Feedback
Thesis CC BY 4.0
Published

Entwicklung eines rotierenden Beamformingverfahrens zur Schallquellenlokalisation mittels maßgeschneiderten Greenschen Funktionen

Affiliation/Institute
Institut für Aerodynamik und Strömungstechnik
Lehmann, Marius

Eine häufige Anwendung von Axialventilatoren ist, Luft durch Wärmeübertrager zu saugen. Die daraus resultierende Einbausituation kann die Zuströmung zum Ventilator und in Folge dessen die aeroakustische Schallentstehung,
insbesondere im tieffrequenten Bereich, beeinflussen. Das Ziel der vorliegenden Arbeit ist es, ein Beamformingverfahren auf Basis von Mikrofonarraydaten zur Schallquellenlokalisation in solch einer Einbausituation
zu entwickeln. Dieses soll reale Schallausbreitungsbedingungen in Form von beliebigen, maßgeschneiderten Greenschen Funktionen berücksichtigen können.
Aus dem Stand der Technik ergibt sich, dass es zwei Klassen von Verfahren zur rotierenden Schallquellenlokalisation gibt. In der ersten Klasse wird das Fokusgitter mitrotiert und die Schallausbreitung zwischen den Fokuspunkten und den Mikrofonen wird zeitabhängig modelliert. Bei Verfahren der zweiten Klasse werden die Mikrofone virtuell in Rotation versetzt. Es gibt jedoch kein rotierendes Beamformingverfahren, dass beliebige, maßgeschneiderte Greensche Funktionen berücksichtigen kann. Deshalb wird ein neues Beamformingverfahren, das RoBeaT (Rotating Beamforming using Tailored Green’s functions) Verfahren, entwickelt, welches zeitabhängig maßgeschneiderte Greensche Funktionen in den Beamformingprozess einbeziehen kann. Zur Bewertung des RoBeaT Verfahrens wird es mit zwei rotierenden Beamformingverfahren aus der Literatur, dem ROSI und dem VRA Verfahren, verglichen. Diese beiden Verfahren werden zunächst in Bezug auf ihre Anforderungen an die zeitliche und räumliche Abtastung des Schallfelds im Vergleich zu stationärem Beamforming untersucht.
Im nächsten Schritt wird das neu entwickelte RoBeaT Verfahren sowohl anhand von synthetisch erzeugten als auch von experimentell im Prüfstand gemessenen Mikrofondaten validiert. Die maßgeschneiderten Greenschen Funktionen werden numerisch per Randelementeverfahren simuliert.
Aus der Validierung mit synthetisch erzeugten Mikrofonsignalen ergibt sich, dass die Point Spread Funktionen auf Basis von maßgeschneiderten Greenschen Funktionen von jenen auf Basis von Freifeld Greenschen Funktionen
abweichen.Weiterhin hängen die Ergebnisse deutlich von der gewählten Steering Vektor Formulierung ab. Diese Beobachtungen werden dadurch begründet, dass in den maßgeschneiderten Greenschen Funktionen zusätzliche Informationen gegenüber den Freifeld Greenschen Funktionen vorhanden sind. Eine weitere Beobachtung ist, dass der eigentliche Rotationsalgorithmus des RoBeaT Verfahrens die tatsächlichen Quellpegel, insbesondere bei hohen
Frequenzen, mit geringeren Abweichungen als das ROSI und das VRA Verfahren rekonstruiert.
Im letzten Schritt werden im Prüfstand gemessene Mikrofonarraydaten mit dem RoBeaT Verfahren ausgewertet. Bei der Auswertung von Messdaten eines einzelnen Lautsprechers wird zum einen der Quellpegel mit geringeren Abweichungen rekonstruiert, wenn maßgeschneiderte Greensche Funktionen anstelle von Freifeld Greenschen Funktionen genutzt werden. Zum anderen zeigen die Beamforming Maps bei diesem Testfall geringe Abweichungen zu den aus synthetischen Daten erzeugten Point Spread Funktionen. Darüber hinaus wird die Hauptkeulenbreite verringert. Dadurch können bei der Auswertung von Messdaten eines Ventilators die Schallquellen bei tiefen Frequenzen besser lokalisiert werden als mit den beiden Freifeld Beamforming Verfahren aus der Literatur.

A typical application of axial fans is to suck air through heat exchangers. The resulting installation situation influences the inflow of the fan and as a consequence the aeroacoustic sound generation, especially in the low-frequency range. The aim of the present work is to develop a beamforming method based on microphone array data for sound source localization in such an installation condition. This method should be able to take real sound propagation conditions in the form of arbitrary, tailored Green’s functions into account.
The literature review reveals that there are two classes of methods for rotating sound source localization. In the first class, for example the ROSI (ROtating Source Identifier) method, the focus grid is co-rotated and the sound propagation between the focus points and the microphones is modeled time-dependent. In methods of the second class, the microphones are virtually rotated (VRA, virtual rotating array). However, there is no rotating beamforming method that can consider arbitrary, tailored Green’s functions. Therefore, a new beamforming method, the RoBeaT (Rotating Beamforming using Tailored Green’s functions) method, is developed. This method can take time-dependent tailored Green’s functions into account in the beamforming process.
To evaluate the RoBeaT method, it is compared with two rotating beamforming methods from the literature, the ROSI method and the VRA method. These two methods are first investigated in terms of their requirements for time and spatial sampling of the sound field compared to stationary beamforming.

In the next step, the novel RoBeaT method is validated using both synthetically generated and experimentally measured microphone data. The tailored Green’s functions are numerically simulated by boundary element method. The validation with synthetically generated  microphone signals shows that the point spread functions based on tailored Green’s functions differ from those based on free-field Green’s functions. Furthermore, the results depend significantly on the chosen steering vector formulation. These findings are explained by the fact that additional information is available in the tailored Green’s functions compared to the free-field Green’s functions. Another finding is that the actual rotation algorithm of the RoBeaT method reconstructs the true source levels with smaller deviations than the ROSI and VRA methods. This is especially true at high frequencies.
In the last step, microphone array data measured in the test bench are evaluated using the RoBeaT method. When evaluating measurement data of a single loudspeaker, on the one hand the source level is reconstructed with smaller deviations if tailored Green’s functions are used instead of free-field Green’s functions. On the other hand, the beamforming maps in this test case show small deviations from the point spread functions generated from synthetic data. In addition, the main lobe width is reduced. Thus, when evaluating measurement data of a fan, the sound sources at low frequencies can be localized better than with the two free-field beamforming methods from the literature.

Cite

Citation style:
Could not load citation form.

Access Statistic

Total:
Downloads:
Abtractviews:
Last 12 Month:
Downloads:
Abtractviews:

Rights

Use and reproduction: