聚焦在目标处,从而抑制混响、提高信混比。在接收端高分辨处理中,将宽带波束形成和时域匹配滤波的输出进行二维解卷积处理,减小模糊度函数的主瓣宽度,并降低其旁瓣级,提高水平均匀接收线阵在角度-时延平面内的分辨力,实现从混响中有效辨识目标回波信号。该方法与分布式MIMO处理相结合能进一步提升声呐系统的目标检测和定位性能。在目标检测和定位的基础上,本文着重研究了分布式主动探测系统的逆散射成像问题。水声探测中的目标,通常是由若干个简单流线型物体组合而成,其散射特性与角度、频率和目标形状尺寸相关。传统主动声呐探测研究中,将目标看作具有特定散射强度的点目标,忽略散射波包含的与目标形状相关的信息。在散射声场模型研究中,本文推导了波导下垂直放置的有限长实心刚性圆柱体的散射声场,并研究环境参数和目标类型对成像质量的影响。在对目标定位后,根据宽带信号照射目标的回波信息,运用逆散射成像方法反演球体和圆柱体的截面形状。与自由场情况不同,浅海波导中目标散射的模耦合转换和多模传播会导致成像结果中出现失焦和重影现象。针对此问题,本文提出基于相位共轭信道解卷逆散射成像方法和基于稀疏重构的信道解卷逆散射成像方法,实现了对目标边界高分辨重建。其中前者采用时反传播的思想,降低水声信道对逆散射成像的影响。后者利用水声信道的稀疏性,通过辨识多径分量,分析多径在角度-时延上的分布特征,解决多径效应导致的重影现象和多径传播的群速度小于声速导致的失焦现象。运用稀疏重构方法对目标回波的高分辨,能进一步抑制旁瓣、提升成像质量。同时,也可以解决因多径导致分布式MIMO声呐正交波形相关性增大问题。计算机数值仿真和试验结果证明了本文提出的分布式MIMO声呐相对于双基地声呐在抑制混响、提高目标定位精度上有优势。与常规波束形成相比较,二维解卷积波束形成方法在角度-时延平面内有更高的分辨力。在实现目标定位的基础上,试验结果也验证了本文所提出的逆散射成像方法的有效性。
王兆祎[7]（2020）在《天波超视距雷达杂波抑制与目标探测研究》文中提出天波超视距（over-the-horizon,OTH）雷达利用电离层对高频电磁波的反射现象,对视距外目标进行远距离探测,其作为一种特殊体制的早期预警雷达在军事上有重要的战略地位。经过多年发展,天波OTH雷达已具备相当的探测能力并得到广泛使用,但复杂的电磁传播环境和探测背景依然使其在应用中面临诸多挑战。本文围绕制约天波雷达目标探测的部分实际问题展开研究,包括多目标探测效率提升、射频干扰抑制以及海杂波抑制等。力图针对典型问题提出可行的改进措施和解决方案,达到弥补不足,提升天波雷达探测性能的目的。本文主要工作和创新如下:（1）基于数据恢复的多方位空海目标同时探测目前相控阵体制天波OTH雷达在探测多个方向上的目标时需交替照射和驻留,对某一方向海面目标的长时间相干积累大幅增加了对另一方向空中目标探测的时间间隔,不利于高速空中目标的连续跟踪和稳定航迹生成。针对此问题,本文提出了一种时间内插的多方位空海目标同时探测方案,其在海面目标的一次波束驻留时间内插入多次空中目标探测,并对由此导致的海面回波数据缺失进行恢复补全,从而在实现对空中目标形成稳定航迹的同时,保证海面目标的有效探测。（2）结合图像纹理指标的射频干扰空域抑制本文将图像分析领域的纹理指标引入雷达信号处理,提出使用“粗糙度”作为射频干扰强度以及抑制水平的评价指标。该指标不依赖干扰特征的先验知识也不需要对其进行估计,而是通过对雷达距离-多普勒图的灰度计算完成干扰强度评估。借助粗糙度的引导,本文提出了一种波束形成中最优对角加载系数的确定方法,提升了对空域旁瓣内的射频干扰的抑制性能。（3）结合距离旁瓣约束的射频干扰时域抑制本文分别从波形设计和滤波器设计两个角度研究了兼顾距离旁瓣特性的射频干扰抑制问题。从波形设计角度,提出了基于最优干扰抑制滤波器的低旁瓣波形设计方法,该方法对理论输出信干噪比和互相关旁瓣进行优化,并给出了一种基于交替方向乘子法（Alternating Direction Method of Multipliers,ADMM）框架的迭代求解算法。从滤波器设计角度,提出了两种基于旁瓣约束的干扰滤波器设计方法,他们均以最大化理论输出信干噪比为目标,并分别约束积分旁瓣电平和峰值旁瓣电平实现旁瓣特性控制。所提滤波器设计问题可通过转化为二阶锥规划（Second Order Corn Programming,SOCP）问题进行求解。（4）基于杂波谱认知的海杂波滤波器设计海杂波是天波OTH雷达探测低速海面目标的主要障碍,实际环境中的海杂波频谱往往富于变化,且具有一定的非均匀性。这使得仅由参考样本很难准确估计杂波特征,并进一步影响杂波抑制方法的应用效果。本文结合杂波谱认知技术提升杂波特征的估计精度,首先在最优滤波器框架下研究了基于先验知识和杂波谱模型的海杂波抑制方法。接下来提出了基于稀疏字典学习的杂波抑制方法,该方法对雷达回波数据进行线下长期学习,建立杂波字典,并利用其在杂波抑制中估计杂波特征。所提方法能提升对杂波协方差矩阵的估计精度,有效改善了OTH雷达在非理想海杂波背景下的杂波抑制和目标探测能力。（5）多跳海杂波建模与抑制在常规海杂波的基础上,由多跳传播引起的杂波谱叠加和扩展进一步扩大了海杂波的频谱范围,也放大了对目标探测的影响。本文根据多跳杂波的传播和叠加原理,对其进行了分析建模,并提出采用特殊波形实现多跳杂波抑制。文中所介绍的两种多跳杂波抑制方法分别基于序贯正交波形以及“发二停一”非连续波形,它们能在有效分离或抑制多跳杂波的同时,保留常规一跳回波的主要信号成分。以上所提方案方法均从天波OTH雷达的实际需求出发,以目前雷达设备作为硬件基础,其有效性和工程可用性经过实测数据或仿真实验的验证。
张海川[8]（2020）在《复杂环境下抗干扰阵列天线鲁棒自适应波束形成算法研究》文中研究表明自适应波束形成技术作为阵列信号处理领域中的关键研究方向,因其高效的抑制干扰信号能力与对期望信号低损失接收的处理优势而广泛应用于军事国防和民生发展等领域。阵列天线基于此技术,通过调整各个阵元的权值系数,使其合成方向图波束的主瓣自适应对准特定角度来向的期望信号同时在干扰方向上形成零陷,实现阵列天线优良的输出信干噪比性能。理想条件下,自适应波束形成技术的空域滤波性能良好,然而在实际工程应用中,无可避免地面临复杂环境中各种模型失配误差与异常噪声干扰等不利因素影响,导致部分波束形成算法的性能大幅减弱甚至失效。因此如何提高复杂环境下波束形成算法的鲁棒性,即降低其对有意或无意失配误差与干扰噪声的敏感性,是目前工程应用中亟待解决的问题。本论文在总结经典的波束形成准则与常见的波束形成算法后,重点对实际工作中复杂应用场景下的冲激噪声干扰,高旁瓣电平与低零陷深度,期望信号方位指引矢量偏差以及空际间叠干扰展开深入研究,提出了对应的抗干扰鲁棒自适应波束形成（Robust Adaptive Beamforming,RAB）算法。现将本文的研究内容和主要贡献概括如下:1.研究了冲激噪声干扰下自适应波束形成算法性能严重退化的问题。提出了两种基于相关熵与范数模正则化的RAB算法。算法通过引入抗极端冲激异常值的相关熵准则,提高算法对冲激噪声的鲁棒性,并利用L1范数的稀疏性,对权值向量进行稀疏化处理,降低阵元反馈电流。同时利用L2范数凸化思想,对求解权值的目标函数进行凸化改造,迫使平坦的目标优化区域略微凸化,提升阵元权值的解算精度,使自适应波束形成系统具备抗冲激噪声干扰与低反馈能源开销的性能优势。2.研究了迭代寻优式和推导解算式波束形成算法的方向图波束旁瓣电平过高与零陷深度不足的问题,提出了基于斐波拉切散枝搜索（Fibonacci Branch Search,FBS）优化的RAB算法。根据斐波拉切序列单维优化策略,拓展性提出了多维目标优化的FBS算法,通过引入交互迭代规则与全局随机搜索使FBS算法对多维目标优化问题具备全局最优搜索能力。在自适应波束形成框架（Adaptive Beamforming,ABF）下设置零陷深度与旁瓣电平目标优化模型,利用FBS算法搜索该模型下权值的全局最优解,实现低波束旁瓣电平和高干扰零陷深度。3.研究了期望信号方位指引矢量偏差导致自适应波束形成算法性能下降的问题,提出了两种抗方位指引矢量偏差的RAB算法。第一种算法通过对干扰噪声协方差高阶泛化重构,降低期望信号成分的自消作用,并利用空域谱分段积分对期望指引矢量进行不确定建模,实现期望信号方位角的精准估计。第二种算法以约束均方误差方法的约束规划条件为框架,将指引矢量误差引申至约束方程中,构建非凸约束优化问题,结合闭环凸优化转换与约束随机梯度对构建的优化问题进行求解,提升算法对期望信号指引矢量偏差的鲁棒性。4.研究了空际间叠干扰导致最优自适应波束形成算法性能下降的问题,提出了两种针对空际间叠干扰的RAB算法。第一种算法基于空际间叠干扰协方差矩阵,利用卡亨南转换得到针对空际间叠干扰的空域处理矩阵,通过该矩阵对干扰的空际间叠性进行降消,提高系统对此类干扰的鲁棒性。第二种算法利用高维托普利兹矩阵与循环矩阵的转换关系,得到离散傅里叶变换矩阵形式的空际间叠干扰空域处理矩阵,通过该矩阵对干扰的优化处理削弱干扰的空际间叠性。最后对算法抑制空际间叠干扰的能力进行了论证推导和量化研究。
石佳韵[9]（2020）在《一阶指向可调差分阵列前后向比的理论分析与优化设计》文中研究说明差分传声器阵列具有尺寸小、阵列增益高、以及阵列响应不随频率变化等优点,适合处理语音等宽带音频信号,因而近年来得到了重要关注。但差分阵列对传声器失配误差较为敏感,且随着阵列阶数的增大,失配误差对阵列性能的影响愈来愈严重,在实际设计中需要予以考虑。对于提高失配误差下差分阵列性能的设计方法,目前主要针对指向性因数和白噪声增益,然而指向性因数和白噪声增益都没有考虑到信源和干扰的位置分布信息。相比较,前后向比则反映了传声器阵列对后向噪声干扰的抑制程度,在差分阵列的设计中有很大的参考价值。一阶指向可调差分传声器阵列的特点是主瓣指向可调,对于声源位置动态变化的应用场合具有重要意义。本文针对一阶指向可调差分传声器阵列,从理论上分析了传声器失配误差对阵列前后向比的影响,并在此基础上提出了基于前后向比的最差性能优化算法。本文的主要工作和贡献如下:1、差分传声器阵列对失配误差十分敏感,尤其是当入射信号频率低或阵元间距较小时,此时前后向比会严重下降。针对此问题,本文从确定性误差和随机误差两方面进行研究,首先分析了确定性增益误差、相位误差以及自噪声对一阶指向可调差分传声器阵列前后向比的影响规律;对于随机误差情况,采用误差的区间分析方法研究了最差最大前后向比的变化情况,从而确定阵列对各失配误差的容差程度,以及提供了阵元间距和波束方向图控制参数的选择参考,并且通过仿真实验验证了理论分析的正确性。2、现有的针对差分阵列的最差性能优化算法局限于单独存在一种误差的情况,然而在实际应用中,传声器增益误差、相位误差以及自噪声总是同时存在,并且随机变化。混合随机误差下对前后向比的优化不存在解析解,因此本文将前后向比与遗传算法相结合,通过合并变量的方法减小局部最优的数量从而提高算法性能,在传感器各失配误差范围已知、入射信号频率范围已知以及阵元间距确定的情况下,设计了一种最差性能优化算法。由该算法可得到使最差前后向比最大时所对应的权值设计,从而能控制阵列的前后向比总是在一个最优的范围内。之后通过仿真实验验证了所提算法的正确性,并给出了相应的指向性因数和白噪声增益的对比。最后通过实测实验对所提设计方法的有效性进行了验证。
程泽丰[10]（2019）在《混响环境下的远程语音增强方法研究》文中进行了进一步梳理语音是人与人沟通、人机交互的重要手段之一。在室内环境中除了噪声,由四壁和上下表面反射引起的混响是造成语音质量和可懂度下降的主要原因。期望信号与室内声学脉冲响应进行卷积,麦克风接收的信号为直达信号与混响成分的叠加。混响在时频域引起的拖尾,往往导致语音信号的包络和精细结构产生失真。同时噪声和潜在干扰的存在,以及语音自身的非平稳性使得室内语音增强问题更为复杂。本文将对室内环境下,麦克风采集的远程语音信号增强方法展开研究。考虑固定波束形成尤其是差分波束形成在室内时变声学环境中的局限性,在自适应波束形成的基础上,本文提出了基于传递函数广义旁瓣抵消器（Transfer Function-Generalized Sidelobe Canceller,TF-GSC）和改进极小值控制递归平均（Improved Minima Controlled Re-cursive Averaging,IMCRA）的远程语音增强框架,利用空-时联合处理方法对混响语音进行去混响和消噪,同时保证去混响方法在噪声存在下的稳健性。不以声源空间位置和声学传递函数信息为先验,本文将TF-GSC结构替换为多通道线性预测（Multichannel Linear Prediction,MCLP）盲去混响框架,介绍了最小绝对值和方法、基于组稀疏性假设的最小绝对值收缩和选择（Least Absolute Shrinkage and Selection Operator,LASSO）方法和基于最大化对数似然函数的归一化延迟线性预测方法。本文将IMCRA作为以上盲去混响方法的后置滤波器,讨论了非相干噪声对GSC和MCLP语音增强框架的影响。仿真和实验说明在混响占主导的室内环境下,多通道线性预测框架的语音增强性能优于GSC框架,后置滤波为两种语音增强框架的必要补充。本文设计搭建了一套多通道远程语音采集处理系统,实现实时语音数据的采集、处理和发送,同时以实录数据验证基于GSC和MCLP框架的远程语音增强方法的有效性。
二、具有相位误差敏感性的CM阵波束形成器（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、具有相位误差敏感性的CM阵波束形成器（论文提纲范文）
（1）基于深度学习的小尺度麦克风阵的语音增强研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写、符号清单、术语表 |
| 1 绪论 |
| 1.1 研究背景及立题意义 |
| 1.2 国内外研究现状 |
| 1.2.1 传统语音增强 |
| 1.2.2 基于深度学习的语音增强 |
| 1.2.3 深度学习与多通道联合处理 |
| 1.3 主要研究工作 |
| 1.3.1 研究内容 |
| 1.3.2 本文章节安排 |
| 2 混响环境下的语音处理基础 |
| 2.1 噪声统计特性 |
| 2.2 室内混响建模 |
| 2.3 深度学习相关理论 |
| 2.3.1 特征提取 |
| 2.3.2 卷积神经网络 |
| 2.3.3 循环神经网络 |
| 2.3.4 训练目标 |
| 2.4 客观质量和语音可懂度 |
| 2.4.1 语音混响调制能量比 |
| 2.4.2 语音感知质量评估 |
| 2.4.3 信号失真比 |
| 2.4.4 短时客观可懂度 |
| 2.5 数据集构造 |
| 2.5.1 THCHS-30 |
| 2.5.2 LibriSpeech |
| 2.5.3 噪声库 |
| 2.5.4 镜像源法 |
| 2.5.5 多通道人工风噪声生成器 |
| 2.6 小结 |
| 3 波束形成和深度复数Unet网络联合抑制混响处理 |
| 3.1 深度复数Unet网络 |
| 3.2 MVDR波束形成 |
| 3.3 BF-DCUnet |
| 3.3.1 波束形成预处理 |
| 3.3.2 非对称深度复数Unet网络 |
| 3.3.3 异构卷积 |
| 3.4 其它去混响算法 |
| 3.4.1 基于深度神经网络的加权预测误差算法 |
| 3.4.2 全卷积网络 |
| 3.5 仿真实验 |
| 3.5.1 实验设置 |
| 3.5.2 数据集描述 |
| 3.5.3 结果分析 |
| 3.5.4 性能比较 |
| 3.5.5 宽容性评估 |
| 3.6 实验数据分析 |
| 3.7 小结 |
| 4 基于深度复数卷积循环神经网络的语音降噪 |
| 4.1 卷积循环神经网络和自我注意力机制联合处理 |
| 4.1.1 时频特征提取模块 |
| 4.1.2 复数卷积模块 |
| 4.1.3 复数LSTM |
| 4.1.4 自我注意力机制模块 |
| 4.2 其它语音降噪算法 |
| 4.2.1 时域音频分离网络 |
| 4.2.2 时间卷积神经网络 |
| 4.3 室内降噪 |
| 4.3.1 仿真实验 |
| 4.3.2 实验数据分析 |
| 4.4 室外风噪声抑制 |
| 4.4.1 仿真实验 |
| 4.4.2 实验数据分析 |
| 4.5 小结 |
| 5 语音增强系统 |
| 5.1 系统设计 |
| 5.2 系统验证 |
| 5.2.1 软硬件配置 |
| 5.2.2 算法评估 |
| 5.3 小结 |
| 6 总结与展望 |
| 6.1 研究总结 |
| 6.2 未来展望 |
| 参考文献 |
| 作者简历 |
| 攻读硕士学位期间的研究成果 |
（2）基于深度学习的小尺度麦克风阵列多语音源辨识方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写、符号清单、术语表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 声源定位 |
| 1.2.2 语音分离 |
| 1.3 本文主要研究内容及章节安排 |
| 2 语音处理基础和神经网络模型 |
| 2.1 室内远场语音模型 |
| 2.2 多通道语音数据集 |
| 2.3 神经网络相关理论 |
| 2.3.1 卷积神经网络 |
| 2.3.2 循环神经网络 |
| 2.4 本章小结 |
| 3 小尺度麦克风阵列测向方法 |
| 3.1 基于卷积神经网络的多语音源DOA估计 |
| 3.1.1 特征提取 |
| 3.1.2 标签设计 |
| 3.1.3 网络结构 |
| 3.1.4 数值仿真 |
| 3.2 多语音源计数和DOA联合估计 |
| 3.2.1 多任务学习 |
| 3.2.2 网络结构 |
| 3.2.3 仿真分析 |
| 3.3 实验结果与分析 |
| 3.3.1 实验设置 |
| 3.3.2 性能分析 |
| 3.4 本章小结 |
| 4 基于时序卷积网络的多说话人语音分离 |
| 4.1 时序卷积网络 |
| 4.2 多通道时域语音分离算法 |
| 4.2.1 基于空间特征信息的多通道Tasnet |
| 4.2.2 基于固定波束的多通道Tasnet |
| 4.2.3 仿真数据分析 |
| 4.3 说话人个数未知的多通道语音分离算法 |
| 4.3.1 算法流程 |
| 4.3.2 方向特征 |
| 4.3.3 网络结构 |
| 4.3.4 仿真数据分析 |
| 4.4 实验结果与分析 |
| 4.4.1 实验设置 |
| 4.4.2 性能分析 |
| 4.5 本章小结 |
| 5 多语音源定位和分离系统 |
| 5.1 系统设计 |
| 5.2 性能验证 |
| 5.2.1 系统配置 |
| 5.2.2 性能测试 |
| 5.3 本章小结 |
| 6 总结和展望 |
| 6.1 研究总结 |
| 6.2 未来展望 |
| 参考文献 |
| 作者在攻读硕士学位期间的科研成果与科研工作 |
（3）宽带声源定位方法及研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究发展及现状 |
| 1.2.1 相干声源定位算法的发展及现状 |
| 1.2.2 宽带声源定位算法的发展及现状 |
| 1.2.3 矢量水听器的发展及现状 |
| 1.3 本文主要研究内容 |
| 第2章 声源定位方法基础理论 |
| 2.1 宽带声源定义及其数学模型 |
| 2.2 近场及远场定义 |
| 2.3 声源定位主要原理 |
| 2.4 宽带远场声源定位方法 |
| 2.4.1 非相干信号子空间法 |
| 2.4.2 相干信号子空间法 |
| 2.4.3 聚焦矩阵的构造方法 |
| 2.4.4 双边变换算法主要原理及仿真分析 |
| 2.4.5 仿真实验及结果分析 |
| 2.5 宽带近场声源定位方法 |
| 2.5.1 频域宽带波束形成 |
| 2.5.2 时域宽带波束形成 |
| 2.5.3 近场宽带响应矩阵 |
| 2.5.4 仿真实验及结果分析 |
| 2.6 本章小结 |
| 第3章 宽带远场声源方位估计算法 |
| 3.1 宽带远场测量模型建立 |
| 3.1.1 宽带声源模型建立 |
| 3.1.2 相干声源模型建立 |
| 3.1.3 接收阵模型建立 |
| 3.2 宽带声源频率估计 |
| 3.3 双圈圆阵定位方法 |
| 3.4 仿真结果及分析 |
| 3.4.1 双圈圆阵仿真结果及分析 |
| 3.4.2 双圈圆阵分辨力仿真结果及分析 |
| 3.5 本章小结 |
| 第4章 宽带近场声源方位估计算法 |
| 4.1 柱面分布近场测量模型建立 |
| 4.2 柱面MVDR近场聚焦波束形成 |
| 4.3 矢量声压组合阵柱面分布近场方位识别方法 |
| 4.3.1 组合阵近场测量模型 |
| 4.3.2 接收阵模型建立 |
| 4.4 组合基阵柱面MVDR近场聚焦波束形成 |
| 4.5 仿真结果及分析 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术成果 |
| 致谢 |
（4）分布式麦克风阵列的校准方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要英文缩写及中英文对照表 |
| 主要符号表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 分布式麦克风阵列校准研究进展 |
| 1.2.1 分布式麦克风节点时钟同步校准方法 |
| 1.2.2 分布式麦克风网络中麦克风频率响应校准方法 |
| 1.2.3 分布式麦克风节点位置校准方法 |
| 1.3 主要研究内容及结构安排 |
| 2 分布式麦克风阵列信号处理技术的基础理论 |
| 2.1 语音信号预处理 |
| 2.1.1 加窗分帧处理 |
| 2.1.2 语音端点检测技术 |
| 2.2 分布式麦克风网络及其失配问题 |
| 2.3 室内声传播模型 |
| 2.3.1 麦克风接收信号模型 |
| 2.3.2 环境噪声 |
| 2.3.3 混响 |
| 2.4 时延估计 |
| 2.5 本章小结 |
| 3 基于MUSIC谱估计的分布式麦克风阵列时钟校准方法 |
| 3.1 引言 |
| 3.2 采样率失配问题及重采样理论基础 |
| 3.2.1 采样率失配问题 |
| 3.2.2 采样率校准方法——重采样理论基础 |
| 3.3 经典的分布式麦克风节点采样率校准方法 |
| 3.3.1 基于相关性最大化的节点采样率校准方法 |
| 3.3.2 基于瞬时相关性的节点采样率校准方法 |
| 3.3.3 基于双重互相关性的节点采样率校准方法 |
| 3.4 基于MUSIC谱估计的分布式麦克风节点采样率校准方法 |
| 3.5 实验结果与分析 |
| 3.5.1 实验参数 |
| 3.5.2 本文方法基础性质验证 |
| 3.5.3 本文方法与已有方法性能比较 |
| 3.5.4 各方法在盲源分离应用中的性能 |
| 3.5.5 实际实验 |
| 3.6 本章小结 |
| 4 基于自适应滤波器的麦克风频率响应校准方法 |
| 4.1 引言 |
| 4.2 麦克风频率响应失配问题及经典麦克风增益校准方法 |
| 4.2.1 频率响应失配问题对分布式麦克风网络的影响 |
| 4.2.2 增益失配与频率响应失配问题之间的关系 |
| 4.2.3 经典麦克风增益校准方法 |
| 4.3 基于自适应滤波器的频域麦克风频率响应校准方法 |
| 4.3.1 频率响应失配问题的解决方案 |
| 4.3.2 麦克风频率响应的时域校准方法 |
| 4.3.3 麦克风频率响应的频域校准方法 |
| 4.4 实验结果与分析 |
| 4.4.1 频率响应校准方法性能的评价指标 |
| 4.4.2 实验参数 |
| 4.4.3 不同信噪比和混响条件下本文频率响应校准方法的性能 |
| 4.4.4 增益校准性能比较 |
| 4.4.5 麦克风位置偏差对频率响应校准性能的影响 |
| 4.4.6 频率响应失配对波束形成DOA估计的影响 |
| 4.4.7 实际实验 |
| 4.5 本章小结 |
| 5 基于一致性策略的麦克风频率响应校准方法 |
| 5.1 引言 |
| 5.2 集中式频率响应校准方法存在的问题及一致性策略 |
| 5.2.1 集中式频率响应校准方法存在的问题 |
| 5.2.2 平均一致性滤波 |
| 5.3 基于一致性策略的频率响应校准方法 |
| 5.4 实验结果与分析 |
| 5.4.1 实验参数 |
| 5.4.2 本文方法在不同信噪比和混响条件下的性能 |
| 5.4.3 集中式方法和本文频率响应校准方法性能比较 |
| 5.4.4 实际实验 |
| 5.5 本章小结 |
| 6 基于到达方向的分布式麦克风节点三维几何位姿校准方法 |
| 6.1 引言 |
| 6.2 分布式麦克风网络信号模型及理论基础 |
| 6.2.1 分布式麦克风接收信号模型 |
| 6.2.2 TDOA和DOA估计 |
| 6.2.3 人工蜂群算法 |
| 6.3 经典分布式麦克风节点定位方法 |
| 6.3.1 分布式麦克风阵列位置及时间偏离量估计方法 |
| 6.3.2 基于音视频相关的分布式麦克风阵列几何位姿校准方法 |
| 6.3.3 基于DOA的麦克风阵列位姿自校准方法 |
| 6.4 基于到达方向的分布式麦克风节点三维几何位姿校准 |
| 6.4.1 三维节点几何位姿校准问题 |
| 6.4.2 三维节点几何位姿校准代价函数 |
| 6.4.3 特殊场景下的简化代价函数 |
| 6.4.4 节点几何位姿解的Cramér-Rao下界 |
| 6.4.5 本文方法对声源位置误差的敏感性分析 |
| 6.5 实验结果与分析 |
| 6.5.1 实验参数 |
| 6.5.2 不同信噪比和混响条件下TDOA和DOA估计性能 |
| 6.5.3 三维节点几何位姿校准性能 |
| 6.5.4 二维节点几何位姿校准性能比较 |
| 6.5.5 ABC算法对局部极小值鲁棒性的测试 |
| 6.5.6 声源位置误差下本文算法的性能 |
| 6.5.7 实际实验 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 附录A 一致性收敛条件推导 |
| 附录B Cramér-Rao下界推导 |
| 附录C 节点位姿校准方法对声源位置误差敏感度推导 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（5）足球机器人阵列天线的自适应信号处理算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究情况 |
| 1.2.1 稳健自适应波束形成算法 |
| 1.2.2 部分自适应STAP算法 |
| 1.2.3 稳健空时自适应处理算法 |
| 1.2.4 快速傅里叶变换 |
| 1.3 本文结构及主要内容 |
| 第2章 足球机器人阵列天线信号模型及处理原理 |
| 2.1 引言 |
| 2.2 竞赛足球机器人平台介绍 |
| 2.2.1 足球机器人机械结构 |
| 2.2.2 足球机器人电控系统 |
| 2.2.3 足球机器人阵列天线场景 |
| 2.3 自适应波束形成信号模型及处理原理 |
| 2.3.1 自适应波束形成信号模型 |
| 2.3.2 自适应波束形成处理原理 |
| 2.4 空时自适应处理信号模型及处理原理 |
| 2.4.1 空时自适应处理信号模型 |
| 2.4.2 空时自适应信号处理 |
| 2.5 本章小结 |
| 第3章 基于敏感函数信源估计的特征干扰相消波束形成算法 |
| 3.1 引言 |
| 3.2 经典的稳健自适应波束形成算法 |
| 3.2.1 对角加载算法 |
| 3.2.2 特征子空间算法 |
| 3.2.3 权矢量模约束算法 |
| 3.2.4 导向矢量不确定集约束算法 |
| 3.3 基于敏感函数的稳健特征干扰相消波束算法 |
| 3.3.1 波束形成器的敏感性 |
| 3.3.2 基于敏感函数信源估计的REC算法 |
| 3.4 计算机仿真验证 |
| 3.5 本章小结 |
| 第4章 快速自适应波束形成与空时自适应处理 |
| 4.1 引言 |
| 4.2 GS正交化的快速自适应波束形成 |
| 4.2.1 常规GS正交化算法 |
| 4.2.2 基于数据预处理的协方差矩阵GS正交化算法 |
| 4.3 稳健部分自适应STAP算法 |
| 4.3.1 杂波子空间泄露 |
| 4.3.2 杂波子空间稳健处理算法 |
| 4.3.3 基于两级降维的稳健部分自适应STAP算法 |
| 4.4 计算机仿真验证 |
| 4.5 本章小结 |
| 第5章 使用SMP的超大点数FFT算法 |
| 5.1 引言 |
| 5.2 SMP并行处理系统 |
| 5.3 改进型超大点数FFT算法 |
| 5.3.1 序列划分规则优化 |
| 5.3.2 铰链因子计算优化 |
| 5.3.3 数据分布和存储访问优化 |
| 5.4 实验验证 |
| 5.5 本章小结 |
| 第6章 总结和展望 |
| 6.1 总结 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 作者攻读博士学位期间的研究成果 |
| 致谢 |
（6）分布式MIMO声呐目标检测和成像方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写、符号清单、术语表 |
| 1 绪论 |
| 1.1 研究背景及立题意义 |
| 1.2 国内外研究现状 |
| 1.2.1 MIMO声呐探测系统研究现状 |
| 1.2.2 水下目标建模研究现状 |
| 1.2.3 散射波分析与声成像问题研究现状 |
| 1.3 论文研究内容 |
| 1.3.1 分布式MIMO声呐信号模型与处理方法研究 |
| 1.3.2 浅海波导中目标建模与逆散射成像方法研究 |
| 1.4 论文组织结构 |
| 2 分布式多输入多输出声呐探测系统模型 |
| 2.1 主动声呐信号模型 |
| 2.2 声传播模型 |
| 2.3 混响模型分析 |
| 2.4 主动声呐波形设计 |
| 2.4.1 波形评价准则 |
| 2.4.2 主动探测波形分析 |
| 2.5 分布式MIMO声呐信号模型 |
| 2.5.1 分布式定位算法 |
| 2.5.2 分布式时反-MIMO探测系统 |
| 2.5.3 分布式相控-MIMO探测系统 |
| 2.5.4 仿真研究 |
| 2.5.5 湖上试验研究 |
| 2.6 本章小结 |
| 3 自由场中圆柱体散射声场建模与成像分析 |
| 3.1 声散射问题简析 |
| 3.2 刚性实心圆柱体声散射模型 |
| 3.3 刚性实心圆柱散射波时域特征分析 |
| 3.4 逆散射成像算法分析 |
| 3.4.1 反射层析算法 |
| 3.4.2 反向传播逆散射成像算法 |
| 3.5 不同ka情形下,对圆柱成像结果分析 |
| 3.5.1 单频脉冲信号照射圆柱的成像结果 |
| 3.5.2 宽带脉冲信号照射圆柱的成像结果 |
| 3.6 MIMO系统下成像仿真分析 |
| 3.7 本章小结 |
| 4 波导中物体散射声场建模与逆散射成像 |
| 4.1 波导中规则形状散射体的声散射场建模与分析 |
| 4.2 波导中有限长圆柱体的散射声场分析 |
| 4.3 声呐方程模型 |
| 4.4 波导环境对散射成像的影响 |
| 4.4.1 刚性实心圆球逆散射成像 |
| 4.4.2 目标为有限长刚性实心圆柱体时成像结果 |
| 4.5 本章小结 |
| 5 基于分布式MIMO声呐的逆散射成像 |
| 5.1 波导中信道解卷积成像方法 |
| 5.1.1 使用单水听器接收时信道解卷积逆散射成像 |
| 5.1.2 使用垂直阵列接收时信道解卷积逆散射成像 |
| 5.1.3 使用水平线阵接收时信道解卷积逆散射成像 |
| 5.2 基于MIMO声呐的逆散射成像 |
| 5.2.1 MIMO声呐下的信道解卷积成像 |
| 5.2.2 基于稀疏重构的信道解卷积成像 |
| 5.3 本章小结 |
| 6 分布式MIMO声呐定位与成像实验研究 |
| 6.1 实验环境与实验设备 |
| 6.2 实验概述 |
| 6.3 数据处理与结果分析 |
| 6.3.1 目标定位结果分析 |
| 6.3.2 目标成像结果分析 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 总结 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 作者简历及在学期间科研成果 |
（7）天波超视距雷达杂波抑制与目标探测研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 研究动态与发展现状 |
| 1.2.1 天波超视距雷达系统发展概况 |
| 1.2.2 射频干扰抑制算法研究现状 |
| 1.2.3 海杂波抑制算法研究现状 |
| 1.3 本文的主要贡献与创新 |
| 1.4 本论文的结构安排 |
| 第二章 基于数据恢复的多方位空海目标同时探测 |
| 2.1 引言 |
| 2.2 问题研究背景 |
| 2.3 OTH雷达多方位空海目标同时探测方案 |
| 2.3.1 雷达工作流程 |
| 2.3.2 带有缺损的海面回波信号模型 |
| 2.4 海面回波数据恢复 |
| 2.4.1 Hankel结构约束下的低秩矩阵恢复问题 |
| 2.4.2 低秩矩阵恢复算法 |
| 2.4.3 算法收敛性分析 |
| 2.5 基于实测数据的方案可行性和性能测试 |
| 2.5.1 信号恢复结果 |
| 2.5.2 目标探测性能测试 |
| 2.5.3 收敛性测试 |
| 2.5.4 最大可插入空中目标探测次数测试 |
| 2.6 本章小结 |
| 第三章 结合图像纹理的OTH雷达射频干扰空域抑制 |
| 3.1 引言 |
| 3.2 空域权向量设计方法讨论 |
| 3.3 引入图像纹理指标分析干扰水平 |
| 3.3.1 OTH雷达距离-多普勒图像 |
| 3.3.2 RD图中的干扰纹理与粗糙度表征 |
| 3.3.3 粗糙度与干扰强度的相关关系 |
| 3.3.4 粗糙度的鲁棒性分析 |
| 3.4 粗糙度辅助下的空域权向量设计 |
| 3.4.1 基于粗糙度辅助的DLF选取方法 |
| 3.4.2 基于实测数据的性能验证 |
| 3.5 本章小结 |
| 第四章 结合距离旁瓣约束的OTH雷达射频干扰时域抑制 |
| 4.1 引言 |
| 4.2 基于ADMM算法的低旁瓣干扰抑制波形设计 |
| 4.2.1 问题模型 |
| 4.2.2 基于ADMM的波形设计算法 |
| 4.2.3 仿真结果与分析 |
| 4.3 旁瓣约束下基于SOCP的干扰抑制滤波器设计 |
| 4.3.1 问题模型 |
| 4.3.2 基于SOCP求解干扰抑制滤波器的方法 |
| 4.3.3 仿真结果与分析 |
| 4.4 本章小结 |
| 第五章 基于杂波谱认知的海杂波滤波器设计 |
| 5.1 引言 |
| 5.2 最优SCNR的海杂波抑制框架 |
| 5.2.1 基于最优输出SCNR的滤波器原理 |
| 5.2.2 降维最优滤波器 |
| 5.3 结合先验知识的海杂波抑制算法 |
| 5.3.1 算法原理和流程 |
| 5.3.2 高频海杂波谱模型 |
| 5.3.3 结合先验知识的杂波滤波器 |
| 5.4 基于字典学习的海杂波抑制算法 |
| 5.4.1 算法原理和流程 |
| 5.4.2 杂波字典学习方法 |
| 5.4.3 利用杂波字典估计海杂波谱 |
| 5.4.4 基于字典表示的海杂波滤波器(SDROF) |
| 5.4.5 稀疏系数β的选取 |
| 5.5 基于OTH雷达实测数据的性能对比 |
| 5.6 本章小结 |
| 第六章 OTH雷达多跳海杂波抑制 |
| 6.1 引言 |
| 6.2 多跳海杂波的产生机理及频谱建模 |
| 6.2.1 OTH雷达系统中多跳传播机理 |
| 6.2.2 多跳海杂波建模 |
| 6.3 现有多跳杂波抑制方法及其弊端 |
| 6.4 基于序贯正交波形的多跳杂波抑制 |
| 6.4.1 方案介绍 |
| 6.4.2 序贯正交波形多跳杂波抑制性能分析 |
| 6.5 基于非连续波形的多跳杂波抑制 |
| 6.5.1 基于“发二停一”波形的雷达工作方案 |
| 6.5.2 二跳杂波抑制方法 |
| 6.5.3 常规一跳回波的数据补全 |
| 6.5.4 仿真实验 |
| 6.6 本章小结 |
| 第七章 全文总结与展望 |
| 7.1 全文内容总结 |
| 7.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（8）复杂环境下抗干扰阵列天线鲁棒自适应波束形成算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文的研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 非高斯噪声下自适应波束形成技术研究现状 |
| 1.2.2 高波束旁瓣电平自适应波束形成技术研究现状 |
| 1.2.3 期望信号方位指引矢量偏差自适应波束形成技术研究现状 |
| 1.2.4 波阵面畸变信号源自适应波束形成技术研究现状 |
| 1.3 主要存在的问题及解决思路 |
| 1.4 论文的研究内容及结构安排 |
| 第二章 自适应波束形成基本原理及优化准则 |
| 2.1 阵列信号模型与自适应波束形成基本原理 |
| 2.1.1 阵列信号接收模型 |
| 2.1.2 阵列天线的自适应波束形成原理 |
| 2.1.3 六边形阵列接收处理模型 |
| 2.2 自适应波束形成优化准则及对应算法 |
| 2.2.1 最大信干噪比准则及MVDR算法 |
| 2.2.2 最小均方误差准则及LMS算法 |
| 2.3 经典波束形成算法模型缺陷与问题的提出 |
| 2.3.1 协方差矩阵误差 |
| 2.3.2 波束旁瓣电平影响 |
| 2.3.3 方位指引矢量偏差 |
| 2.3.4 波阵面畸变干扰信号源 |
| 2.4 本章小结 |
| 第三章 Alpha噪声模型构建的冲激噪声干扰下鲁棒自适应波束形成算法研究 |
| 3.1 引言 |
| 3.2 Alpha噪声稳定分布构建的冲激噪声模型 |
| 3.2.1 Alpha噪声分布模型定义 |
| 3.2.2 Alpha稳定分布噪声的性质与图像 |
| 3.3 基于稀疏约束最大相关熵的鲁棒自适应波束形成算法 |
| 3.3.1 现有算法回顾及问题描述 |
| 3.3.2 CSMC算法推导 |
| 3.3.3 算法收敛稳态性能分析 |
| 3.4 基于约束最大相关熵L2 范数正则化的鲁棒自适应波束形成算法 |
| 3.4.1 CMCC-L2 算法推导 |
| 3.4.2 算法收敛稳态性能分析 |
| 3.5 仿真实验与性能评估 |
| 3.5.1 均方误差性能比较 |
| 3.5.2 输出SINR性能比较 |
| 3.5.3 方向图增益性能比较 |
| 3.5.4 阵列阵元稀疏度评估 |
| 3.5.5 算法复杂度分析与对比 |
| 3.6 本章小结 |
| 第四章 基于婓波拉切散枝搜索的鲁棒自适应波束形成算法研究 |
| 4.1 引言 |
| 4.2 婓波拉切散枝搜索多维优化算法的构建 |
| 4.2.1 婓波拉切序列一维单峰优化算法概述 |
| 4.2.2 婓波拉切散枝搜索法优化的基本结构 |
| 4.2.3 婓波拉切散枝搜索优化算法的基本原理与复杂度分析 |
| 4.2.4 算法基本流程及实施步骤 |
| 4.3 基于FBS优化策略的自适应波束形成器 |
| 4.3.1 方向图零陷深度目标模型 |
| 4.3.2 波束旁瓣幅度目标模型 |
| 4.3.3 算法基本流程及实施步骤 |
| 4.4 仿真实验与性能评估 |
| 4.4.1 FBS算法性能验证 |
| 4.4.1.1 基于Langermann函数的FBS算法搜索点位置积累分布 |
| 4.4.1.2 多峰函数的收敛性曲线分析 |
| 4.4.1.3 典型基准函数的优化测试结果 |
| 4.4.2 基于FBS优化的自适应波束形成器性能分析 |
| 4.4.2.1 波束方向图零陷深度评估 |
| 4.4.2.2 自适应波束形成器旁瓣电平分析 |
| 4.4.2.3 自适应波束形成器输出信干噪比研究 |
| 4.5 本章小结 |
| 第五章 基于方位指引矢量偏差的鲁棒自适应波束形成算法研究 |
| 5.1 引言 |
| 5.2 基于高阶空域谱响应的鲁棒自适应波束形成算法 |
| 5.2.1 泛化干扰噪声协方差的高阶重构与理论证明 |
| 5.2.2 基于高阶泛化重构矩阵的抗期望信号自消效应分析 |
| 5.2.3 基于DFT变换空间功率谱的方位指引矢量估计方法 |
| 5.3 基于约束随机梯度最小二乘的鲁棒自适应波束形成算法 |
| 5.3.1 权值闭环解的凸优化模型引入 |
| 5.3.2 约束凸优化的迭代解算 |
| 5.3.3 基于步长因子与拉格朗日乘子的收敛稳态条件分析 |
| 5.4 仿真实验与性能评估 |
| 5.4.1 自适应波束方向图性能仿真与比较分析 |
| 5.4.2 输出SINR随输入SNR变化关系比较 |
| 5.4.3 输出SINR随采样快拍数变化关系比较 |
| 5.4.4 输出SINR随角度偏差变化关系比较 |
| 5.5 本章小节 |
| 第六章 基于波阵面畸变空际间叠干扰的鲁棒自适应波束形成算法研究 |
| 6.1 引言 |
| 6.2 波阵面畸变及空际间叠干扰 |
| 6.2.1 传统最优自适应波束形成算法 |
| 6.2.2 波阵面畸变的空际间叠干扰模型 |
| 6.2.2.1 空际间叠干扰协方差模型 |
| 6.2.2.2 等效空际间叠矩阵 |
| 6.3 空际间叠干扰对传统最优波束形成算法性能的影响分析 |
| 6.3.1 空际间叠干扰裂变效应对阵列自由度的影响 |
| 6.3.2 空际间叠长度对输出SINR的影响 |
| 6.4 基于角度扩散散射源的抗空际间叠干扰自适应波束形成算法研究 |
| 6.4.1 基于KL转换提取空域处理矩阵的自适应波束形成算法 |
| 6.4.2 基于DFT变换提取空域处理矩阵的自适应波束形成算法 |
| 6.4.3 抗空际间叠干扰的自适应波束形成算法性能仿真实验 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 7.1 全文工作总结 |
| 7.2 全文工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（9）一阶指向可调差分阵列前后向比的理论分析与优化设计（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 国内外研究现状 |
| 1.3 本文研究内容与结构安排 |
| 第二章 差分传声器阵列基础 |
| 2.1 引言 |
| 2.2 差分传声器阵列基本原理 |
| 2.2.1 差分原理 |
| 2.2.2 n阶阵列响应 |
| 2.2.3 信号处理方法 |
| 2.2.4 性能指标 |
| 2.3 一阶指向可调差分阵列 |
| 2.3.1 阵列模型构建 |
| 2.3.2 性能分析 |
| 2.4 本章小结 |
| 第三章 失配误差对一阶指向可调差分阵列前后向比的影响分析 |
| 3.1 引言 |
| 3.2 理想条件下的阵列前后向比分析 |
| 3.3 增益误差对阵列前后向比的影响分析 |
| 3.3.1 数学模型 |
| 3.3.2 影响规律 |
| 3.3.3 容差分析 |
| 3.3.4 仿真实验与分析 |
| 3.4 相位误差对阵列前后向比的影响分析 |
| 3.4.1 数学模型 |
| 3.4.2 影响规律 |
| 3.4.3 容差分析 |
| 3.4.4 仿真实验与分析 |
| 3.5 自噪声情况 |
| 3.6 本章小结 |
| 第四章 失配误差下一阶指向可调差分阵列前后向比的优化设计 |
| 4.1 引言 |
| 4.2 混合误差下的阵列响应与前后向比 |
| 4.3 优化方法 |
| 4.4 仿真实验与分析 |
| 4.4.1 基本参数与收敛过程 |
| 4.4.2 最优前后向比设计方法验证 |
| 4.4.3 指向性因数与白噪声增益分析 |
| 4.5 实测实验 |
| 4.5.1 实验条件 |
| 4.5.2 实测数据分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（10）混响环境下的远程语音增强方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 术语表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 混响抑制 |
| 1.2.2 混响消除 |
| 1.3 本文主要研究内容 |
| 2 混响环境下语音处理基础 |
| 2.1 远场窄带信号模型 |
| 2.2 室内混响模型 |
| 2.3 统计混响模型 |
| 2.3.1 Polack统计模型 |
| 2.3.2 厂义统计模型 |
| 2.4 客观质量和语懂度 |
| 2.4.1 分段信噪比 |
| 2.4.2 倒谱距离 |
| 2.4.3 语音感知质量评估 |
| 2.5 多通道声学数据库 |
| 2.6 本章小结 |
| 3 基于波束形成的混响抑制方法 |
| 3.1 固定波束形成 |
| 3.1.1 性能衡量 |
| 3.1.2 延迟求和波束形成 |
| 3.1.3 最大指向性波束形成 |
| 3.2 差分波束形成 |
| 3.3 自适应波束形成 |
| 3.3.1 性能衡量 |
| 3.3.2 最小方差无失真响应 |
| 3.3.3 线性约束最小方差 |
| 3.4 本章小结 |
| 4 基于TF-GSC去混响的语音增强方法 |
| 4.1 传递函数-广义旁瓣抵消器 |
| 4.2 TF-GSC性能分析 |
| 4.2.1 信号失真 |
| 4.2.2 平稳噪声消除 |
| 4.3 多通道后置滤波 |
| 4.3.1 最小均方误差 |
| 4.3.2 最优修正对数谱幅度 |
| 4.3.3 极小值控制递归平均 |
| 4.3.4 改进极小值控制递归平均 |
| 4.4 仿真和实验验证 |
| 4.5 本章小结 |
| 5 基于盲去混响的语音增强方法 |
| 5.1 相干扩散比方法 |
| 5.1.1 已知DOA和噪声相干函数 |
| 5.1.2 未知DOA |
| 5.1.3 未知噪声相干函数 |
| 5.2 组稀疏方法 |
| 5.2.1 混合范数 |
| 5.2.2 最小绝对值和 |
| 5.2.3 组稀疏 |
| 5.2.4 正则化和模型阶数 |
| 5.2.5 复杂度分析和实验验证 |
| 5.3 加权预测误差方法 |
| 5.3.1 归一化延迟线性预测 |
| 5.3.2 方差归一化效应和噪声稳健性 |
| 5.3.3 加权预测误差方法 |
| 5.3.4 实验验证 |
| 5.4 GSC和MCLP对比 |
| 5.4.1 滤波器输入 |
| 5.4.2 增强信号 |
| 5.4.3 MCLP分析 |
| 5.4.4 GSC分析 |
| 5.5 综合实验验证 |
| 5.6 本章小结 |
| 6 多通道远程语音采集处理系统 |
| 6.1 系统设计 |
| 6.2 系统验证 |
| 6.3 本章小结 |
| 7 总结和展望 |
| 7.1 研究总结 |
| 7.2 未来展望 |
| 参考文献 |
| 作者简历及在攻读硕士学位期间所取得的研究成果 |
四、具有相位误差敏感性的CM阵波束形成器（论文参考文献）
- [1]基于深度学习的小尺度麦克风阵的语音增强研究[D]. 朱训谕. 浙江大学, 2021(01)
- [2]基于深度学习的小尺度麦克风阵列多语音源辨识方法研究[D]. 张敏. 浙江大学, 2021(01)
- [3]宽带声源定位方法及研究[D]. 闫宁. 哈尔滨理工大学, 2021
- [4]分布式麦克风阵列的校准方法研究[D]. 王睿. 大连理工大学, 2021
- [5]足球机器人阵列天线的自适应信号处理算法研究[D]. 钱炳锋. 东华大学, 2020(01)
- [6]分布式MIMO声呐目标检测和成像方法研究[D]. 姜景宁. 浙江大学, 2020
- [7]天波超视距雷达杂波抑制与目标探测研究[D]. 王兆祎. 电子科技大学, 2020(01)
- [8]复杂环境下抗干扰阵列天线鲁棒自适应波束形成算法研究[D]. 张海川. 国防科技大学, 2020(01)
- [9]一阶指向可调差分阵列前后向比的理论分析与优化设计[D]. 石佳韵. 南京航空航天大学, 2020(07)
- [10]混响环境下的远程语音增强方法研究[D]. 程泽丰. 浙江大学, 2019(01)