[논문 리뷰] Beamforming and other methods for denoising microphone array data

Pieter Sijtsma, Alice Dinsenmeyer외 2명|arXiv (Cornell University)|2019. 06. 07.

Aerodynamics and Acoustics in Jet Flows참고 문헌 11인용 수 4

한 줄 요약

이 논문은 마이크 배열 데이터에서 난류 경계층(TBL) 소음을 억제하기 위해 기존 빔포밍, 소스 파wer 통합, CLEAN-SC 기법을 평가한다. TBL 소음이 교차스펙트럼 행렬에서 대각선에 집중되어 있음을 활용하여, 연구는 합성 배열 데이터를 사용해 고소음 조건에서 약한 소스를 식별하는 데서 CLEAN-SC가 다른 기법들보다 뛰어난 성능을 보임을 입증한다.

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.

연구 동기 및 목표

• 풍동 및 비행 시험 환경에서 음향 측정을 오염시키는 난류 경계층(TBL) 소음 문제를 해결하기 위해.
• 공간적으로 일관된 TBL 소음에 의해 가려진 약한 음향 소스를 회복하는 데 있어 빔포밍 및 노이즈 제거 기법의 효과성을 평가하기 위해.
• 소스 정위치 결정 정확도와 노이즈 억제 성능 측면에서 기존 빔포밍, 소스 파워 통합, CLEAN-SC를 비교하기 위해.
• 통제된 조건에서 합성 배열 데이터를 사용하여 성능 기준을 제공하기 위해.

제안 방법

• TBL 소음이 짧은 공간적 상관성으로 인해 대각선에 집중되는 특성 덕분에 마이크 배열 데이터의 교차스펙트럼 행렬(CSM)을 사용해 노이즈 특성을 모델링한다.
• 빔포밍 응답에 기반해 소스를 국소화하는 데 사용되는 기존 빔포밍을 적용하여 빔포밍 맵을 형성한다.
• 주파수 및 공간적 위치를 기준으로 빔포밍된 에너지를 통합하여 소스 파워를 추정하기 위해 소스 파워 통합을 활용한다.
• 가장 강한 노이즈 성분을 식별하고 제거하여 소스 해상도를 향상시키기 위해 반복적인 알고리즘인 CLEAN-SC를 구현한다.
• 실제 측정 조건을 시뮬레이션하기 위해 알려진 소스 위치와 TBL 소음 수준을 가진 합성 배열 데이터를 사용한다.
• 소스 정위치 결정 정확도, 다이내믹 레인지, 신호 대 노이즈 비율 향상 등의 지표를 사용해 기법들을 비교한다.

실험 결과

연구 질문

• RQ1 고TBL 소음 조건에서 기존 빔포밍, 소스 파워 통합, CLEAN-SC는 약한 음향 소스를 얼마나 잘 식별하는가?
• RQ2 교차스펙트럼 행렬에서 TBL 소음의 대각선 집중 현상이 효과적인 노이즈 제거를 가능하게 하는 정도는 어느 정도인가?
• RQ3 모의 마이크 배열 데이터에서 소스 정위치 결정 정확도와 노이즈 억제 사이의 최적의 트레이드오프를 제공하는 방법은 무엇인가?
• RQ4 CLEAN-SC는 밀도가 높거나 진폭이 낮은 소스를 식별하는 데 있어 빔포밍 기반 기법보다 어떻게 비교되는가?

주요 결과

• CLEAN-SC는 고TBL 소음 조건에서 기존 빔포밍 및 소스 파워 통합보다 약한 소스를 식별하는 데 뚜렷이 뛰어나다.
• 교차스펙트럼 행렬에서 TBL 소음의 대각선 집중 현상 덕분에, 특히 CLEAN-SC와 같은 반복적 방법을 사용할 경우 효과적인 노이즈 억제가 가능하다.
• 소스 파워 통합은 중간 수준의 노이즈 억제를 제공하지만, 노이즈 수준이 높을 경우 소스 해상도에 어려움을 겪는다.
• 기존 빔포밍은 강한 소스에는 효과적이지만, TBL 소음이 존재할 경우 약하거나 서로 가까이 위치한 소스를 식별하지 못한다.
• 합성 데이터 결과는 CLEAN-SC가 소스 맵의 다이내믹 레인지 향상과 잡음 감지 감소에 기여함을 확인한다.