Beamforming mit drohnenschwarmbasiertem Mikrofonarray als akustische Kamera zur Lärmdetektion - Bea Move

Abstract

Auf Beamforming basierende akustische Kameras erlauben eine Ortung sowie gerichtete Vermessung von Schallquellen und sind bereits Stand der Technik. Die feste Anordnung von Mikrofonarray und optischer Kamera sind dabei Teil des Verfahrens, stellen jedoch Einschränkungen bezüglich Ortsauflösung und Flexibilität dar. Doch insbesondere für die drohnenbasierte Erhebung von Lärmdaten unterschiedlich großer Schallquellen oder Messobjekte ist ein variabler Messbereich nötig.

Hauptziel des Vorhabens ist eine Machbarkeitsabschätzung für bspw. eine innovative Lärmkartierung verkehrsrelevanter Objekte wie Baustellen, Straßen- und Schienenverkehrswege. Die einzelnen Komponenten der akustischen Kamera (Mikrofone, Kamera) werden dabei von einem Drohnenschwarm über den betreffenden Bereich bewegt. In Voruntersuchungen werden die durch variable Abstände (2D/3D) auftretenden Effekte und Einflüsse auf das Beamforming und die Integrierbarkeit in einen Drohnenschwarm validiert.

In Form eines miniaturisierten Versuchsfeldes sollen verschiedene Anordnungen von Schallquellen, Mikrofonarray und optischer Kamera realisiert werden, um mögliche Formationen des Drohnenschwarms nachzubilden. Die relativen Sensorpositionen zueinander werden dabei stets erfasst. Mögliche Schallszenarien werden durch Einbeziehen bestehender Lärmdaten berücksichtigt und von einem

A feasibility study was conducted to investigate the extent to which a swarm of drones equipped with microphones can be used to locate and map noise sources. The aim was to supplement traditional stationary and partially calculation-based noise mapping methods with a mobile, scalable measurement system. The drones used are equipped with directional microphones, time-synchronous recording units, and precise GPS RTK positioning. The software developed calculates the measurement data into frequency- and location-resolved noise maps using beamforming. Realistic simulations – including synthetic noise, GPS deviations, and synchronization errors – show that reliable identification of dominant noise sources is possible even under practical conditions. The system has a modular design, is documented in open source, and is to be expanded in further projects to include real measurement flights in urban and industrial environments.