Ziel der Entwicklung

Die Zielstellung des Projektes bestand in der Entwicklung und Anwendung neuer algorithmischer Auswertungsverfahren für Mikrofonarraysysteme, die auf der gezielten Nutzung problemadaptierter und optimierter Subarrays beruhen. Gegenwärtig werden hochkanalige Mikrofonarrays, also Arraystrukturen mit sehr hohen Kanalzahlen im Bereich einiger hundert Mikrofone, technologisch immer besser realisierbar. Damit werden sie zunehmend nicht mehr nur in absoluten High-End-Bereichen (aeroakustische Windkanäle, Fahrzeuggeräuschprüfstände), wo die Arrays geometrische Ausdehnungen von mehreren Metern haben, zum Standard. Hochkanalige Arrays sind vielmehr dabei, auch bei kleineren Abmessungen immer weiter in mittlere und untere Preisbereiche der Mikrofonarraytechnik vorzudringen. Diese Hochkanaligkeit bietet nunmehr die Möglichkeit, neue statistische Verfahren zur Arraysignalverarbeitung zu entwickeln, die auf der geschickten Nutzung von Teilmengen (Subarrays) eines Gesamtarrays beruhen. Beim Subarray-Ansatz wird zunächst nur eine Untermenge aller Mikrofone zur Berechnung eines ersten akustischen Teilbildes mittels bekannter Beamformingverfahren benutzt. Dieses Vorgehen wird für viele weitere, anders zusammengesetzte Subarrays wiederholt und für diese werden ebenfalls die zugehörigen Teilbilder berechnet. Erst abschließend werden die zwischengespeicherten akustischen Teilkarten aller einzelnen Subarrays miteinander zu einem akustischen Gesamtbild verrechnet. Wesentlich dabei ist, dass sich mit diesem Vorgehen bessere Resultate hinsichtlich Bildkontrast und Ortsauflösung von Schallquellen erzielen lassen, als wenn man, wie beim klassischen Array-Beamforming üblich, gleich alle Mikrofone des Gesamtarrays zur direkten Erstellung einer einzigen akustischen Karte verwenden würde. Hauptgrund für das bessere Abschneiden der Subarray-Methode ist: Durch die Nichtlinearität bei der Verrechnung der vielen Teilkarten ergibt sich eine deutlich stärkere Unterdrückung störender Nebenkeulen (Aliasing-Artefakte). Diese sind für die einzelnen Subarrays örtlich sehr unterschiedlich verteilt und verschieden stark ausgeprägt. Dagegen heben sich die tatsächlich gesuchten Schallquellen, die in der Regel ortsfest sind, in der resultierenden Gesamtkarte statistisch stabiler hervor.
Im Projekt waren dafür spezifische, neue Methoden zur geeigneten nichtlinearen Verrechnung der akustischen Teilkarten dieser Subarrays zu entwickeln, rechentechnisch zu implementieren, anhand von simulierten und realen Arraydaten zu erproben und schließlich auch in die praktische Anwendbarkeit zu überführen. Hauptzielstellung war eine deutliche Kontrastverbesserung und Erhöhung der Dynamik in den akustischen Karten.

Vorteile und Lösungen

Der Lösungsweg bestand in einer geschickten Kombination und Bewertung normierter Streungsmaße in den akustischen Teilkarten, um zu einer ortsbezogenen Wertung der Quellbeiträge zu gelangen. Damit kann die Frage geklärt werden, ob es sich um tatsächliche Schallquellen, die hervorzuheben sind, oder mit hoher Wahrscheinlichkeit um Bildartefakte/Nebenkeulen handelt, die zu unterdrücken sind. Die Teilkarten der Subarrays weisen bekanntermaßen gerade in den Ortsbereichen eine besonders hohe Variabilität auf, in denen diese Bildartefakte liegen. Zur konkreten Festlegung der entsprechend geeigneten Variationsmaße, nichtlinearen Verrechnungsmethoden der Teilkarten, Wichtungsfaktoren und adaptiven Schwellwerte waren im Projekt sehr umfangreiche statistische Untersuchungen durchzuführen.
Es wurde im Resultat eine Lösung zur Nutzung von Subarrays erarbeitet, die weitgehend unabhängig von der konkret eingesetzten Beamformingmethode nutzbar ist und somit die vorteilhafte Kombination der neuen Subarray-Methode auch mit anderen, schon bekannten erweiterten Beamformingmethoden im Frequenzbereich, zum Beispiel Functional Beamforming gestattet. Vorteil für den Anwender ist, dass sich so eine weitere Erhöhung des akustischen Bildkontrastes erzielen lässt. Im Projekt wurden in realen Anwendungen und unter schwierigen Bedingungen (Fahrzeug im Windkanal bei 140 km/h Strömungsgeschwindigkeit) Kontraste um die 30 dB erzielt. Ein weiterer Vorteil des Subarray-Ansatzes gegenüber bisher applizierten Entfaltungsansätzen wie CLEAN-SC ist, dass sich bei Nutzung der Subarrays die tatsächlichen Quelleigenschaften, Flächen- oder Linienquellen versus Punktquellen, realitätsnäher abbilden. Ein Beispiel zum Vergleich mit CLEAN-SC im Windkanal wird in den Bildern gezeigt. Somit leistet die entwickelte Subarray-Methode trotz noch hoher Rechenzeiten einen wichtigen Beitrag zur Verbesserung der Schallquellenkartierung. Von Vorteil ist weiterhin, dass keine zusätzliche Hardware, eine Wiederholung von Messungen oder Veränderungen des Messaufbaus notwendig sind. Die Methode kann zusätzlich zu etablierten Verfahren auf alle Messungen auch im Nachhinein angewandt werden.

Zielgruppe und Zielmarkt

Zielmärkte liegen in allen Bereichen, in denen Anlagen, Maschinen und Geräte hinsichtlich Lärmreduzierung, Sounddesign und Fehlererkennung zu optimieren sind. Als wichtige Anwendungsfelder sind zu nennen: Hochkanalige High-End-Lösungen im Aeroakustik- und Fahrzeugakustikbereich (z. B. Windkanäle, Prüfstände für Spezialanwendungen). Der Automobilsektor und die Zulieferindustrie, akustische Tests von Fahrzeugen und Komponenten mit Hochkanalarrays, zunehmend auch für Hybrid- und Elektroantriebssysteme mit gegenüber dem klassischen Verbrennungsantrieb deutlich verändertem akustischen Verhalten. Die akustische Vermessung und Kartierung von Maschinen und Anlagen in der mittelständischen Industrie mit höherkanaligen, aber hardwareseitig immer preiswerter realisierbaren MEMS-Arrays mit günstigen Digitalmikrofonen. Der Einsatz für stationäre, stark verbesserte akustische 3D-Kartierungen zur Produktentwicklung/akustischen Optimierung von Haushaltsgeräten, Werkzeugen, Energieanlagen, Turbinen, Pumpen, Lüftern u. v. a. ungewollt Lärm erzeugenden Objekten. Für den Einsatz für Echtzeitprüfungen (z. B. Qualitätssicherung mit Stückprüfungen von Einzelteilen oder kompletten Geräten in laufender Produktion) sind die Vorhabensergebnisse auf Grund der noch sehr hohen Rechenzeiten der Algorithmen dagegen aktuell nicht geeignet. Die neuen algorithmischen Auswerteverfahren sind grundsätzlich unabhängig von der Qualitätsstufe der Hardware einsetzbar, so dass sie sowohl für HighEnd- als auch für immer mehr anzutreffende LowCost-Arraysysteme nutzbar sind und damit das Marktvolumen der Arraytechnik in Zukunft noch erheblich vergrößern werden.