一文读懂语音领域的波束形成Beamforming

波束形成是个很有意思的方向，应用从雷达领域到5G领域，近几年在语音识别领域也大放光彩。本文主要聚焦于波束形成在语音领域的应用。

对于单麦克风来说，没有波束的概念；波束形成主要针对多麦克风阵列，融合多个通道的数据，对噪声和干扰方向进行抑制，增强目标方向的信号。

一种方式是找到目标信号的方向，一般用导向矢量（steeringvector）进行表示，基于此增强目标信号；一种方式是找到干扰信号的方向，进行抑制，剩下的就是目标信号。

图1：M个麦克组成的线性阵列

观察信号的数学表达（频域形式）如下，

其中导向矢量

表示信号传到两个麦克之间的时间差，如果声音入射角是θ，还需要乘以cosθ，某频率的波传递了多少个周期，再乘以该波的频率.

连续两个麦克风之间的相位差为

或者表示为

λ表示频率f的波长

delay-and-sum:传统的波束形成可以描述为一个空间滤波器，用该滤波器构建一个特定的波束方向图；可以分解为两步：时间对其和加权求和。时间对齐的物理意义在于，某一固定方向信号，传递到麦克风阵列时，不同麦克之间存在相位差，将信号理解为波，让波对齐，再加权求和就起到了增加信号的作用。时间对齐控制着波束方向，加权求和控制着主瓣的波束宽度和旁瓣的特性。

filter-and-sum:它是上述delay-and-sum的扩展，将简单的delay操作用滤波filter操作代替，更具扩展性。

4.1传统MVDR

阵列采集信号：​

目标：得到信号源X的无偏、最小方差估计

无畸变约束保证语音不失真，最小输出功率保证干扰噪声被最小化。

转换成带经典约束条件的凸优化问题：

最优解

需要计算出导向矢量d(θ)和协方差矩阵。

MVDR是一种自适应波束形成器，而Delay-and-Sum是固定波束形成器。当各个通道的噪声互不相关，并且具有相同功率的时候，MVDR退化成Delay-and-Sum。如果噪声是一个点声源，MVDR会自适应地在噪声方向形成一个零点。

4.2融入深度学习的MVDR

引入深度学习的目的：更好的估计目标信号或噪声信号的协方差矩阵。

Ø四步走：NN估计频谱mask--计算空间协方差矩阵(也就是互功率谱)--计算导向矢量--计算波束形成权重

GEV同MVDR极为相似，不同之处在于目标准则，MVDR为最小化输出功率（在无畸变的约束下），GEV为最大化SNR。

该问题转换为广义特征值问题（generalizedeigenvalueproblem）

最优波束系数为广义主成分。

不同于MVDR，GEV波束形成器会引入语音失真。需要增加后置滤波（post-filter）。

GriffithsandJim(1982)提出将MVDR分解为两个正交的波束形成器GSC，一个用于满足无畸变响应约束，另一个用于噪声功率最小化。

固定波束形成器

阻塞矩阵​编辑：为产生只包含噪声的信号

自适应噪声相消器：用于消除固定波束形成中的噪声信号

[1]FundamentalsofSignalEnhancementandArraySignalProcessing

[2]麦克风阵列信号处理

[3]NEURALNETWORKBASEDSPECTRALMASKESTIMATIONFORACOUSTICBEAMFORMING

[4]Audiosourceseparationandspeechenhancement​