标签:tle 增强 麦克风 估计 lcm rac 矩阵 论文 com
作者:桂。
时间:2017-06-03 21:46:59
链接:http://www.cnblogs.com/xingshansi/p/6937259.html
原文下载:http://pan.baidu.com/s/1hs5kgh2
前言
1982年的文章了,主要是基于GSC框架的麦克风阵列增强,梳理一下文章的思路。这篇文章主要有两点特色:
1)在Frost’s algorithm基础上,进行了理论扩展;
2)论述了基于麦克风阵列的GSC框架.
一、理论回顾
假设噪声为加性:
其中s是desired signal,n 是noise.m为第m个麦克风,m∈[1,M].
加权的beamforming可以写为
滤波器的抽头长度为2K+1.对应的框架为:
上面的定义式可以进一步简化,根据
输出为
实现结构知道了,下面就是定义目标函数,然后就是理论的落地,具体可以参考Frost’s algorithm。细节上的改动可以看原文,个人觉得对于实际应用影响可以忽略。
二、GSC框架
GSC的理论推导之前有分析。它本质上也是LCMV的应用,不同之处在于:假设C为M×L的矩阵:L个线性约束条件。对于M个变量的方程组,对应唯一解最多有M个方程,即:对于L个线性约束来讲,我们仍可以继续利用剩下的M-L个自由度进行约束,使得结果更加符合需求,这便是GSC的意义。可以说GSC是MVDR的强化版,但效果是不是一定最优难以保证,例如MVDR是最优权重,而GSC上支的增强向量、下支的Block矩阵通常直接给定,只是优化LMS中的权重。
GSC的描述:
The GSC algorithm is comprised of three building blocks. The first is a fixed beamformer, which satisfies the desired constraint. The second is a blocking matrix, which produces noise-only reference signals by blocking the desired signal (e.g., by subtracting pairs of time-aligned signals). The third is an unconstrained LMS-type algorithm that attempts to cancel the noise in the fixed beamformer output.
简单说一下实现思路:仍然可以按频点处理,首先是延迟t的估计,然后是对齐,上支是叠加/下支是block,这样一来上支看成是目标信号带有噪声,下支看成是噪声,从而利用自适应滤波的思想对上支信号进行降噪。假设麦克风为M个,滤波的抽头系数为2K+1,借助梯度下降的思想,这样便完成了理论的落地,实现了工程应用。具体的思路与Frost‘s algorithm中的思路基本一致,不再赘述。
参考
【论文:麦克风阵列增强】An alternative approach to linearly constrained adaptive beamforming
标签:tle 增强 麦克风 估计 lcm rac 矩阵 论文 com
原文地址:http://www.cnblogs.com/xingshansi/p/6937259.html