基于MVDR波束形成器的噪声降低的麦克风子集选择
摘要：大规模无线声学传感器网络（WASN）中，许多传感器对某个特定的估计任务只有较小的贡献。涉及所有传感器会不必要地增加能源开销并降低WASN的寿命。通过麦克风子集选择，也称为传感器选择，可以从一组候选传感器中选择最具信息量的传感器以实现预定的推理性能。本文针对最小方差无失真响应（MVDR）波束形成器噪声抑制问题考虑麦克风子集选择。选择传感器的最佳子集是通过最小化传输成本并在约束输出噪声功率（或信噪比）的情况下确定的。假设传感器测量的相关矩阵的统计信息可用，通过利用凸优化技术首先解决了这种基于模型的方案的传感器选择问题。此外，为了避免事先估计与所有候选传感器相关的统计信息，我们还提出了一种使用贪婪策略选择最佳子集的数据驱动方法。贪婪算法的性能趋于模型驱动方法，同时在动态场景和计算复杂性方面显示出优势。与稀疏MVDR或基于半径的波束形成器相比，实验证明所提出的方法在显著减少传输成本的同时能够保证所需的性能。
作者：Jie Zhang, Sundeep Prabhakar Chepuri, Richard C. Hendriks, and Richard Heusdens
论文ID：1705.08255
分类：Sound
分类简称：cs.SD
提交时间：2017-05-24