主頁 > 軟體設計 > 常規與MVDR波束形成對比—麥克風陣列系列(一)

常規與MVDR波束形成對比—麥克風陣列系列(一)

2020-10-25 01:45:56 軟體設計

閱讀原文還請移步我的知乎專欄:
https://www.zhihu.com/column/c_1287066237843951616


首先力薦鄢社鋒老師的書籍《優化陣列信號處理》,對于麥克風陣列信號處理的講解非常全面,對陣列的基本概念與優化方法講的很是透徹,而且最重要事情當然是全中文的啦,而且鄢社鋒是本領域的頂尖專家,比很多翻譯過來的外文書籍要好很多,值得閱讀,個人感覺比陳老師的《Microphone Array Signal Processing》要更容易理解、更容易上手很多,因為這本書里面包含了很多的案例用以對比演示,但是很遺憾,我并沒有找到鄢老師的相關代碼,所以干脆就自己動手,看書的同時順帶實作了幾個,

所以,本文是后續系列文章的第一篇,記錄案例實作的程序與代碼,對于案例的解釋主要為原書內容,自己進行了簡化,便于后續理解,本文講述第二章的案例2.2、2.3與2.4,對比試驗了常規波束形成與MVDR最優波束形成的波束圖、方位掃描圖與陣增益,以及自己實作的代碼,


例2.2 常規波束圖、常規波束掃描方位譜

考慮一個10元標準線列陣,假設一功率為1的單頻信號從80^\circ 方向入射到基陣,不考慮噪聲,用如下公式計算資料協方差矩陣:

\bold R_x=E\left[ \bold x(n) \bold x^H(n) \right]

以基陣在10^\circ 方向的回應向量作為導向向量,即\bar {\bold {a}}_s=\bold a\left( 80^\circ\right) ,采用式

\bold w_c=\bar {\bold a}_s/M

計算常規波束加權向量,用式

p\left( \theta \right)=\bold w^H \bold a\left( \theta \right),\theta\in\Theta

波束圖

計算波束回應,將得到的波束圖顯示于圖 2(a)中,圖中可以看見波束主瓣指向80^\circ方位,這意味著該波束形成器對80^\circ方向到達的信號回應最大,附代碼實作,在圖片上方,

%% 2(a) 常規波束形成波束圖 代碼實作部分
clear; close all; clc;
c=340;       %聲速
f=1000;      %頻率
lambda = c / f;
k = 2*pi*f / c;
space = lambda/2;  %麥克風間距
M = 10;         %麥克風數量
theta_d = 80*pi/180; %入射角度
theta_angle = 0:0.1:180;
theta = theta_angle*pi/180;
Wc = exp(-1i*k*space*[0:M-1]*cos(theta_d)) / M;
B = zeros(size(theta));
%% 計算波束圖
for i = 1:length(theta)
    p = exp(1i*k*space*[0:M-1]*cos(theta(i)));
    B(i) = conj(Wc)*p';
end
B_db = 20*log10(B);
limit_dB = -50;
index = B_db < limit_dB;
B_db(index) = limit_dB; 
figure;
plot(theta_angle, B_db, 'linewidth', 1.5);
grid on;xlabel('方位(^o)'); ylabel('20lg(B)/dB');
title('波束圖');

2(a) 常規波束形成波束圖

波束掃描方位譜

進行波束掃描,即讓\theta\left[ -90^\circ,90^\circ \right] 內變化,取導向向量為\bar {\bold {a}}_s=\bold a\left( \theta\right) ,用下式P\left( \theta \right)=\bold w^H\left( \theta \right)\bold R_x\bold w\left( \theta \right),\theta\in \Theta

計算出波束掃描方位譜,顯示于圖 2(b)中,從圖中可以看出,在 80^\circ位存在一個主峰值,該峰值表示在該方位存在一個信號,峰值大小為 0dB,表示該方位波束輸出功率為1,即該方向到達信號功率估計值為1,同時注意到,雖然只有80^\circ方向存在信號,其他方位沒有信號,但從方位譜上觀察,其他方位的波束輸出功率并不為0,好像是出現了“能量泄漏”,這是由于波束旁瓣引起的,對于遠離信號方向的波束,由于常規波束的旁瓣比較高,即使信號位于這些波束的旁瓣,旁瓣對該信號有一定的抑制,但是波束輸出并不為0,因此表現為在方位譜上非信號方向存在輸出功率,可以預見,由于常規波束較高的旁瓣,可能會因為強信號的“能量泄漏”而淹沒了其他方位的弱信號,這一點在后文的仿真中將會看到,

比較圖2(a)與圖2(b)發現,指向信號方向的常規波束圖與常規波束掃描方位譜曲線完全相同,這是在僅存在單位功率平面波信號時常規波束形成特有的現象,其他波束形成方法不存在此現象,假設基陣接收到功率為 0dB的空間白噪聲,信號功率增加到 30dB,即輸入信噪比 SNR_{in}=30dB,采用常規波束掃描得到的方位譜如圖 2(c)所示,圖中指示在 80^\circ方向方位譜大約為 30dB,表示該方位信號功率估計值約為 30dB,代碼實作參考 2(b),不再贅述,

%% 2(b) 常規波束掃描方位譜,代碼實作部分
p = exp(1i*k*space*[0:M-1]*cos(theta_d));
Rx = (p')*conj(p);
B = zeros(size(theta));
for i = 1:length(theta)
    Wcc = exp(-1i*k*space*[0:M-1]*cos(theta(i))) / M;
    B(i) = conj(Wcc)*Rx*Wcc';
end
B_db = 10*log10(B);
limit_dB = -50;
index = B_db < limit_dB;
B_db(index) = limit_dB; 
figure;
plot(theta_angle, B_db, 'linewidth', 1.5);
grid on;
xlabel('方位(^o)'); ylabel('10lg(P)/dB');
title('波束掃描方位譜');

2(b) 常規波束掃描方位譜

2(c) 常規波束掃描方位圖

波束陣增益

應用公式:G_c=\frac{\left| \bar{\bold a} ^H_s \bold a_s \right|^2}{\bar{\bold a} ^H_s \bold \rho _n\bold a_s}

計算掃描到各方位時波束陣增益,顯示于圖 2(d)中,圖中可見,該曲線形狀與圖2(a)中波束形狀相同,但高出10dB ,即為最高陣增益,從該圖可以知,當波束對準信號方向時,波束形成器的陣增益最大;波束觀察方位與信號方位存在偏差時,波束陣增益減小,只要方位偏差不太大(在半功率束寬以內),陣增益比最大值下降得并不多,

%% 2(d) 常規波束陣增益 代碼實作部分
p_ = exp(1i*k*space*[0:M-1]*cos(theta_d));
B = zeros(size(theta));
for i = 1:length(theta)
    p = exp(1i*k*space*[0:M-1]*cos(theta(i)));
    B(i) = (conj(p_) * p').^2 / (conj(p_)*p_');
end
B_db = 10*log10(B);
limit_dB = -50;
index = B_db < limit_dB;
B_db(index) = limit_dB; 
figure;
plot(theta_angle, B_db, 'linewidth', 1.5);
grid on;
xlabel('方位(^o)'); ylabel('10lg(G)/dB');
title('不同方向波束陣增益');

2(d) 常規波束陣增益


例2.3 MVDR波束形成

考慮一個10元標準線列陣,假設基陣接收噪聲是功率為0dB 高斯白噪聲,即\bold R_n=\bold I ,一信噪比為SNR=30dB 的單頻信號從 \theta_0=80^ \circ方向入射到基陣,用下式計算資料協方差矩陣 \bold R_x=E\left[ \bold x(n) \bold x^H(n) \right]

MVDR波束形成器波束圖

采用下式

\bold w_{MVDR}=\frac{\bold R_x^{-1} \bar{\bold a}_s}{\bar{\bold a}_s^H\bold R_x^{-1} \bar{\bold a}_s}

設計MVDR 波束形成器加權向量,圖 3(a)顯示了觀察方向分別為\theta_s=80^\circ\theta_s=100^\circ的兩個波束圖,對于80^\circ 方向波束形成器,它相當于\beta=0 的情況, 100^\circ方向平面波被視作干擾;對于100^\circ方向波束,100^\circ方向平面波為期望信號,對應于\beta=1 的情況,

對于80^\circ方向的波束圖,它在80^\circ方向的回應為 1(0dB),由于MVDR波束形成器的特性,為了使波束輸出功率最小,該波束在 100^\circ方向形成零點以最大限度抑制來自該方向的干擾,對于100^\circ方向的波束圖,假想導向向量與真實基陣回應向量相等,又由于\bold R_n=\bold I,該MVDR波束形成器蛻化為常規波束形成器,所以該波束圖與圖 2(a)中的常規波束圖相同,

%% 3(a) MVDR波束形成器波束圖,代碼實作
c=340;       %聲速
f=1000;      %頻率
lambda = c / f;
k = 2*pi*f / c;
space = lambda/2;  %麥克風間距
M = 10;         %麥克風數量
theta_angle = 0:0.1:180;
theta = theta_angle*pi/180;

theta_d1 = 80*pi/180; %入射角度
p_1 = exp(1i*k*space*[0:M-1]*cos(theta_d1))';
Rx = conj(p_1)*p_1'*10^(30/10) + eye(M)*10^(0/10);
Wc = Rx\p_1 / (conj(p_1')*inv(Rx)*p_1);
B = zeros(size(theta));

%% 計算波束圖 80度
for i = 1:length(theta)
    p = exp(1i*k*space*[0:M-1]*cos(theta(i)))';
    B(i) = conj(Wc')*p;
end
B_db = 20*log10(B);
limit_dB = -50;
index = B_db < limit_dB;
B_db(index) = limit_dB; 
figure;
plot(theta_angle, B_db, 'linewidth', 1.5);
hold on;

3(a) MVDR波束形成器波束圖

MVDR波束掃描方位譜

采用MVDR波束掃描估計方位譜,其中掃描方位間隔為 0.1^\circ,得到的方位譜顯示于圖 3(b)中,與圖 2(b)相比較可見,MVDR波束掃描得到的方位譜峰值更尖銳,可見,MVDR波束掃描能提供比常規波束掃描較高的方位分辨能力,

%% 3(b) MVDR波束形成器波束掃描方位譜圖,代碼實作
theta_angle = 0:1:180;
theta = theta_angle*pi/180;

theta_d1 = 80*pi/180; %入射角度1
p_1 = exp(1i*k*space*[0:M-1]*cos(theta_d1))';
Rx = (p_1)*conj(p_1')*10^(30/10);
B = zeros(size(theta));

for i = 1:length(theta)
    p = exp(1i*k*space*[0:M-1]*cos(theta(i)))';
    Wcc = Rx\p / (conj(p')*(Rx\p));
    B(i) = conj(Wcc')*Rx*Wcc;
end
B_db = 10*log10(B);
limit_dB = -10;
index = B_db < limit_dB;
B_db(index) = limit_dB; 
figure;
plot(theta_angle, B_db, 'linewidth', 1.5);
hold on;
plot(80, 30, 'ro',  'linewidth', 1.5);
grid on;
legend('方位譜', '真實信號');
xlabel('方位(^o)'); ylabel('10lg(P)/dB');
title('波束掃描方位譜');

3(b) MVDR波束形成器波束掃描方位譜圖

MVDR波束形成器加權向量范數

圖 3(v)顯示了各掃描方位波束的加權向量范數 10lg\left( \left| \left| \bold w \right| \right|^2 \right) ,從圖中可以看出,在波束觀察方向距離信號方向較遠時(例如本例中與信號間隔 10^\circ以上),波束形成器加權向量范數較小,接近于最小值,間隔較近時,隨著間隔減小,加權向量范數逐漸增加;而當波束方向恰好等于信號方向時,加權向量范數突然下降到與間隔較遠的方位同一大小(因為此時波束形成器蛻化為常規波束形成器),

%% 3(c) MVDR波束形成器加權向量范數,代碼實作
theta_angle = 0:0.1:180;
theta = theta_angle*pi/180;

theta_d1 = 90*pi/180; %入射角度1
p_1 = exp(1i*k*space*[0:M-1]*cos(theta_d1))';
Rx = (p_1)*conj(p_1')*10^(30/10);
B = zeros(size(theta));

for i = 1:length(theta)
    p = exp(1i*k*space*[0:M-1]*cos(theta(i)))';
    Wcc = Rx\p / (conj(p')*(Rx\p));
    B(i) = norm(Wcc)*norm(Wcc);
end
B_db = 10*log10(B);
limit_dB = -50;
index = B_db < limit_dB;
B_db(index) = limit_dB; 
figure;
plot(theta_angle, B_db, 'linewidth', 1.5);
grid on;
xlabel('方位(^o)'); ylabel('10lg(w^2)/dB');
title('加權向量范數');

3(c) MVDR波束形成器加權向量范數


例2.4 兩信號源情況下MVDR與常規波束形成器的比較

考慮一個 10元標準線列陣,基陣接收噪聲是功率為 0dB高斯白噪聲,兩個信噪比分別為 15dB與 30dB的單頻信號分別從80^\circ100^\circ方向入射到基陣,

分別采用常規波束形成與MVDR波束形成掃描,得到的方位譜分別如圖4(a) 與圖4(b) 所示,

4(a) 兩信號源常規波束形成器

4(b) 兩信號源MVDR波束形成器


參考資料

1、《優化陣列信號處理》,鄢社鋒

轉載請註明出處,本文鏈接:https://www.uj5u.com/ruanti/189631.html

標籤:其他

上一篇:視頻講解編程題:Redis + FastDFS 小視頻上傳

下一篇:第二次作業進展報告

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C#(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • 面試突擊第一季,第二季,第三季

    第一季必考 https://www.bilibili.com/video/BV1FE411y79Y?from=search&seid=15921726601957489746 第二季分布式 https://www.bilibili.com/video/BV13f4y127ee/?spm_id_fro ......

    uj5u.com 2020-09-10 05:35:24 more
  • 第三單元作業總結

    1.前言 這應該是本學期最后一次寫作業總結了吧。總體來說,對作業的節奏也差不多掌握了,作業做起來的效率也更高了。雖然和之前的作業一樣,作業中都要用到新的知識,但是相比之前,更加懂得了如何利用工具以及資料。雖然之間卡過殼,但總體而言,這幾次作業還算完成的比較好。 2.作業程序總結 相比前兩個單元,此單 ......

    uj5u.com 2020-09-10 05:35:41 more
  • 北航OO(2020)第四單元博客作業暨課程總結博客

    北航OO(2020)第四單元博客作業暨課程總結博客 本單元作業的架構設計 在本單元中,由于UML圖具有比較清晰的樹形結構,因此我對其中需要進行查詢操作的元素進行了包裝,在樹的父節點中存盤所有孩子的參考。考慮到性能問題,我采用了快取機制,一次查詢后盡可能快取已經遍歷過的資訊,以減少遍歷次數。 本單元我 ......

    uj5u.com 2020-09-10 05:35:48 more
  • BUAA_OO_第四單元

    一、UML決議器設計 ? 先看下題目:第四單元實作一個基于JDK 8帶有效性檢查的UML(Unified Modeling Language)類圖,順序圖,狀態圖分析器 MyUmlInteraction,實際上我們要建立一個有向圖模型,UML中的物件(元素)可能與同級元素連接,也可與低級元素相連形成 ......

    uj5u.com 2020-09-10 05:35:54 more
  • 6.1邏輯運算子

    邏輯運算子 1. && 短路與 運算式1 && 運算式2 01.運算式1為true并且運算式2也為true 整體回傳為true 02.運算式1為false,將不會執行運算式2 整體回傳為false 03.只要有一個運算式為false 整體回傳為false 2. || 短路或 運算式1 || 運算式2 ......

    uj5u.com 2020-09-10 05:35:56 more
  • BUAAOO 第四單元 & 課程總結

    1. 第四單元:StarUml檔案決議 本單元采用了圖模型決議UML。 UML檔案可以抽象為圖、子圖、邊的邏輯結構。 在實作中,圖的節點包括類、介面、屬性,子圖包括狀態圖、順序圖等。 采用了三次遍歷UML元素的方法建圖,第一遍遍歷建點,第二、三次遍歷設定屬性、連邊,實作圖物件的初始化。這里借鑒了一些 ......

    uj5u.com 2020-09-10 05:36:06 more
  • 談談我對C# 多型的理解

    面向物件三要素:封裝、繼承、多型。 封裝和繼承,這兩個比較好理解,但要理解多型的話,可就稍微有點難度了。今天,我們就來講講多型的理解。 我們應該經常會看到面試題目:請談談對多型的理解。 其實呢,多型非常簡單,就一句話:呼叫同一種方法產生了不同的結果。 具體實作方式有三種。 一、多載 多載很簡單。 p ......

    uj5u.com 2020-09-10 05:36:09 more
  • Python 資料驅動工具:DDT

    背景 python 的unittest 沒有自帶資料驅動功能。 所以如果使用unittest,同時又想使用資料驅動,那么就可以使用DDT來完成。 DDT是 “Data-Driven Tests”的縮寫。 資料:http://ddt.readthedocs.io/en/latest/ 使用方法 dd. ......

    uj5u.com 2020-09-10 05:36:13 more
  • Python里面的xlrd模塊詳解

    那我就一下面積個問題對xlrd模塊進行學習一下: 1.什么是xlrd模塊? 2.為什么使用xlrd模塊? 3.怎樣使用xlrd模塊? 1.什么是xlrd模塊? ?python操作excel主要用到xlrd和xlwt這兩個庫,即xlrd是讀excel,xlwt是寫excel的庫。 今天就先來說一下xl ......

    uj5u.com 2020-09-10 05:36:28 more
  • 當我們創建HashMap時,底層到底做了什么?

    jdk1.7中的底層實作程序(底層基于陣列+鏈表) 在我們new HashMap()時,底層創建了默認長度為16的一維陣列Entry[ ] table。當我們呼叫map.put(key1,value1)方法向HashMap里添加資料的時候: 首先,呼叫key1所在類的hashCode()計算key1 ......

    uj5u.com 2020-09-10 05:36:38 more
最新发布
  • 【中介者設計模式詳解】C/Java/JS/Go/Python/TS不同語言實作

    * 中介者模式是一種行為型設計模式,它可以用來減少類之間的直接依賴關系,
    * 將物件之間的通信封裝到一個中介者物件中,從而使得各個物件之間的關系更加松散。
    * 在中介者模式中,物件之間不再直接相互互動,而是通過中介者來中轉訊息。 ......

    uj5u.com 2023-04-20 08:20:47 more
  • 露天煤礦現場調研和交流案例分享

    他們集團的資訊化公司及研究院在一個礦區正在做智能礦山的統一平臺的 試點,專案投資大概1億,包括了礦山的各方面的內容,顯示得我們這次交流有點多余。他們2年前開始做智能礦山的規劃,有很多煤礦行業專家的加持,他們的描述是非常完美,但是去年底應該上線的平臺,現在還沒有看到影子。他們確實有很多場景需求,但是被... ......

    uj5u.com 2023-04-20 08:20:25 more
  • 《社區人員管理》實戰案例設計&個人案例分享

    設計是一個讓人夢想成真程序,開始編碼、測驗、除錯之前進行需求分析和架構設計,才能保證關鍵方面都做正確 ......

    uj5u.com 2023-04-20 08:20:17 more
  • 軟體架構生態化-多角色交付的探索實踐

    作為一個技術架構師,不僅僅要緊跟行業技術趨勢,還要結合研發團隊現狀及痛點,探索新的交付方案。在日常中,你是否遇到如下問題 “ 業務需求排期長研發是瓶頸;非研發角色感受不到研發技改提效的變化;引入ISV 團隊又擔心質量和安全,培訓周期長“等等,基于此我們探索了一種新的技術體系及交付方案來解決如上問題。 ......

    uj5u.com 2023-04-20 08:20:10 more
  • 【中介者設計模式詳解】C/Java/JS/Go/Python/TS不同語言實作

    * 中介者模式是一種行為型設計模式,它可以用來減少類之間的直接依賴關系,
    * 將物件之間的通信封裝到一個中介者物件中,從而使得各個物件之間的關系更加松散。
    * 在中介者模式中,物件之間不再直接相互互動,而是通過中介者來中轉訊息。 ......

    uj5u.com 2023-04-20 08:19:44 more
  • 露天煤礦現場調研和交流案例分享

    他們集團的資訊化公司及研究院在一個礦區正在做智能礦山的統一平臺的 試點,專案投資大概1億,包括了礦山的各方面的內容,顯示得我們這次交流有點多余。他們2年前開始做智能礦山的規劃,有很多煤礦行業專家的加持,他們的描述是非常完美,但是去年底應該上線的平臺,現在還沒有看到影子。他們確實有很多場景需求,但是被... ......

    uj5u.com 2023-04-20 08:19:07 more
  • 《社區人員管理》實戰案例設計&個人案例分享

    設計是一個讓人夢想成真程序,開始編碼、測驗、除錯之前進行需求分析和架構設計,才能保證關鍵方面都做正確 ......

    uj5u.com 2023-04-20 08:18:57 more
  • 軟體架構生態化-多角色交付的探索實踐

    作為一個技術架構師,不僅僅要緊跟行業技術趨勢,還要結合研發團隊現狀及痛點,探索新的交付方案。在日常中,你是否遇到如下問題 “ 業務需求排期長研發是瓶頸;非研發角色感受不到研發技改提效的變化;引入ISV 團隊又擔心質量和安全,培訓周期長“等等,基于此我們探索了一種新的技術體系及交付方案來解決如上問題。 ......

    uj5u.com 2023-04-20 08:18:49 more
  • 05單件模式

    #經典的單件模式 public class Singleton { private static Singleton uniqueInstance; //一個靜態變數持有Singleton類的唯一實體。 // 其他有用的實體變數寫在這里 //構造器宣告為私有,只有Singleton可以實體化這個類! ......

    uj5u.com 2023-04-19 08:42:51 more
  • 【架構與設計】常見微服務分層架構的區別和落地實踐

    軟體工程的方方面面都遵循一個最基本的道理:沒有銀彈,架構分層模型更是如此,每一種都有各自優缺點,所以請根據不同的業務場景,并遵循簡單、可演進這兩個重要的架構原則選擇合適的架構分層模型即可。 ......

    uj5u.com 2023-04-19 08:42:41 more