针对常用LFM(linear frequency modulated)信号DOA(direction of arrival)估计算法采样数据量大,在低信噪比情况下估计效果不理想的问题,提出一种基于CS(compressed sensing或compressive sampling)理论的LFM信号DOA估计新方法。实验仿...针对常用LFM(linear frequency modulated)信号DOA(direction of arrival)估计算法采样数据量大,在低信噪比情况下估计效果不理想的问题,提出一种基于CS(compressed sensing或compressive sampling)理论的LFM信号DOA估计新方法。实验仿真验证了CS理论的基本原理及运用其进行LFM信号DOA估计的可行性。展开更多
阵列幅相误差会显著降低麦克风阵列的声源定位性能,因此对麦克风阵列的幅度和相位进行良好校准至关重要。文章针对近场麦克风阵列,引入三维多重信号分类(Multiple Signal Classification,MUSIC)近场算法,对基于特征结构的阵列幅度和相...阵列幅相误差会显著降低麦克风阵列的声源定位性能,因此对麦克风阵列的幅度和相位进行良好校准至关重要。文章针对近场麦克风阵列,引入三维多重信号分类(Multiple Signal Classification,MUSIC)近场算法,对基于特征结构的阵列幅度和相位校正方法进行改进。改进后的校正方法不再局限于特定阵列的拓扑结构,可以实现近场校正,具有较高的定位估计精度。展开更多
文摘针对常用LFM(linear frequency modulated)信号DOA(direction of arrival)估计算法采样数据量大,在低信噪比情况下估计效果不理想的问题,提出一种基于CS(compressed sensing或compressive sampling)理论的LFM信号DOA估计新方法。实验仿真验证了CS理论的基本原理及运用其进行LFM信号DOA估计的可行性。
文摘阵列幅相误差会显著降低麦克风阵列的声源定位性能,因此对麦克风阵列的幅度和相位进行良好校准至关重要。文章针对近场麦克风阵列,引入三维多重信号分类(Multiple Signal Classification,MUSIC)近场算法,对基于特征结构的阵列幅度和相位校正方法进行改进。改进后的校正方法不再局限于特定阵列的拓扑结构,可以实现近场校正,具有较高的定位估计精度。
