Formowanie wiązki
- Autor metody
- Van Veen, Barry Buckley
- Rok
- 1988
- Typ
- Directional audio array processing
- Rodzina
- Signal processing, Spatial filtering
Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku
Do czego służy?
Formowanie wiązki to technika przestrzennego przetwarzania sygnałów, która wykorzystuje układy mikrofonowe do selektywnego wzmacniania dźwięku z pożądanego kierunku przy jednoczesnym tłumieniu dźwięków z innych kierunków.
Sformalizowane przez Van Veena i Buckleya w 1988 roku, formowanie wiązki jest fundamentalne dla komunikacji głosowej bez użycia rąk, aparatów słuchowych, sonarów, radarów i przestrzennego zapisu dźwięku. Umożliwia „słyszenie” z kierunkową czułością pomimo używania mikrofonów dookólnych, poprzez wykorzystanie opóźnień czasowych i różnic fazowych między elementami układu.
Intuicja stojąca za metodą
Wyobraź sobie antenę satelitarną, która skupia fale radiowe z kosmosu; formowanie wiązki robi to samo dla dźwięku, używając układu mikrofonów. Poprzez staranne dostosowanie wzmocnienia i opóźnienia sygnałów z każdego mikrofonu przed ich połączeniem, tworzy się „wirtualny” mikrofon kierunkowy, który preferencyjnie nasłuchuje dźwięków pochodzących z wybranego kierunku. Dźwięki z innych kierunków interferują destruktywnie i są eliminowane. Pozwala to na usłyszenie konkretnego mówcy w hałaśliwym pomieszczeniu, przestrzenne zlokalizowanie mówcy i stłumienie hałasu tła.
Historia
Koncepcje formowania wiązki wywodzą się z radarów i sonarów (lata 40.–50. XX wieku). Van Veen i Buckley usystematyzowali teorię formowania wiązki dla ogólnego przetwarzania sygnałów w 1988 roku. Adaptacyjne formowanie wiązki (Frost, MVDR, LCMV) zostało opracowane w latach 70.–80. XX wieku. Komercyjne wdrożenia przyspieszyły w latach 90.–2000. wraz z asystentami głosowymi, głośnikami i aparatami słuchowymi. Nowoczesne warianty obejmują układy superkierunkowe, układy mikrofonów różnicowych i przestrzenne filtry oparte na uczeniu maszynowym.
Kiedy stosować
Wykorzystać formowanie wiązki do przechwytywania mowy bez użycia rąk w asystentach głosowych i systemach konferencyjnych, mikrofonach aparatów słuchowych wzmacniających mowę ze źródeł czołowych, lokalizacji źródeł (znajdowanie pozycji mówcy), przestrzennego zapisu i odtwarzania dźwięku oraz w podwodnych zastosowaniach sonarowych. Formowanie wiązki jest szczególnie skuteczne, gdy apertura układu (rozmiar) jest porównywalna lub większa od interesującej długości fali. Dla bardzo niskich częstotliwości (długie fale) potrzebne są duże układy; dla wysokich częstotliwości wystarczają zwarte układy.
Ograniczenia i uwagi
- Wydajność spada przy niskich częstotliwościach, gdzie długość fali jest duża w stosunku do apertury układu; potrzebne są większe układy dla częstotliwości basowych.
- Przyczynowość i opóźnienie: obliczenia formowania wiązki i przetwarzanie zależne od opóźnienia wprowadzają opóźnienie (typowe 10–100 ms); problematyczne dla aplikacji interaktywnych.
- Aliasing przestrzenny: jeśli odstęp między elementami układu przekracza połowę długości fali, wiele kierunków daje niejednoznaczne odpowiedzi. Projekt układu musi unikać aliasingu dla docelowych częstotliwości.
- Pogłos i pola rozproszone: formowanie wiązki zakłada bezpośrednie ścieżki dźwięku; w pogłosowych pomieszczeniach późne odbicia i dźwięk rozproszony pogarszają kierunkowość.
- Koszt obliczeniowy skaluje się wraz z liczbą mikrofonów i rozdzielczością częstotliwościową; formowanie wiązki wysokiego rzędu i implementacja w czasie rzeczywistym wymagają znaczących zasobów DSP.
Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.
Mocne strony
- Umożliwia kierunkowe słuchanie za pomocą mikrofonów dookólnych; unika kosztów i złożoności projektowej mechanicznych mikrofonów kierunkowych.
- Bardzo elastyczne i adaptacyjne; wagi formowania wiązki mogą być aktualizowane w czasie rzeczywistym w celu śledzenia ruchomych źródeł lub tłumienia dynamicznych zakłóceń.
- Zapewnia świadomość przestrzenną: może lokalizować źródła, szacować kierunek przybycia i tworzyć przestrzenne efekty dźwiękowe.
- Działa w szerokich zakresach częstotliwości; odpowiednie skalowanie i dostosowanie projektu umożliwiają formowanie wiązki od infradźwięków do ultradźwięków.
- Dobrze ugruntowana teoria i praktyczne implementacje; dostępne są obszerne publikacje i komercyjne algorytmy formowania wiązki.
Zastosowania
- Projekt asystentów głosowych i głośników: mikrofony z formowaniem wiązki tłumią hałas tła i pogłos pomieszczenia, umożliwiając przechwytywanie mowy z daleka.
- Mikrofony kierunkowe w aparatach słuchowych: wzmacniają mowę z przodu, jednocześnie tłumiąc hałas otoczenia, poprawiając zrozumiałość mowy dla osób niedosłyszących.
- Przestrzenny zapis i produkcja dźwięku: układy mikrofonowe przechwytują kierunkowe pole dźwiękowe dla immersyjnego dźwięku wielokanałowego (ambisonika, dźwięk przestrzenny, dźwięk VR).
- Lokalizacja i śledzenie źródeł: wyjścia formowania wiązki z wielu kierunków obserwacji szacują pozycję źródła dźwięku w przestrzeni 2D lub 3D.
- Sonar i akustyka podwodna: formowanie wiązki umożliwia wykrywanie, lokalizację i śledzenie podwodnych źródeł dźwięku (życie morskie, łodzie podwodne).
- Akustyka architektoniczna i systemy konferencyjne: rozproszone układy mikrofonowe w salach konferencyjnych poprawiają odbiór mowy i tłumią sprzężenie zwrotne akustyczne.
Jak to działa
Jak to działa
Umieścić wiele mikrofonów (zazwyczaj od 2 do 64 lub więcej) w znanej konfiguracji geometrycznej (liniowej, kołowej, sferycznej) rozmieszczonych w odległości mniejszej niż połowa długości fali dla najwyższej interesującej częstotliwości.
Zdigitalizować i zsynchronizować wszystkie sygnały mikrofonowe (zapewnić wyrównanie czasowe z dokładnością lepszą niż jeden okres próbkowania); skalibrować wzmocnienia i charakterystyki częstotliwościowe mikrofonów.
Obliczyć czas przybycia (TDOA) między parami mikrofonów dla dźwięków docierających z różnych kierunków. TDOA określa opóźnienia fazowe potrzebne do wyrównania (dopasowania fazowego) sygnałów z określonego kierunku.
Zaprojektować wagi formowania wiązki (wzmocnienia zespolone i opóźnienia) tak, aby sygnały z pożądanego kierunku sumowały się konstruktywnie, podczas gdy sygnały z innych kierunków sumowały się destruktywnie. Typowe projekty formowania wiązki: opóźnienie i suma (dziedzina czasu), Frost (dziedzina częstotliwości), MVDR (minimum variance distortionless response) i adaptacyjne (LCMV, MUSIC).
Obliczyć wyjście formowania wiązki (ważone i sumowane sygnały mikrofonowe) i zmierzyć metryki przestrzenne: charakterystykę kierunkową (wzmocnienie jako funkcja kierunku), wskaźnik kierunkowości (stosunek odpowiedzi wiązki do dookólnej) oraz czułość na sygnały boczne i czołowe.
Częste pułapki
- Niedocenianie aliasingu przestrzennego; niedostatecznie próbkowane układy (zbyt duże odstępy między mikrofonami) dają niejednoznaczne lub chaotyczne wyniki przy wysokich częstotliwościach.
- Używanie niewystarczającej apertury układu dla niskoczęstotliwościowych źródeł; długość fali >> rozmiar układu daje słabą kierunkowość. Rozmiar układu należy planować na podstawie docelowego zakresu częstotliwości.
- Ignorowanie niedopasowania mikrofonów (różnice wzmocnienia, fazy, czasu); znaczące niedopasowanie niszczy wydajność formowania wiązki. Należy starannie kalibrować.
- Zakładanie, że formowanie wiązki zapewnia nieskończoną kierunkowość; praktyczne formery wiązki mają skończony wskaźnik kierunkowości, a tłumienie płatów bocznych jest ograniczone.
- Niedostosowanie do pogłosu pomieszczenia; dźwięku rozproszonego i późnych odbić nie można kierunkowo stłumić. Mogą być potrzebne adaptacyjne formery wiązki i wstępne przetwarzanie akustyczne.
Najczęściej zadawane pytania
Jaka jest zależność między aperturą układu a charakterystyką częstotliwościową?
Apertura układu (rozmiar fizyczny) określa długości fal, które można skutecznie kierować i rozróżniać. Przy niskich częstotliwościach (długie fale) apertura musi być duża w stosunku do długości fali, aby uzyskać dobrą kierunkowość. Przy wysokich częstotliwościach (krótkie fale) działają zwarte układy. Złota zasada: apertura powinna wynosić co najmniej 2–4 długości fali dla interesującej częstotliwości, aby uzyskać użyteczne wzmocnienie.
Jaka jest różnica między formowaniem wiązki typu opóźnienie-suma a formowaniem adaptacyjnym?
Opóźnienie-suma to stały formerek wiązki: wagi (opóźnienia i wzmocnienia) są stałe i zależą od pożądanego kierunku obserwacji. Zapewnia stałe wzmocnienie w kierunku obserwacji, ale ograniczone tłumienie płatów bocznych. Adaptacyjne formery wiązki (MVDR, LCMV) dostosowują wagi w czasie rzeczywistym, aby zminimalizować moc szumu, jednocześnie utrzymując wzmocnienie w kierunku pożądanym, zapewniając lepsze tłumienie zakłóceń.
Jak wybrać odstęp między mikrofonami w układzie?
Odstęp między mikrofonami nie powinien przekraczać połowy najkrótszej interesującej długości fali, aby uniknąć aliasingu przestrzennego. Na przykład, przy 4 kHz (długość fali ≈ 8,6 cm), odstęp powinien wynosić ≤4,3 cm. Mniejszy odstęp (λ/4) zapewnia lepszą kierunkowość, ale zwiększa koszt obliczeniowy i złożoność układu.
Czy formowanie wiązki może działać pod wodą?
Tak, formowanie wiązki jest szeroko stosowane w podwodnych sonarach i podwodnej bioakustyce. Zasada jest identyczna, ale podwodne długości fal akustycznych są znacznie dłuższe niż w powietrzu (prędkość dźwięku ≈1500 m/s w wodzie morskiej vs. 343 m/s w powietrzu), więc podwodne układy są fizycznie większe. Wieloelementowe układy hydrofonów umożliwiają lokalizację źródeł, identyfikację gatunków i komunikację w środowiskach podwodnych.
Dlaczego wydajność formowania wiązki spada w pogłosowych pomieszczeniach?
W pogłosowych pomieszczeniach późne odbicia i dźwięk rozproszony docierają z wielu kierunków. Formery wiązki zaprojektowane dla dźwięku bezpośredniego nie mogą tłumić tych rozproszonych składowych, ponieważ brakuje im spójności kierunkowej. Wstępne przetwarzanie akustyczne (usuwanie pogłosu, filtrowanie odwrotne) lub algorytmy wielomikrofonowe wykorzystujące różnice w spójności (układy superkierunkowe, separacja mowy) mogą łagodzić efekty pogłosu.
Pokrewne metody
Źródła
Van Veen, B. D., & Buckley, K. M. (1988). Beamforming: A versatile approach to spatial filtering. IEEE ASSP Magazine, 5(2), 4–24.
Otwórz odnośnik DOISkopiowano.Brandstein, M., & Ward, D. (2001). Microphone Arrays: Signal Processing Techniques and Applications. Springer-Verlag.
ISBN: 978-3540419013Skopiowano.Krim, H., & Viberg, M. (1996). Two decades of array signal processing research. IEEE Signal Processing Magazine, 13(4), 67–94.
Otwórz odnośnik DOISkopiowano.