[论文解读] 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 4

一句话总结

本文评估了波束成形与去噪技术——常规波束成形、声源能量积分和CLEAN-SC——在抑制麦克风阵列数据中湍流边界层（TBL）噪声方面的表现。通过利用TBL噪声在交叉谱矩阵中的对角集中特性，研究结果表明，在使用合成阵列数据的高噪声条件下，CLEAN-SC在分辨弱声源方面优于其他方法。

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.

研究动机与目标

• 为解决湍流边界层（TBL）噪声在风洞和飞行测试环境中污染声学测量的问题。
• 评估波束成形与去噪技术在恢复被空间相干TBL噪声掩蔽的弱声源方面的有效性。
• 从声源定位精度和噪声抑制角度，比较常规波束成形、声源能量积分和CLEAN-SC的表现。
• 在受控条件下，利用合成阵列数据提供性能基准。

提出的方法

• 利用麦克风阵列数据的交叉谱矩阵（CSM）来建模噪声特性，由于短程空间相干性，TBL噪声在矩阵中集中于对角线。
• 应用常规波束成形生成波束成形图，基于波束响应定位声源。
• 采用声源能量积分方法，通过在频率和空间位置上积分波束成形能量来估计声源功率。
• 实施CLEAN-SC，一种迭代算法，通过识别并减去CSM中最强的噪声分量来提升声源分辨率。
• 使用已知声源位置和TBL噪声水平的合成阵列数据，模拟真实测量条件。
• 通过源定位精度、动态范围和信噪比提升等指标比较各方法的性能。

实验结果

研究问题

• RQ1 在高TBL噪声条件下，常规波束成形、声源能量积分和CLEAN-SC在分辨弱声源方面的表现如何？
• RQ2 TBL噪声在交叉谱矩阵中的对角集中特性在多大程度上能够实现有效的去噪？
• RQ3 在模拟的麦克风阵列数据中，哪种方法在声源定位精度与噪声抑制之间提供了最佳权衡？
• RQ4 CLEAN-SC与基于波束成形的方法相比，在分辨紧密间隔或低振幅声源方面表现如何？

主要发现

• 在高TBL噪声条件下，CLEAN-SC显著优于常规波束成形和声源能量积分，能够更有效地分辨弱声源。
• TBL噪声在交叉谱矩阵中的对角集中特性使得噪声抑制成为可能，尤其当使用CLEAN-SC等迭代方法时效果更佳。
• 声源能量积分提供了中等程度的噪声抑制，但在噪声水平较高时难以实现良好的声源分辨。
• 常规波束成形对强声源有效，但在存在TBL噪声时无法分辨弱声源或紧密间隔的声源。
• 合成数据结果证实，CLEAN-SC提升了声源图的动态范围，并减少了误报检测。