[发明专利]一种基于MVDR协方差矩阵元素自适应相角转换的DOA估计方法

说明书

本发明公开了一种基于MVDR协方差矩阵元素自适应相角转换的DOA估计方法，本发明通过对VAD检测得到有效帧进行Fourier变换得到声源信号的所有特征子频，然后重建特征子频的协方差矩阵和导向矢量计算方程，在对协方差矩阵元素进行PTA分解重组，将阵元间接收数据相位差转化为声源入射角度，最后根据麦克风阵元组合以及特征子频矢量，对信号入射角度进行最优加权，从而得到信号源的DOA估计；使得MVDR加权向量运算得到简化，从而提高DOA估计指向性和准确度，得以解决现有波束成形算法工程实现效率和定位准确度不高的缺陷。

技术领域

本发明属于基于麦克风阵列技术领域，涉及一种基于MVDR协方差矩阵元素自适应相角转换的DOA估计方法。

背景技术

基于麦克风阵列的DOA估计在无线通信、语音识别等领域获得了广泛的应用。常规的DOA估计方法包含基于时延的GCC算法、基于线性预测的MVDR算法以及基于信号子空间分解的MUSIC算法等。过去的三十多年中，基于传统方法的众多改进算法被提出来，并受到广大学者的关注与重视，并在算法性能上表现出高分辨率、高估计精度等优点。然而在实际工程中，由于受到阵列接收性能、噪声信号干扰以及多重声源混合的影响，使得改进算法对DOA估计的准确度严重下降。

对于设计性能优良的自适应波束成形方法，考虑到稳健性，算法优化以及干扰抑制三方面因素，因此会采用一些技术措施达到此目的。GCC方法通过计算阵元接收信号时间差，将信号互相关函数的极值作为延迟特征，但是实际的信号会有噪声，低信噪比会导致互相关函数的峰值不够明显，这会在找极值的时候造成误差；MUSIC算法则是对任意阵列输出数据的协方差矩阵进行特征分解，从而得到与信号分类相对应的信号子空间和与信号分量相正交的噪声子空间，然后利用这两个子空间的正交性构造空间谱函数，通过谱峰搜索，检测声源。但是由于特征值分解过程中对于噪声抑制的左右有限，导致声源个数估计的效率有限，造成DOA估计的误差；传统的MVDR算法通过对角加载处理采样数据协方差矩阵，使之更接近于理想的干扰加噪声矩阵，能增强稳健性，但这种方法缺乏严格的理论基础来准确的选择最优加载矩阵，对于其不确定集在不同的背景下难以确定。

以上这些算法总是存在着各自的缺点不能再增强稳健性的同时满足DOA准确性的要求。

发明内容

本发明解决的技术问题在于提供一种基于MVDR协方差矩阵元素自适应相角转换的DOA估计方法，能够简化MVDR加权向量运算，从而提高DOA估计指向性和准确度，克服现有波束成形算法工程实现效率和定位准确度不高的缺陷。

本发明是通过以下技术方案来实现：

一种基于MVDR协方差矩阵元素自适应相角转换的DOA估计方法，包括以下操作：

1)对麦克风阵列接收的声音数据进行归一化的声强校准后分帧处理，在经VAD检测进行得到包含目的声源的声源有效帧；

2)对检测得到的声源有效帧进行Fourier变换得到声源信号的所有特征子频；

3)选取所有阵元接收信号的特征子频，重建特征子频的协方差矩阵；其中，协方差矩阵由阵列流形矢量与Fourier变换得到的接收信号乘积得到，其非对角元素已包含相邻阵元间的时延表达；

4)将协方差矩阵非对角矢量进行自适应相角转换后进行相位求差，再根据欧拉方程求解，将非对角矢量相位差转化为信号入射方向的俯仰角，进而求得信号入射方向的方位角；

5)根据麦克风阵元组合以及特征子频矢量，对信号入射的角度进行最优加权，从而得到目的声源的DOA估计。

所述的声源有效帧的获取为：