Kann ein Schmalbandstrahlformer zur Sprachtrennung verwendet werden?

In meiner Masterarbeit versuche ich einen Beamformer zu implementieren.

Ich habe den Teil der Verzögerungssumme bereits vor 1 Jahr gemacht. Mir wurde gesagt:

In der FIR-Filterung können wir tun

FFT -> Null der unerwünschte Frequenzbereich -> IFFT.

Das können wir auch bei Beamformern. Wenn wir die Interferenz-DOA kennen (wie 0 im Winkel 25 und 1 überall zwischen -90 und 90), können wir ---> IFFT und die Gewichte in Aparture-Elementen verwenden.

Was auch immer ich versuchte, es funktionierte nicht. Als ich anfing, Bücher zu lesen, konnte ich überraschenderweise die Methode nicht finden, die mir mein Berater sagte. Stattdessen fand ich Methoden wie MVDR, LCMV heraus. Jetzt versuche ich, die Matlab-Methode lcmvweights zu verwenden, um die richtigen Gewichte für jedes Element zu erhalten und in meinem Delay-Sum-Beamformer anzuwenden. Selbst wenn es mir gelingt, diese Methode anzuwenden, bin ich gespannt, ob Schmalband-Strahlformer in komplexen Signalen wie Sprache verwendet werden können.

Wenn Sie beispielsweise 8 kHz für eine nominelle Sprachbandbreite von 4 kHz, dh 0 Hz - 4 kHz, verwenden, ist die Sprache im Wesentlichen ein Breitbandsignal. Daher funktioniert die schmalbandige Strahlformung nicht sehr gut. Ihr Strahlmuster ist für die jeweilige interessierende Frequenz in Ordnung - aber sobald Sie sich von dieser Frequenz entfernen, verschlechtern sich Ihre Strahlmuster.

Was Sie suchen, ist Breitband-Beamforming, bei dem tatsächliche Zeitverzögerungen (oder lineare Phasenverschiebungen über die Frequenz im Frequenzbereich) und nicht nur Phasenverschiebungen verwendet werden.

Normalerweise werden Techniken wie LCMV und MVDR für Schmalbandsignale entwickelt. Es gibt verschiedene Möglichkeiten, um das Breitbandproblem anzugehen:

1. Verwenden Sie für jeden Kanal eine abgegriffene Verzögerungsleitung. Wenn Sie haben$n$ Kanäle und $m$ tippt pro Kanal, dann ist Ihre Korrelationsmatrix $mn$ x $mn$. Das Gleichungssystem wird also sehr groß.
2. Verwenden Sie eine Reihe von schmalbandigen Strahlformern. In diesem Fall hätten Sie$m$ Strahlformer ($m$ Frequenzen) jeweils mit $n$Kanäle. Jetzt hat jeder Strahlformer eine$n$ x $n$ Korrelationsmatrix, aber Sie haben $m$von ihnen. Dies führt zu einer Verringerung der Komplexität gegenüber dem vorherigen Fall.
3. Sie können eine Reihe von bilden $b$ herkömmliche Strahlen (unter Verwendung von Zeitverzögerung anstelle nur eines Phasenvervielfachers) und führen dann die adaptive Verarbeitung auf den Strahlen durch.

Die beste Referenz, die ich mir vorstellen kann, ist Van Trees - Optimum Array Processing. Beachten Sie, dass Sie manchmal auf geringfügige Unterschiede in der Terminologie stoßen. Einige Texte bezeichnen MVDR als Verwendung der Signalkorrelationsmatrix, während andere die Signal-Rausch-Korrelationsmatrix verwenden. Achten Sie nur darauf, welche Sie betrachten. Ich weiß, dass Van Trees zwischen den beiden Fällen unterscheidet. Die meisten anderen Texte verwenden nicht nur eine Formulierung und nennen sie MVDR.

Die Arbeit von Darren Ward, Rod Kennedy und Bob Williamson untersuchte, wie Filter entworfen werden können, die auf einen Verzögerungs- und Summenstrahlformer angewendet werden, der eine Breitband-Signalerfassung ermöglicht.

Wie Sie in Abbildung 2 sehen können, funktioniert ein Schmalband-Strahlformer nicht gut, da sich die Frequenz von der Entwurfsfrequenz ändert.

Durch eine geeignete Auswahl von Filtern in den Pfaden des Verzögerungs- und Summenstrahlformers kann eine weniger frequenzabhängige Array-Antwort gebildet werden (Abbildung 4 aus dem nachstehenden Artikel).

Ein späteres Papier, das ich mit Darren und Bob gemacht habe, zeigt, dass es möglich ist, ein frequenzinvariantes Design zu haben und eine exakte Null in eine bestimmte Richtung zu positionieren (zB dieses Papier ist dieses Jahr 20 Jahre alt).