基于麥克風陣列誤差背景下的DOA估計算法研究.pdf

1、作為信號處理領域的一個重要分支，麥克風陣列由于其特有的優(yōu)越性被逐漸應用于視頻會議、聲紋識別、人工智能等方面。作為超分辨算法之一的多重信號分類(MUSIC)算法由于突破了瑞利限而具有很好的精度。但是為了解決目前應用環(huán)境中存在的“多徑衰落”、“多址干擾”等問題，要求DOA(波達方向估計)算法精度更高，系統(tǒng)響應更快，適應性更強，因此必須對MUSIC算法進行改進。然而，麥克風陣列的幅度相位和位置誤差又影響著DOA估計精度。故本文就是在充分考慮麥

2、克風陣列幅度相位和位置誤差的情況下，研究了DOA估計算法。
　　本文的主要工作包括:
　　1.對MUSIC算法進行改進。MUSIC算法精度雖高，但是計算量過大。針對這一缺點，引入MSCS(MUSIC對稱壓縮譜)算法在其中做均衡處理。當MSCS算法搜索到譜峰附近時，以該極值點為中心重新劃定一個小區(qū)域的搜索范圍，在此范圍內替換成MUSIC算法進行譜峰搜索，從而在降低運算量的同時，有效地提高了算法精度。仿真實驗表明，在較高信噪比（

3、大概25dB以上）時，該算法估計精度與MUSIC算法基本保持一致，系統(tǒng)響應時間卻降低為原來的2/3，由此可見，算法的性能得到較大改善。
　　2.麥克風陣列存在幅度相位誤差時的DOA估計。研究了存在幅度相位誤差時的麥克風自校正方法，該方法不像常規(guī)方法一樣需要獲取聲源的精確位置，僅需在關于陣列鏡像對稱的位置各放置一個校正聲源即可，然后對獲取的數(shù)據(jù)進行矩陣分解等操作即可估計出誤差。通過消聲室實驗獲取實測數(shù)據(jù)進行實驗驗證，結果表明，即使是

4、在0-4000Hz這種幅度相位誤差不大的語音頻段，該自校正方法的估計偏差依然很小。
　　3.麥克風陣列存在位置誤差時的DOA估計。在陣列位置誤差校正的研究中引入遺傳算法的思想，先通過理想陣元情況下的MUSIC算法獲取估計角的初始值，然后對這一初始群體中的個體進行適應度評價獲取最優(yōu)個體，再通過選擇、變異、交叉等操作產生下一代搜索群體，重復評優(yōu)過程并減小偏差因子直至找出最優(yōu)個體，代入MUSIC譜公式，獲取最終的估計角度。實驗和仿真結果