麦克风阵列算法有两大类,一类是波束形成算法,另一类是盲源分离算法,两者互有优劣,先记录波束形成算法的笔记。本篇博客先说波束形成的优缺点,波束形成的基础知识,然后分别介绍固定波束形成(fixed beamforming, data-independent) 和自适应波束形成(adaptive beamforming, data-dependent)。
波束形成的优缺点(Pros & Cons)
优点
- 波束形成的优点是可以利用空间信息做空间滤波(Spatial filtering)。
以单麦克风降噪为例。单麦克风接收到的信号,无法分辨来波方向。对于噪声的抑制主要抑制平稳噪声。因为语音信号是非平稳的,如何准确区分非平稳的噪声和语音比较困难。麦克风阵列至少有两颗麦克风,能够一定程度的区分来波方向。对于非期望方向的干扰语音或者其他非平稳噪声可以线性地衰减。
缺点
- 波束形成算法的性能依赖目标信号的VAD信息。
以GSC结构为例,MC的自适应噪声消除,其滤波系数更新依赖于这个VAD信息。只有当目标信号(有效语音)不存在时,才需要更新滤波器系数。否则会将有效语音消除掉。
- 波束形成算法的性能依赖目标信号的DOA信息。
恶劣的声场环境,强噪声和长混响都会影响DOA算法的准确性。准确的DOA算法运算量很大。
- 如果目标信号和干扰信号在同一个波束内,是无法消除的。
目标信号和干扰信号在同一个波束内,波束形成是无法分辨出它们的,空间滤波无法进行,自然无法消除。
- 长混响条件下,波束形成性能会下降。
长混响,比如T60=300ms,目标信号和干扰信号会相互泄露到对方的波束,空间滤波性能下降。原因同上。
麦克风的指向性(Directivity pattern of a microphone)
这里说的是麦克风的指向性,后面将要说的麦克风阵列的指向性,需要区分开。
- 麦克风的指向性是由麦克风的物理特性决定的,它描述了麦克风对特定来波方向的信号增益和相位移动。类似于时不变系统对信号的幅频响应和相频响应。
- 来波方向应该是一个三维的,有水平角(elevation angle)和俯仰角(azimuth angle)。为了简化问题,先只考虑二维的场景。
- 麦克风的指向性就可以用H(ω,θ) 表示,其中ω表示频率,θ表示角度。如下图所示,为某一特定频率ω0的麦克风指向性H(ω0,θ)
信号模型和定义
假设信号都来自远场
- 麦克风接收到的信号响应,由两部分响应组成。一部分是麦克风的指向性,一部分是由麦克风位置决定的相位。
Ym(ω,θ)=Hm(ω,θ)∗exp(−jωτm(θ))∗S(ω)
其中Hm是麦克风的指向性,τm是与麦克风位置相关的延迟,S(ω)是原信号。
- 麦克风阵列接收到的信号,需要将上述信号(m=1,2...M)用向量形式来表达。
Y(ω,θ)=d(ω,θ)∗S(ω)
d(ω,θ)=[H1(ω,θ)exp(−jωτ1(θ))...HM(ω,θ)exp(−jωτM(θ))]
其中d是导向矢量(steering vector),是由麦克风指向性和麦克风位置决定的。
- 如果所有的麦克风拥有同样的指向性,H0(ω,θ),则导向矢量可以提取公因式。如果使用的是全指向性麦克风,则有H0(ω,θ)=1,导向矢量只由麦克风的位置决定。
d(ω,θ)=H0(ω,θ)[1,exp(−jωτ2(θ)),...,exp(−jωτM(θ))]
- 麦克风阵列的输出信号,经过滤波相加(filter-and-sum)之后,得到输出。
Z(ω,θ)=FH(ω)Y(ω,θ)=FH(ω)d(ω,θ)S(ω)
其中F(ω)是滤波器系数。
- 阵列传递函数,英文可以是directivity pattern,也可以是transfer function,是等价的。
H(ω,θ)=Z(ω,θ)/S(ω)=FH(ω)d(ω,θ) (这里的共轭还没能理解是怎么推导的)
评价指标
麦克风阵列的性能主要用白噪声增益和指向性来评价。前者用来评价阵列在白噪声场景下的抑制能力,后者用来评价阵列在扩散场噪声下的阵列增益。其本质都是阵列增益,可以理解为输出信噪比除以输入信噪比,也可以表示为信号的传递函数∣∣2除以噪声的传递函数∣∣2。在表示噪声的输出函数之前,先引入噪声的相关矩阵和相干矩阵的概念,即noise correlation matrix 和 noise coherence matrix。
-
噪声相关矩阵 noise correlation matrix
-
噪声相干矩阵 noise coherence matrix
白噪声的相干矩阵为单位阵,即Γnoisewhite(ω)=I(ω)
扩散噪声的相干矩阵可以用以下公式来表示Γnoisediffuse(ω)=sinc(ωfsd/c)
-
阵列增益函数 array gain
G(ω,θ)=SNRinSNRout=FH(ω)Γnoise(ω)F(ω)∣FH(ω)d(ω,θ)∣2
-
白噪声增益 white noise gain
因为白噪声的自相关矩阵是一个单位阵,即Γnoisewhite(ω)=I(ω)
WNG(ω,θ)=FH(ω)F(ω)∣FH(ω)d(ω,θ)∣2
-
指向性 array directivity index
DI(ω,θ)=FH(ω)Γnoisediffuse(ω)F(ω)∣FH(ω)d(ω,θ)∣2
最大化白噪声增益
最大化白噪声增益,即求出一组F(ω)参数,使得白噪声增益最大。
F(ω)=arg{maxWNG(ω,θ)}=arg{maxFH(ω)F(ω)∣FH(ω)d(ω,θ)∣2}
对于上式,有一个限制条件,分子是1。即对期望方向的信号增益是0dB。这样最大化问题就转变为最小化噪声输出功率的问题。
F(ω)=arg{minFH(ω)F(ω)},s.t.∣FH(ω)d(ω,ϕ)∣=1
得到最优解为
F(ω)=∣d(ω,ϕ)∣2d(ω,ϕ)