[論文レビュー] Beamforming and other methods for denoising microphone array data

Pieter Sijtsma, Alice Dinsenmeyer+2 more|arXiv (Cornell University)|Jun 7, 2019

Aerodynamics and Acoustics in Jet Flows参考文献 11被引用数 4

ひとこと要約

本稿では、マイクロホンアレイデータにおける乱流境界層（TBL）ノイズを低減するためのビームフォーミングおよびノイズ除去技術—従来のビームフォーミング、ソースパワー統合、CLEAN-SC—を評価する。TBLノイズが相互スペクトル行列に対角線に集中する特性を活用することで、合成アレイデータを用いた実験により、CLEAN-SCが高ノイズ条件下でも弱い音源を効果的に解像できることを示している。

ABSTRACT

Measured acoustic data can be contaminated by noise. This typically happens when microphones are mounted in a wind tunnel wall or on the fuselage of an aircraft, where hydrodynamic pressure fluctuations of the Turbulent Boundary Layer (TBL) can mask the acoustic pressures of interest. For measurements done with an array of microphones, methods exist for denoising the acoustic data. Use is made of the fact that the noise is usually concentrated in the diagonal of the Cross-Spectral Matrix, because of the short spatial coherence of TBL noise. This paper reviews several existing denoising methods and considers the use of Conventional Beamforming, Source Power Integration and CLEAN-SC for this purpose. A comparison between the methods is made using synthesized array data.

研究の動機と目的

• 風洞実験や飛行試験環境における音響測定を妨げる乱流境界層（TBL）ノイズの課題に対処すること。
• 空間的に整合性を持つTBLノイズに掩蔽された弱い音響源を回復するためのビームフォーミングおよびノイズ除去技術の有効性を評価すること。
• ソース定位精度およびノイズ低減性能の観点から、従来のビームフォーミング、ソースパワー統合、CLEAN-SCを比較すること。
• 制御された条件下で合成アレイデータを用いて、性能ベンチマークを提供すること。

提案手法

• TBLノイズが短い空間的コherー二ティを持つため、相互スペクトル行列（CSM）に対角線に集中する特性をモデル化するために、マイクロホンアレイデータの相互スペクトル行列（CSM）を用いる。
• 従来のビームフォーミングを適用してビームフォーミングマップを作成し、ビーム応答に基づいて音源を定位する。
• 周波数および空間的位置にわたるビームフォーマンエネルギーを統合することで、ソースパワーを推定するソースパワー統合を採用する。
• CLEAN-SCは、反復的に最も強いノイズ成分を同定・減算することで、音源分解能を向上させる反復的手法である。
• 既知の音源位置とTBLノイズレベルを有する合成アレイデータを用いて、現実的な測定条件をシミュレートする。
• 音源定位精度、ダイナミックレンジ、信号対ノイズ比の向上といった指標を用いて、手法を比較する。

実験結果

リサーチクエスチョン

• RQ1 従来のビームフォーミング、ソースパワー統合、CLEAN-SCは、高TBLノイズ条件下で弱い音響源をどの程度効果的に解像できるか？
• RQ2 相互スペクトル行列におけるTBLノイズの対角線集中特性が、効果的なノイズ除去を可能にする程度はどの程度か？
• RQ3 シミュレートされたマイクロホンアレイデータにおいて、音源定位精度とノイズ低減性能の両者を最適にバランスさせるのはどの手法か？
• RQ4 CLEAN-SCは、ビームフォーミングに基づく手法と比較して、密に配置されたまたは低振幅の音源をどの程度効果的に解像できるか？

主な発見

• CLEAN-SCは、高TBLノイズ条件下での弱い音源の解像において、従来のビームフォーミングおよびソースパワー統合を顕著に上回る性能を示した。
• 相互スペクトル行列におけるTBLノイズの対角線集中特性が、特にCLEAN-SCのような反復的手法を用いることで、効果的なノイズ低減を可能にした。
• ソースパワー統合は中程度のノイズ低減効果を示すが、ノイズレベルが高い場合には音源分解能に課題を生じる。
• 従来のビームフォーミングは強い音源に対しては有効であるが、TBLノイズが存在する場合には弱い、または密に配置された音源を解像できない。
• 合成データの結果から、CLEAN-SCが音源マップのダイナミックレンジを向上させるとともに、誤検出を低減することが確認された。