Zur Verminderung der Lärmbelastung am Arbeitsplatz sind Messsysteme nötig, welche die Analyse und Ortung von Schallquellen ermöglichen. Ein solches System wird von der Hochschule für Telekommunikation Leipzig und der MTL Mikrofontechnik Leipzig GmbH entwickelt. Es besteht aus einem kugelförmigen Mikrofonarray und einer Datenverarbeitungseinheit.
Für die Signalanalyse existieren unterschiedliche Ansätze. Eine Möglichkeit besteht in der Verwendung eines Beamformers. Dieser ermöglicht es, die anisotrope Richtcharakteristik eines Mikrofonarrays ohne mechanische Einflussnahme zu ändern und somit Schallquellen zu lokalisieren.
Beginnend mit den Grundlagen von Beamformingverfahren wird die räumliche Abtastung, der statische Delay and Sum- sowie der adaptive MVDR-Beamformer mathematisch hergeleitet und diskutiert. Den Hauptteil des Buches bilden mehrere MATLAB-basierte Performancevergleiche. Es wird untersucht, inwiefern die Fähigkeit zur Quellenortung von bestimmten Parametern abhängt (Quellenanzahl, Beamformerdesign, Signaleigenschaften, etc). Um einen stärkeren Praxisbezug herzustellen, werden verglichen mit anderen Arbeiten zunehmend anspruchsvollere akustische Umgebungen betrachtet.
Inhaltsverzeichnis
1 Einleitung und Motivation
2 Grundlagen des Beamformings
2.1 Prinzip der räumlichen Filterung
2.2 Delay and Sum-Beamformer
2.3 Nachteile statischer Beamformer, Beampattern Shaping
2.4 Adaptive Beamformer
3 Breitbandiges adaptives Beamforming
3.1 Allgemeines
3.2 Breitband-MVDR-Beamformer im Zeitbereich
3.3 Breitband-MVDR-Beamformer im Frequenzbereich
3.4 Beamformer-Robustheit
3.5 Anmerkungen zum Presteering
4 Performance-Analysen
4.1 Vorbetrachtungen
4.2 Rauschsignale
4.2.1 Vergleich zwischen Block- und Sliding Window-Processing
4.2.2 Vergleich zwischen Delay and Sum- und MVDR-Beamformer
4.2.3 Auswirkungen unterschiedlicher Filter- und FFT-Pufferlängen
4.2.4 Beeinflussung des Messergebnisses durch Änderung der Anzahl der Abtastwerte und Einsatz von Diagonal Loading
4.2.5 Performance bei mehreren Schallquellen unterschiedlicher Leistungen
4.2.6 Auswirkungen fehlerbehafteter Mikrofonortsvektoren
4.3 Geräusch- und Stimmensignale
4.3.1 Performance bei Vorhandensein einer Quelle
4.3.2 Performance bei Vorhandensein mehrerer Schallquellen
4.3.3 Modellierung von Mehrwegeausbreitungen
4.4 Zusammenfassung
5 Fazit
Zielsetzung & Themen
Diese Arbeit untersucht die Eignung adaptiver Beamforming-Algorithmen, insbesondere des Minimum Variance Distortionless Response (MVDR) Beamformers, zur Lokalisierung von Schallquellen in Räumen im Rahmen des SIRA-Entwicklungsprojekts.
- Grundlagen des schmalbandigen und breitbandigen adaptiven Beamformings.
- Vergleich von statischen (Delay and Sum) und adaptiven (MVDR) Beamforming-Verfahren.
- Performance-Analyse bei verschiedenen akustischen Szenarien (Rausch-, Geräusch- und Stimmensignale).
- Untersuchung der Robustheit durch Diagonal Loading und Einfluss der Arraygeometrie.
- Auswirkungen von Mehrwegeausbreitungen auf die Lokalisationsgenauigkeit.
Auszug aus dem Buch
2.4 Adaptive Beamformer
Die genannten negativen Aspekte des statischen Beamformings waren Ausgangspunkt dafür, dass durch KÜTTNER [Küt07] die Performance adaptiver Beamformingalgorithmen bei der Schallquellenlokalisation analysiert wurde. Adaptive Beamformer (ABF) sind in der Lage, das Beampattern in Abhängigkeit der empfangenen Daten zu beeinflussen. Der Wichtungsvektor w wird mithilfe von Optimierungsmethoden und unter Berücksichtigung statistischer Größen der Signale berechnet. Im Gegensatz zum signalunabhängigen statischen Beamforming können deshalb Störer (theoretisch) besser gedämpft oder u. U. sogar vollständig unterdrückt werden.
Es existieren verschiedene Kategorien adaptiver Beamformer, die sich bezüglich der zugrunde liegenden Anwendung durch die jeweiligen Optimierungsansätze unterscheiden [VVB88]. Die für die Schallquellenlokalisation aus heutiger Sicht bedeutsamste Gruppe ist die der sog. Minimum Variance-Beamformer. Bei diesen Verfahren wird der Wichtungsvektor so bestimmt, dass das aus der Blickrichtung einfallende gestörte Signal (SOI, engl. signal of interest) möglichst ungestört am Beamformerausgang anliegt und gleichzeitig die Varianz σ^2_n des Störanteils minimiert wird.
Zusammenfassung der Kapitel
1 Einleitung und Motivation: Vorstellung des SIRA-Projekts und Einführung in die Grundlagen der Schallquellenlokalisation mittels Mikrofonarrays.
2 Grundlagen des Beamformings: Mathematische Herleitung der räumlichen Filterung sowie Vorstellung des statischen Delay and Sum- und des adaptiven MVDR-Beamformers.
3 Breitbandiges adaptives Beamforming: Herleitung der Implementierung von Breitband-MVDR-Beamformern im Zeit- und Frequenzbereich sowie Diskussion von Robustheitsmaßnahmen.
4 Performance-Analysen: Umfangreiche Evaluation der entwickelten Algorithmen anhand von Simulationen mit Rausch-, Geräusch- und Stimmensignalen unter variierenden Parametern.
5 Fazit: Zusammenfassende Bewertung der Ergebnisse und Ausblick auf zukünftige Forschungsansätze zur Optimierung der Schallquellenlokalisation.
Schlüsselwörter
Beamforming, Schallquellenlokalisation, Mikrofonarray, MVDR, Adaptiver Beamformer, Breitband-Beamforming, Delay and Sum, Diagonal Loading, Signalverarbeitung, Raumakustik, räumliche Filterung, Performance-Analyse, Störerunterdrückung.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht den Einsatz adaptiver Beamforming-Algorithmen zur Lokalisierung von Schallquellen in Innenräumen für das Projekt SIRA.
Was sind die zentralen Themenfelder?
Die zentralen Themen sind der Vergleich statischer und adaptiver Beamforming-Methoden, deren Implementierung für breitbandige Signale und die Analyse ihrer Leistungsfähigkeit in verschiedenen akustischen Umgebungen.
Was ist das primäre Ziel der Arbeit?
Das Ziel ist die Evaluierung, wie gut adaptive Beamformer (MVDR) im Vergleich zu einfachen statischen Beamformern Schallquellen in realitätsnahen Szenarien orten können.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit stützt sich primär auf mathematische Herleitungen und umfangreiche Performance-Analysen mittels MATLAB-Simulationen.
Was wird im Hauptteil behandelt?
Im Hauptteil werden zunächst die theoretischen Grundlagen (Kapitel 2) und die breitbandige Implementierung (Kapitel 3) erläutert, gefolgt von einer detaillierten Analyse (Kapitel 4) mit verschiedenen Signalarten.
Welche Schlüsselwörter charakterisieren die Arbeit?
Typische Begriffe sind Beamforming, Schallquellenlokalisation, MVDR, adaptives Beamforming und Raumakustik.
Was ist der Unterschied zwischen TDM und FDM bei Beamformern?
TDM (Zeitbereich) arbeitet mittels FIR-Filtermatrix, während FDM (Frequenzbereich) das Signal in Teilbänder zerlegt und diese mittels FFT/IFFT einzeln verarbeitet.
Warum ist "Diagonal Loading" relevant?
Diagonal Loading wird verwendet, um die numerische Stabilität (Invertierbarkeit der Matrizen) bei der Berechnung der Beamformer-Gewichte zu erhöhen, was die Robustheit des Systems verbessert.
Wie beeinflusst die Anzahl der Mikrofone das Ergebnis?
Eine höhere Anzahl an Mikrofonen erhöht grundsätzlich das Auflösungsvermögen des Arrays, was die Trennung räumlich nahe beieinander liegender Quellen erleichtert.
Was passiert bei Mehrwegeausbreitungen?
Mehrwegeausbreitungen erschweren die Lokalisierung, da Reflexionen oft als eigenständige Quellen interpretiert werden oder die für die Adaption benötigte Signalstatistik verfälschen.
- Citation du texte
- Michael Franke (Auteur), 2009, Beamformer-basierte Schallquellenlokalisation, Munich, GRIN Verlag, https://www.grin.com/document/159776
