作者:桂。

时间:2017-06-03  15:40:33

链接:http://www.cnblogs.com/xingshansi/p/6937576.html


前言

本文主要记录麦克风阵列的几个基本知识点,并简单介绍基本的波束合成方法:Delay and sum (DSB).

一、栅瓣效应

类似干涉仪中的phase-wrapping问题:传感器的距离超过半波长的距离。

  A-Beam Pattern

以线性阵列为例

输出为

对应的增益,也就是output,取频率为1KHz的数据:

有时候也用极坐标表示

  B-Frequency Response

考虑如下场景

实际只有一个波峰,却在不同角度长出多个一样的,这就是栅瓣

相位是角度、频率的共同作用,对应的栅瓣从二维平面更容易理解

从每一个来看,grating lobe就是栅瓣:

二、Delay and sum

DSB核心的思想就是延迟相加,对于栅瓣的DOA估计需要解模糊。假设估计出DOA,进行补偿之后(delay)通过叠加(sum)就可以实现目标信号的增强:

关于delay的操作,可以在时域进行也可以在频域进行,本质上是小数延迟的问题(fractional delays).例如对于下面的dual-channel问题:

需要延迟 是0.5149ms,也就是24.717samples,而不是整数。

小数延迟实现的思路有很多种,例如可以通过线性相位(延迟)的FIR构造,对应就是sinc函数,通常构造完成之后会做一个加窗的平滑处理:

double delay = 0.25;               // Fractional delay amount
int filterLength = 11; // Number of FIR filter taps (should be odd)
int centreTap = filterLength / 2; // Position of centre FIR tap for (int t=0 ; t<filterLength ; t++)
{
// Calculated shifted x position
double x = t - delay; // Calculate sinc function value
double sinc = Math.sin(Math.PI * (x-centreTap)) / (Math.PI * (x-centreTap)); // Calculate (Hamming) windowing function value
double window = 0.54 - 0.46 * Math.cos(2.0 * Math.PI * (x+0.5) / filterLength); // Calculate tap weight
double tapWeight = window * sinc; // Output information
System.out.printf("%3d % f % f % f\n", t, sinc, window, tapWeight);
}

  其他如:重采样技术(Resample)、Farrow-filter技术,都可以实现这样的功能。

参考

  • http://www.labbookpages.co.uk/audio/beamforming/delaySum.html#pattern

【麦克风阵列增强】Delay and sum beamforming的更多相关文章

  1. 【论文:麦克风阵列增强】An alternative approach to linearly constrained adaptive beamforming

    作者:桂. 时间:2017-06-03  21:46:59 链接:http://www.cnblogs.com/xingshansi/p/6937259.html 原文下载:http://pan.ba ...

  2. 【论文:麦克风阵列增强】An Algorithm For Linearly Constrained Adaptive Array Processing

    作者:桂. 时间:2017-06-03  15:06:37 链接:http://www.cnblogs.com/xingshansi/p/6937635.html 原文链接:http://pan.ba ...

  3. 【论文:麦克风阵列增强】Signal Enhancement Using Beamforming and Nonstationarity with Applications to Speech

    作者:桂. 时间:2017-06-06 13:25:58 链接:http://www.cnblogs.com/xingshansi/p/6943833.html 论文原文:http://pan.bai ...

  4. 【论文:麦克风阵列增强】Speech Enhancement Based on the General Transfer Function GSC and Postfiltering

    作者:桂. 时间:2017-06-06  16:10:47 链接:http://www.cnblogs.com/xingshansi/p/6951494.html 原文链接:http://pan.ba ...

  5. 【论文:麦克风阵列增强】Microphone Array Post-Filtering For Non-Stationary Noise Suppression

    作者:桂. 时间:2017-06-08  08:01:41 链接:http://www.cnblogs.com/xingshansi/p/6957027.html 原文链接:http://pan.ba ...

  6. 麦克风阵列波束形成之DSB原理与实现

    语音识别有近场和远场之分,且很多场景下都会用到麦克风阵列(micphone array).所谓麦克风阵列是一组位于空间不同位置的麦克风按一定的形状规则布置形成的阵列,是对空间传播声音信号进行空间采样的 ...

  7. 基于麦克风阵列的声源定位算法之GCC-PHAT

    目前基于麦克风阵列的声源定位方法大致可以分为三类:基于最大输出功率的可控波束形成技术.基于高分辨率谱图估计技术和基于声音时间差(time-delay estimation,TDE)的声源定位技术. 基 ...

  8. 详解 WebRTC 高音质低延时的背后 — AGC(自动增益控制)

    前面我们介绍了 WebRTC 音频 3A 中的声学回声消除(AEC:Acoustic Echo Cancellation)的基本原理与优化方向,这一章我们接着聊另外一个 "A" - ...

  9. JavaCV FFmpeg采集麦克风PCM音频数据

    前阵子用一个JavaCV的FFmpeg库实现了YUV视频数据地采集,同样的采集PCM音频数据也可以采用JavaCV的FFmpeg库. 传送门:JavaCV FFmpeg采集摄像头YUV数据 首先引入 ...

随机推荐

  1. .NET枚举类型转为List类型

    如图所示这个竞卖状态,原先是在前端界面通过html代码写死的几个状态,现在需要改为动态加载.这个几个状态是定义的枚举类型. 1:定义一个枚举类型 /// <summary>    /// ...

  2. JS实现排序

    排序算法可以分为内部排序和外部排序.内部排序是数据记录在内存中进行排序,外部排序是因排序的数据很大,一次不能够容纳全部的排序记录,在排序中需要访问外存.常见的内部排序算法有插入排序,选择排序,冒泡排序 ...

  3. bzoj2884 albus就是要第一个出场

    Description 已知一个长度为n的正整数序列A(下标从1开始), 令 S = { x | 1 <= x <= n }, S 的幂集2^S定义为S 所有子集构成的集合.定义映射 f ...

  4. String,StringBuilder,StringBuffer的对比测试

    public class TestString { private static final int COUNT = 10000000; public static void main(String ...

  5. 关于“foreach循环”中遇到的几个问题总结

    1.列表页面用"foreach循环"的时候数据没有显示,此时需要检查你对象模型中属性的首字母是否大写,切记不能大写(本人在做一个项目的时候,对象模型是别人建立的,属性首字母大写了, ...

  6. spring cloud微服务搭建第一天

    martin fowler大神提出微服务的概念后,各种微服务的技术满天飞,现在用的比较多的是spring cloud和阿里的dubbo,由于dubbo 在16年10月份就停止更新了,这里我们讲解spr ...

  7. Linux 服务器 U盘安装(避免U盘启动)

    首先下载两个文件: ·         rhel-server-6.3-i386-boot.iso    启动镜像 ·         rhel-server-6.3-i386-dvd.iso     ...

  8. vue之nextTick全面解析

    vue的第一篇文章,介绍一下简单的nextTick方法的实现原理 简介 vue是非常流行的框架,他结合了angular和react的优点,从而形成了一个轻量级的易上手的具有双向数据绑定特性的mvvm框 ...

  9. JAVA虚拟机系列文章

    本系列文章主要记录自己在学习<深入理解Java虚拟机-JVM高级特性与最佳实践>的知识点总结,文章内容都是基于周志明所著书籍的总结. 1.Java内存区域与溢出 2.垃圾收集器与内存分配策 ...

  10. 【转】典型的JavaScript面试题

    问题1: 作用域(Scope) (function() { "use strict"; var a = b = 5; })(); console.log(b); 控制台(conso ...