使用麦克风阵列的声学波束形成

打开实时脚本

这个例子说明了麦克风阵列波束形成提取所需的语音信号在干扰为主，噪声环境。这些操作有助于增强语音信号的质量，以便进行感知或进一步处理。例如，嘈杂的环境可以是交易室，麦克风阵列可以安装在交易计算机的显示器上。如果交易计算机必须接受交易者的语音指令，波束形成操作对于提高接收到的语音质量和达到设计的语音识别精度至关重要。

本例展示了两种类型的时域波束形成器:时延波束形成器和弗罗斯特波束形成器。它说明了如何使用对角加载来提高弗罗斯特波束形成器的鲁棒性。如果您的系统有声音支持，您可以在每个处理步骤收听语音信号。

定义一个均匀线性数组

首先，我们定义了一个均匀线性阵列(ULA)来接收信号。该阵列包含10个全向麦克风，单元间距为5厘米。

麦克风=..．分阶段。OmnidirectionalMicrophoneElement (“FrequencyRange”20 e3, [20]);Nele = 10;ula = phased.ULA(Nele,0.05;“元素”、麦克风);C = 340;%声速，单位为m/s

模拟接收信号

接下来，我们模拟了麦克风阵列接收到的多通道信号。我们首先加载两段演讲录音和一段笑声录音。我们还加载笑声音频片段作为干扰。音频信号的采样频率为8khz。

由于音频信号通常很大，因此将整个信号读入存储器通常是不实际的。因此，在本例中，我们将以流方式模拟和处理信号，即在输入处将信号分成小块，处理每个块，然后在输出处组装它们。

第一语音信号的入射方向为方位角-30度，仰角0度。第二个语音信号的方向为方位角-10度，仰角-10度。干扰来自方位角20度和仰角0度。

Ang_dft = [-30;0);Ang_cleanspeech = [-10;10);ang_笑声= [20;0);

现在我们可以使用宽带收集器来模拟阵列接收到的3秒多通道信号。注意，这种方法假设每个输入的单通道信号在阵列的原点由单个麦克风接收。

Fs = 8000;收集器=分阶段。WidebandCollector (“传感器”、齿龈“PropagationSpeed”c..．“SampleRate”fs,“NumSubbands”, 1000,“ModulatedInput”、假);T_duration = 3;% 3秒T = 0:1/fs:t_duration-1/fs;

我们生成一个功率为1e-4瓦的白噪声信号来表示每个传感器的热噪声。本地随机数流确保结果的可重复性。

pres = rng(2008);noisePwr = 1e-4;噪声功率%

现在我们开始模拟。在输出端，接收到的信号存储在一个10列矩阵中。矩阵的每一列代表一个麦克风采集的信号。请注意，在模拟过程中，我们也使用流媒体方法回放音频。

% preallocateNSampPerFrame = 1000;NTSample = t_duration*fs;sigArray = 0 (NTSample,Nele);voice_dft = 0 (NTSample,1);voice_cleanspeech = 0 (NTSample,1);voice_laugh = 0 (NTSample,1);设置音频设备写入器audioWriter = audioDeviceWriter(“SampleRate”fs,..．“SupportVariableSizeInput”,真正的);isAudioSupported = (length(getAudioDevices(audioWriter))>1);dftFileReader = dsp。AudioFileReader (“dft_voice_8kHz.wav”，..．“SamplesPerFrame”, NSampPerFrame);speechFileReader = dsp。AudioFileReader (“cleanspeech_voice_8kHz.wav”，..．“SamplesPerFrame”, NSampPerFrame);laughterFileReader = dsp。AudioFileReader (“laughter_8kHz.wav”，..．“SamplesPerFrame”, NSampPerFrame);%模拟为m = 1:NSampPerFrame:NTSample sig_idx = m:m+NSampPerFrame-1;x1 = dftFileReader();x2 = speechFileReader();3 = 2*laughterFileReader();温度=收集器([x1 x2 x3]，..．[ang_dft ang_cleanspeech ang_笑声])..．√noisePwr * randn (NSampPerFrame Nele);如果isAudioSupported玩(audioWriter, 0.5 *临时(:,3));结束sigArray(sig_idx，:) = temp;Voice_dft (sig_idx) = x1;Voice_cleanspeech (sig_idx) = x2;Voice_laugh (sig_idx) = x3;结束

请注意，笑声掩盖了语音信号，使它们变得难以理解。我们可以将通道3中的信号绘制如下:

情节(t, sigArray (:, 3));包含(的时间(秒));ylabel (“振幅(V)”);标题(“在第三频道收到信号”);ylim (3 [3]);

图中包含一个轴对象。标题为“在通道3接收信号”的轴对象包含一个类型为line的对象。

用延时波束形成器处理

时间延迟波束形成器补偿来自特定方向的信号在阵列上的到达时间差。对时间对准的多通道信号进行相干平均，提高了信噪比。现在，定义一个与第一语音信号的入射方向相对应的转向角，并构造一个延时波束形成器。

angSteer = ang_dft;波束形成器=相控。TimeDelayBeamformer (“SensorArray”、齿龈..．“SampleRate”fs,“方向”angSteer,“PropagationSpeed”c)

波束形成器=相控。TimeDelayBeamformer与属性:SensorArray: [1x1相位。ULA] PropagationSpeed: 340 SampleRate: 8000 DirectionSource: 'Property' Direction: [2x1 double] WeightsOutputPort: false

接下来，我们对合成信号进行处理，绘制和收听传统波束形成器的输出。再一次，我们在处理过程中回放波束形成的音频信号。

信号源= dsp。SignalSource (“信号”sigArray,..．“SamplesPerFrame”, NSampPerFrame);cbfOut = 0 (NTSample,1);为NSampPerFrame:NTSample temp = beamformer(signalsource());如果isAudioSupported玩(audioWriter、临时);结束cbfOut(m:m+NSampPerFrame-1，:) = temp;结束情节(t, cbfOut);包含(的时间(秒));ylabel (“振幅(V)”);标题(“延时波束形成器输出”);ylim (3 [3]);

图中包含一个轴对象。标题为“时间延迟波束形成器输出”的轴对象包含一个类型为“线”的对象。

可以通过阵列增益来测量语音增强，阵列增益是输出信噪比(SINR)与输入信噪比的比值。

agCbf = pow2db(mean((voice_cleanspeech+voice_laugh).^2+noisePwr)/..．mean((cbfOut - voice_dft).^2))

agCbf = 9.5022

第一个语音信号开始出现在延时波束形成器输出中。我们获得了9.4 dB的信噪比改进。然而，背景笑声仍然可以与演讲相媲美。为了获得更好的波束形成性能，使用冰霜波束形成器。

用冰霜波束发生器处理

通过在每个传感器上附加FIR滤波器，弗罗斯特波束形成器具有更多的波束形成权重来抑制干扰。它是一种自适应算法，在学习到的干扰方向上设置零值以更好地抑制干扰。在转向方向，弗罗斯特波束形成器使用无失真约束，以确保所需的信号不被抑制。让我们在每个传感器后创建一个带有20个分接FIR的霜波束形成器。

frostbeamformer =..．分阶段。FrostBeamformer (“SensorArray”、齿龈“SampleRate”fs,..．“PropagationSpeed”c“FilterLength”, 20岁,“DirectionSource”，输入端口的);

接下来，使用弗罗斯特波束形成器处理合成信号。

重置(signalsource);FrostOut = 0 (NTSample,1);为m = 1:NSampPerFrame:NTSample FrostOut(m:m+NSampPerFrame-1，:) =..．frostbeamformer (signalsource (), ang_dft);结束

我们可以播放和绘制整个音频信号，一旦它被处理。

如果isAudioSupported玩(audioWriter FrostOut);结束情节(t, FrostOut);包含(的时间(秒));ylabel (“振幅(V)”);标题(“冰霜波束发生器输出”);ylim (3 [3]);

图中包含一个轴对象。标题为“冰霜波束器输出”的轴对象包含一个类型为“线”的对象。

%计算阵列增益agFrost = pow2db(mean((voice_cleanspeech+voice_laugh).^2+noisePwr)/..．mean((FrostOut - voice_dft).^2))

agFrost = 14.4385

注意，干扰现在被取消了。霜波束形成器的阵列增益为14 dB，比延时波束形成器的阵列增益高4.5 dB。性能的提高令人印象深刻，但是计算成本很高。在前面的示例中，每个麦克风使用一个20阶的FIR滤波器。对于所有10个传感器，需要反转一个200 × 200的矩阵，这在实时处理中可能会很昂贵。

使用对角加载提高霜波束形成器的稳健性

接下来，我们要将阵列转向第二个语音信号的方向。假设我们不知道第二个语音信号的确切方向，除了粗略估计方位角-5度和仰角5度。

释放(frostbeamformer);Ang_cleanspeech_est = [-5;5);估计操舵方向重置(signalsource);FrostOut2 = 0 (NTSample,1);为m = 1:NSampPerFrame:NTSample FrostOut2(m:m+NSampPerFrame-1，:) = frostbeamformer(signalsource())，..．ang_cleanspeech_est);结束如果isAudioSupported玩(audioWriter FrostOut2);结束情节(t, FrostOut2);包含(的时间(秒));ylabel (“振幅(V)”);标题(“冰霜波束发生器输出”);ylim (3 [3]);

图中包含一个轴对象。标题为“冰霜波束器输出”的轴对象包含一个类型为“线”的对象。

%计算阵列增益agFrost2 = pow2db(mean((voice_dft+voice_laugh).^2+noisePwr)/..．mean((FrostOut2 - voice_cleanspeech).^2))

agFrost2 = 6.1927

讲话几乎听不见。尽管从波束形成器获得6.1 dB增益，但性能受到不准确的转向方向的影响。提高弗罗斯特波束形成器鲁棒性的一种方法是采用对角加载。这种方法向估计的协方差矩阵的对角线元素添加少量。这里我们使用对角线值1e-3。

%指定对角线加载值释放(frostbeamformer);frostbeamformer。DiagonalLoadingFactor = 1e-3;重置(signalsource);FrostOut2_dl = 0 (NTSample,1);为m = 1:NSampPerFrame:NTSample FrostOut2_dl(m:m+NSampPerFrame-1，:) =..．frostbeamformer (signalsource (), ang_cleanspeech_est);结束如果isAudioSupported玩(audioWriter FrostOut2_dl);结束情节(t, FrostOut2_dl);包含(的时间(秒));ylabel (“振幅(V)”);标题(“冰霜波束发生器输出”);ylim (3 [3]);

图中包含一个轴对象。标题为“冰霜波束器输出”的轴对象包含一个类型为“线”的对象。

%计算阵列增益agFrost2_dl = pow2db(mean((voice_dft+voice_laugh).^2+noisePwr)/..．mean((FrostOut2_dl - voice_cleanspeech).^2))

agFrost2_dl = 6.4788

现在输出的语音信号得到了改善，我们通过对角加载技术获得了0.3 dB的增益提高。

释放(frostbeamformer);释放(signalsource);如果isAudioSupported暂停(3);清空AudioPlayer缓冲区释放(audioWriter);结束rng(上一页);

总结

这个例子展示了如何使用时域波束形成器从噪声麦克风阵列测量中检索语音信号。本例还演示了如何模拟麦克风阵列接收到的干扰主导信号。该示例同时使用了延时波束和弗罗斯特波束，并比较了它们的性能。冰霜波束形成器具有较好的干扰抑制能力。该示例还说明了使用对角加载来提高弗罗斯特波束形成器的鲁棒性。

参考

[10]傅立明，一种线性约束自适应阵列处理算法，电子工程学报，Vol. 60, no . 8, pp. 925-935。