ضبط با کیفیت گفتارِ گویندۀ در فاصله دور در محیط پُر واخنشِ نویزی با استفاده از آرایه میکروفونی کروی پلاتونیک

ضبط گفتار در فاصله دور با کیفیت بالا، تعاملات انسانی را در محیط‌های بزرگ بدون نیاز به میکروفون‌های متصل به سر و بدن ممکن می‌سازد. این روش در کاربردهای صوتی مانند سالن‌های کنفرانس، استودیوها، آمفی تئاترها، صدابرداری در صحنه‌ها و کاربردهای امنیتی مفید است. اما ضبط گفتار با کیفیت در فاصله دور چالش‌برانگیز است زیرا عوامل زیادی مانند واخنش و نویزها کیفیت گفتار را کاهش می‌دهند. روش‌های چندکاناله و الگوریتم‌های شکل‌دهی پرتو می‌توانند عملکرد بهتری در شرایط نویزی و پرواخش داشته باشند، اما هر کدام اثرات محدودی دارند. در این مقاله، یک رویکرد جدید برای بهبود عملکرد شکل‌دهنده‌های پرتو بر روی نویز و واخنش ارائه شده است. این رویکرد مبتنی بر استفاده از شکل‌دهنده‌های پرتو به صورت سری و شامل چند ورودی و چند خروجی است. سیگنال هر نقطه در سطح کره با ترکیب 32 میکروفون در سطح یک آرایه کروی بازتولید می‌شود. بازتولید سیگنال نقاط مورد نظر با استفاده از روش غیر پارامتریک بازتولید میدان صوتی در حوزه هارمونیک‌های کروی انجام شده است. عملکرد روش پیشنهادی با استفاده از معیارهای wng، df و bp مقایسه شده است. نتایج نشان می‌دهد که روش پیشنهادی wng و df را بهبود داده و الگوی پترنی با لوب اصلی باریک ارائه می‌دهد.

high-quality speech recording of a distant speaker in a noisy reverberant environment using a platonic spherical microphone array.

high-quality distant speech recording enables human interactions in large environments without the need for head and body-mounted microphones. this method is useful in audio applications such as conference halls, studios, amphitheaters, on-stage sound recording, and security applications. however, high-quality distant speech recording is challenging because various factors like reverberation and noise degrade speech quality. multichannel methods and beamforming algorithms can perform better in noisy and reverberant conditions, but each has limited effects. this paper presents a new approach to improve the performance of beamformers on noise and reverberation. this approach is based on the use of beamformers in series and includes multiple inputs and outputs. the signal at each point on the sphere is reproduced by combining 32 microphones on the surface of a spherical array. the signal reproduction of the desired points is performed using a non-parametric method of sound field reproduction in the spherical harmonics domain. the performance of the proposed method is compared using wng, df, and bp criteria. the results show that the proposed method improves wng and df and provides a pattern with a narrow main lobe.