麦克风阵列算法笔记之二（固定波束形成）

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。系列博客先介绍两种常见麦克风阵列结构，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）。

1. 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$T_{60}=300ms$，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。

2. 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$H(\omega ,\theta )$ 表示，其中$\omega$表示频率,$\theta$表示角度。如下图所示，为某一特定频率${\omega }_0$的麦克风指向性$H({\omega }_0,\theta )$
  

3. 信号模型和定义

3.1 远场信号

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。
$Y_m(\omega ,\theta )=H_m(\omega ,\theta )\ast exp(-j\omega {\tau }_m(\theta ))\ast S(\omega )$
其中$H_m$是麦克风的指向性，${\tau }_m$是与麦克风位置相关的延迟，$S(\omega )$是原信号。

3.2 导向矢量 （steer vector）

麦克风阵列接收到的信号，需要将上述信号($m=1,\mathrm{2...}M$)用向量形式来表达。
$Y(\omega ,\theta )=d(\omega ,\theta )\ast S(\omega )$
$d(\omega ,\theta )=[H_1(\omega ,\theta )exp(-j\omega {\tau }_1(\theta ))...H_M(\omega ,\theta )exp(-j\omega {\tau }_M(\theta ))]$
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，$H_0(\omega ,\theta )$，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$H_0(\omega ,\theta )=1$，导向矢量只由麦克风的位置决定。
$d(\omega ,\theta )=H_0(\omega ,\theta )[1,exp(-j\omega {\tau }_2(\theta )),...,exp(-j\omega {\tau }_M(\theta ))]$

对于$n$个麦克风的线性阵列，导向矢量维度为$n\ast fftbins\ast ndegree$的复数矩阵，导向矢量计算的python代码如下，输入角度phi单位是rads，需要转换。

def linear_steer_vector(phi, freq, mic_num = 2, mic_dist = 0.03):
    vsound = 340
    mic_loc = np.linspace(0, (mic_num-1)*mic_dist, mic_num)
    delay = mic_loc * np.cos(phi) /vsound
    steer_vector = np.exp(-1j * 2 * np.pi * freq * delay)
    return steer_vector

3.3 波束方向图 （beam pattern/directivity pattern）

• 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，其中$F(\omega )$是滤波器系数。 滤波器系数有事先约定好的期望角度，所以系数和角度无关，只和频率有关。维度是
  $$Z(\omega ,\theta )=F^H(\omega )Y(\omega ,\theta )=F^H(\omega )d(\omega ,\theta )S(\omega )$$

• 阵列传递函数，英文可以是directivity pattern，也可以是transfer function。
  $$H(\omega ,\theta )=Z(\omega ,\theta )/S(\omega )=F^H(\omega )d(\omega ,\theta )$$
  下图是四颗麦克风，期望角度是0°，分别使用broadside和endfire的beampattern。
  

4. 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。
白噪声增益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。

4.1 噪声相关矩阵 noise correlation matrix

噪声相关矩阵定义为
Φ n o i s e ( ω ) = E { N ( ω ) N ( ω ) H } \Phi_{noise}(\omega) = E\{N(\omega)N(\omega)^H\} Φnoise​(ω)=E{N(ω)N(ω)H}
假设噪声场是均匀的，主对角线上的元素都相同，即自相关为常数。
$${\varphi }_{ii}(\omega )={\varphi }_{noise}(\omega )$$
相干矩阵为相关矩阵除以对角线元素
$${\Gamma }_{noise}(\omega )=\frac{1}{{\varphi }_{noise}(\omega )}{\Phi }_{noise}(\omega )$$

4.2 噪声相干矩阵 noise coherence matrix

白噪声的相干矩阵为单位阵
$${\Gamma }_{noise}^{white}(\omega )=I(\omega )$$
扩散噪声的相干矩阵对角线上为1，而反对角线上是sinc函数。可以用以下公式来表示
$${\Gamma }_{noise}^{diffuse}(\omega )=sinc(\omega f_{s}d/c)$$

4.3 白噪声增益 white noise gain

阵列增益，用来评估在某个角度上的信噪比提升：
$$G(\omega ,\theta )=\frac{SN{R}_{out}}{SN{R}_{in}}=\frac{|F^H(\omega )d(\omega ,\theta ){|}^2}{F^H(\omega ){\Gamma }_{noise}(\omega )F(\omega )}$$
根据噪声相干矩阵的不同分为白噪声增益和指向性两个指标。
白噪声增益的相干矩阵是单位阵，即${\Gamma }_{noise}^{white}(\omega )=I(\omega )$，因为白噪声主要来源于传感器的噪声，白噪声增益主要用来评估beamformer的稳定性。
$$WNG(\omega ,\theta )=\frac{|F^H(\omega )d(\omega ,\theta ){|}^2}{F^H(\omega )F(\omega )}$$
举例：四颗麦克风，使用DSB时，无论是broadside还是endfire，白噪声增益都是6dB。

4.4 指向性 array directivity index

对于扩散场噪声而言，记为${\Gamma }_{noise}^{diffuse}(\omega )=sinc(\omega \ast d/c)$
$$DI(\omega ,\theta )=\frac{|F^H(\omega )d(\omega ,\theta ){|}^2}{F^H(\omega ){\Gamma }_{noise}^{diffuse}(\omega )F(\omega )}$$
举例：四颗麦克风，使用DSB，整体来说两种阵列结构的指向性都不好。尤其是低频部分，几乎没有指向性。

5. 固定波束形成设计

基于以上阵列的基础知识以及评价指标，固定波束形成的基本设计思路是在保证期望方向无失真的前提下，最大化白噪声增益或者最大化指向性，即首先保证
$$|F^H(\omega )d(\omega ,\varphi )|=1$$

5.1 最大化白噪声增益

最大化白噪声增益，即求出一组$F(\omega )$参数，使得白噪声增益最大。
F ( ω ) = a r g { m a x W N G ( ω , θ ) } = a r g { m a x ∣ F H ( ω ) d ( ω , θ ) ∣ 2 F H ( ω ) F ( ω ) } F(\omega) = arg\{maxWNG(\omega, \theta)\} = arg\{max\frac{|F^H(\omega)d(\omega,\theta)|^2}{F^H(\omega) F(\omega)}\} 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，$|F^H(\omega )d(\omega ,\varphi )|=1$，即对期望方向$\varphi$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 ) = a r g { m i n F H ( ω ) F ( ω ) } , s . t . ∣ F H ( ω ) d ( ω , ϕ ) ∣ = 1 F(\omega) = arg\{min{F^H(\omega) F(\omega)}\}, s.t. |F^H(\omega)d(\omega,\phi)|=1 F(ω)=arg{minFH(ω)F(ω)},s.t.∣FH(ω)d(ω,ϕ)∣=1
得到最优解为
$$F(\omega )=\frac{d(\omega ,\varphi )}{|d(\omega ,\varphi ){|}^2}=\frac{d(\omega ,\varphi )}{M}$$
白噪声增益为
$$WNG(\omega ,\theta =\varphi )=\frac{|F^H(\omega )d(\omega ,\theta ){|}^2}{F^H(\omega )F(\omega )}=M$$

Delay&Sum

如下图，对于理想的全指向麦克风阵列，delay & sum 波束形成在所有频点上都具有M的白噪声增益。即获得了最大的白噪声增益，但是指向性很一般。

5.2 最大化指向性

$$h_{RSD}(k)=\frac{\Gamma (k{)}^{-1}d(k)}{d^H(k)\Gamma (k{)}^{-1}d(k)}$$

Super Directive

如下图，SD能获得非常好的指向性，最大的指向系数为$N^2$，即12db。但白噪声增益很差，在低频下，白噪声增益甚至是负无穷大。

5.3 提高稳定性

为了提高超指向的白噪声增益的下限，获得更为稳定的解，可以在设计时增加一个约束条件
$$\frac{1}{h^{H}h}⩾const(k)$$
这是一个非凸优化问题，解具有以下形式，可以在噪声协方差矩阵对角线上增加一个小的常数。
$$h_{RSD}(k)=\frac{[\Gamma (k)+c(k)I{]}^{-1}d(k)}{d^H(k)[\Gamma (k)+c(k)I{]}^{-1}d(k)}$$

对角加载

经过对角加载之后可以看到低频部分的白噪声增益得到了明显提高，从负无穷提高到-15dB以上。而低频的指向性影响在-2dB左右。