一種強噪環境下的麥克風陣列波束自適應處理方法技術

本發明專利技術涉及自適應波束處理的技術領域，揭露了一種強噪環境下的麥克風陣列波束自適應處理方法，所述方法包括：對采樣協方差矩陣進行特征分解并構造特征值曲線，確定特征值曲線拐點；將特征分解結果區分為信號子空間和強噪聲信號子空間；根據聲源信號以及干擾信號的入射角度和功率重構采樣協方差矩陣，計算得到波束自適應處理權重；利用波束自適應處理權重進行自適應波束處理。本發明專利技術通過結合信號子空間投影對聲源信號導向向量進行噪聲干擾消除，結合期望入射角度的導向向量對聲源信號導向向量進行修正，提高了導向向量估計的準確性，并利用波束自適應處理權重對麥克風陣列信號進行加權處理，得到過濾噪聲信號以及降低干擾信號影響的穩定波束。號影響的穩定波束。號影響的穩定波束。

【技術實現步驟摘要】
一種強噪環境下的麥克風陣列波束自適應處理方法


[0001]本專利技術涉及波束自適應的
，尤其涉及一種強噪環境下的麥克風陣列波束自適應處理方法。

技術介紹

[0002]傳統的麥克風陣列波束處理方法在于區分出期望位置的語音信號和干擾位置的信號，形成一個指向目標聲源方向的波束進行空間濾波，抑制干擾信號。然而傳統的自適應波束處理方法極其依賴于聲源和干擾源的位置估計準確度，一旦估計不夠準確則會嚴重影響處理效果，尤其是強噪音環境下更容易導致較大的估計偏差。針對該問題，本專利提出一種強噪環境下的麥克風陣列波束自適應處理方法。

技術實現思路

[0003]有鑒于此，本專利技術提供一種強噪環境下的麥克風陣列波束自適應處理方法，目的在于：1)通過所采集麥克風陣列信號的采樣協方差矩陣進行特征分解，得到采樣協方差矩陣的若干特征值和特征向量，基于特征向量的模對特征值進行對數轉換，并比較相鄰特征值對數轉換結果的差值，其中差值越大，則表示特征向量的模以及特征值存在較大差異，而特征向量以及特征值分別表征了矩陣的變換速度以及變換方向，選取差值最大的點，將特征值以及特征向量劃分為信號子空間和強噪聲信號子空間，其中信號子空間包含較為有序的聲源信號以及干擾信號的特征，而強噪聲信號子空間包含較為無序的噪聲信號特征，進而根據信號導向向量與強噪聲信號子空間的正交性，求解得到不同信號的入射角度和功率，檢測得到所有干擾信號源所發出的干擾信號；2)結合信號子空間對聲源信號入射角度進行投影濾波處理，將來自強噪聲信號子空間的導向向量成分進行去除處理，提高聲源信號入射角度以及導向向量的準確性，并基于導向向量矩陣的特征分解結果，選取與聲源信號導向向量相關性最高的特征向量，對濾波處理后的導向向量進行修正，從而在保證聲源信號導向向量為主體的情況下，在聲源信號導向向量中增加期望入射角度的導向向量信息，對聲源信號導向向量進行修正，并計算得到波束自適應處理權重，進而對麥克風陣列信號進行加權處理，得到過濾噪聲信號以及降低干擾信號影響的穩定波束。
[0004]為實現上述目的，本專利技術提供的一種強噪環境下的麥克風陣列波束自適應處理方法，包括以下步驟：
[0005]S1：采集麥克風陣列信號構造采樣協方差矩陣，對采樣協方差矩陣進行特征分解，
[0006]得到降序排列的特征值及其對應的特征向量；
[0007]S2：將特征值序號作為橫坐標，特征值為縱坐標構造特征值曲線，并確定特征值曲線拐點；
[0008]S3：基于特征值曲線拐點將特征分解結果區分為信號子空間和強噪聲信號子空間，并計算干擾信號入射角度和干擾信號功率，以及計算聲源信號入射角度和聲源信號功率；
[0009]S4：根據聲源信號以及干擾信號的入射角度和功率重構采樣協方差矩陣，得到重構后的采樣協方差矩陣；
[0010]S5：基于聲源信號入射角度以及重構后的采樣協方差矩陣，計算得到波束自適應處理權重；
[0011]S6：根據計算得到的波束自適應處理權重對麥克風陣列信號進行自適應波束處理。
[0012]作為本專利技術的進一步改進方法：
[0013]可選地，所述S1步驟中采集麥克風陣列信號并構造采樣協方差矩陣，包括：
[0014]采集麥克風陣列信號，其中所采集麥克風陣列信號的表示形式為：
[0015]x(t)＝[x1(t)，x2(t)，...，x
m
(t)，...，x
M
(t)]T
[0016]x
m
(t)＝[x
m
(t1)，x
m
(t2)，...，x
m
(t
n
)，...，x
m
(t
N
)][0017]其中：
[0018]x(t)表示所采集的麥克風陣列信號，其中麥克風陣列由M個麥克風組成，且M個麥克風的排列方式為線性排列，相鄰麥克風之間的距離為d，t表示時序信息；
[0019]x1(t)表示麥克風陣列中第一個麥克風接收到的信號，[t1，t
N
]表示麥克風陣列信號的采集時間范圍，x
m
(t
n
)表示t
n
時刻麥克風陣列中第m個麥克風接收到的信號；在本專利技術實施例中，麥克風陣列中的第一個麥克風為最接近聲源位置的麥克風，也為線性排列的麥克風陣列中首端的麥克風；
[0020]T表示轉置；
[0021]所采集麥克風陣列信號中包括聲源信號，若干個干擾信號源所發出的干擾信號以及強噪聲信號；
[0022]根據所采集麥克風陣列信號，構造采樣協方差矩陣：
[0023][0024]其中：
[0025]Cov表示所采集麥克風陣列信號的采樣協方差矩陣。
[0026]可選地，所述S1步驟中對采樣協方差矩陣進行特征分解，包括：
[0027]對采樣協方差矩陣進行特征分解，其中特征分解流程為：
[0028]S11：計算得到采樣協方差矩陣Cov的特征值，得到M個特征值，其中計算特征值的公式為：
[0029]|λI
?
Cov|＝0
[0030]其中：
[0031]I表示單位矩陣；
[0032]λ表示特征值；
[0033]S12：將計算得到M個特征值按照特征值由大到小進行排序，其中特征值的排列結果為：(λ1，λ2，...，λ
m
，...，λ
M
)，λ
m
表示排序后的第m個特征值，m即為特征值λ
m
的特征值序號，λ1≥λ2≥...λ
m
?1≥λ
m
≥λ
m+1
...λ
M
?1≥λ
M
；
[0034]S13：計算每個特征值對應的特征向量，其中特征值λ
m
所對應特征向量α
m
的計算公式為：
[0035](λ
m
I
?
Cov)α
m
＝0
[0036]得到M個特征值對應的特征向量序列：(α1，α2，...，α
m
，...，α
M
)。
[0037]可選地，所述S2步驟中將特征值序號作為橫坐標，特征值為縱坐標構造特征值曲線確定特征值曲線拐點，包括：
[0038]將特征值序號作為橫坐標，特征值為縱坐標構造特征值曲線，其中特征值λ
m
在特征值曲線中的坐標表示為(m，λ
m
)；
[0039]基于特征值曲線確定曲線拐點：
[0040]S21：對特征值曲線中每個特征值進行賦值，其中特征值λ
m
的賦值結果為：
[0041][0042]其中：
[0043]γ
m
為特征值λ
m
的賦值結果；
[0044]S22：計算相鄰特征值序號本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種強噪環境下的麥克風陣列波束自適應處理方法，其特征在于，所述方法包括：S1：采集麥克風陣列信號構造采樣協方差矩陣，對采樣協方差矩陣進行特征分解，得到降序排列的特征值及其對應的特征向量；S2：將特征值序號作為橫坐標，特征值為縱坐標構造特征值曲線，并確定特征值曲線拐點；S3：基于特征值曲線拐點將特征分解結果區分為信號子空間和強噪聲信號子空間，并計算干擾信號入射角度和干擾信號功率，以及計算聲源信號入射角度和聲源信號功率；S4：根據聲源信號以及干擾信號的入射角度和功率重構采樣協方差矩陣，得到重構后的采樣協方差矩陣；S5：基于聲源信號入射角度以及重構后的采樣協方差矩陣，計算得到波束自適應處理權重；S6：根據計算得到的波束自適應處理權重對麥克風陣列信號進行自適應波束處理。2.如權利要求1所述的一種強噪環境下的麥克風陣列波束自適應處理方法，其特征在于，所述S1步驟中采集麥克風陣列信號并構造采樣協方差矩陣，包括：采集麥克風陣列信號，其中所采集麥克風陣列信號的表示形式為：x(t)＝[x1(t),x2(t),...,x
m
(t),...,x
M
(t)]
T
x
m
(t)＝[x
m
(t1),x
m
(t2),...,x
m
(t
n
),...,x
m
(t
N
)]其中：x(t)表示所采集的麥克風陣列信號，其中麥克風陣列由M個麥克風組成，且M個麥克風的排列方式為線性排列，相鄰麥克風之間的距離為d，t表示時序信息；x1(t)表示麥克風陣列中第一個麥克風接收到的信號，[t1,t
N
]表示麥克風陣列信號的采集時間范圍，x
m
(t
n
)表示t
n
時刻麥克風陣列中第m個麥克風接收到的信號；T表示轉置；所采集麥克風陣列信號中包括聲源信號，若干個干擾信號源所發出的干擾信號以及強噪聲信號；根據所采集麥克風陣列信號，構造采樣協方差矩陣：其中：Cov表示所采集麥克風陣列信號的采樣協方差矩陣。3.如權利要求2所述的一種強噪環境下的麥克風陣列波束自適應處理方法，其特征在于，所述S1步驟中對采樣協方差矩陣進行特征分解，包括：對采樣協方差矩陣進行特征分解，其中特征分解流程為：S11：計算得到采樣協方差矩陣Cov的特征值，得到M個特征值，其中計算特征值的公式為：|λI
?
Cov|＝0其中：I表示單位矩陣；λ表示特征值；
S12：將計算得到M個特征值按照特征值由大到小進行排序，其中特征值的排列結果為：(λ1,λ2,...,λ
m
,...,λ
M
)，λ
m
表示排序后的第m個特征值，m即為特征值λ
m
的特征值序號，λ1≥λ2≥...λ
m
?1≥λ
m
≥λ
m+1
...λ
M
?1≥λ
M
；S13：計算每個特征值對應的特征向量，其中特征值λ
m
所對應特征向量α
m
的計算公式為：(λ
m
I
?
Cov)α
m
＝0得到M個特征值對應的特征向量序列：(α1,α2,...,α
m
,...,α
M
)。4.如權利要求1所述的一種強噪環境下的麥克風陣列波束自適應處理方法，其特征在于，所述S2步驟中將特征值序號作為橫坐標，特征值為縱坐標構造特征值曲線，確定特征值曲線拐點，包括：將特征值序號作為橫坐標，特征值作為縱坐標構造特征值曲線，其中特征值λ
m
在特征值曲線中的坐標表示為(m,λ
m
)；基于特征值曲線確定曲線拐點：S21：對特征值曲線中每個特征值進行賦值，其中特征值λ
m
的賦值結果為：其中：γ
m
為特征值λ
m
的賦值結果；S22：計算相鄰特征值序號所對應特征值賦值結果的差值，其中特征值λ
m
賦值結果與特征值λ
m
?1賦值結果的差值為γ
m
?
γ
m
?1，并將γ
m
?
γ
m
?1作為特征值序號m對應的特征值曲線曲率；S23：重復步驟S22，得到相鄰特征值序號所對應特征值賦值結果的差值，即每個特征值序號對應的特征值曲線曲率，并選取特征值曲線曲率最大的特征值序號作...

【專利技術屬性】
技術研發人員：劉建洪，朱訓魏，陳潔，
申請(專利權)人：長沙東瑪克信息科技有限公司，
類型：發明
國別省市：