A Residual Neural Network Framework for Rotating Sound Source Localization

Immaginate di cercare di ascoltare una singola voce in una stanza affollata dove tutti ruotano intorno a voi. Le onde sonore che raggiungono le vostre orecchie cambiano costantemente in frequenza e tempistica, creando un caos che rende quasi impossibile individuare chi sta parlando. Questa è la sfida fondamentale che gli ingegneri affrontano quando cercano di localizzare la sorgente di un rumore proveniente da macchinari rotanti, come le pale di una turbina eolica o le ventole all'interno di un motore a reazione. Per decenni, gli scienziati hanno utilizzato array di microfoni per catturare questi suoni e mappare la loro provenienza. Tuttavia, quando la sorgente sonora è in rotazione, il movimento crea un fenomeno noto come effetto Doppler, che distorce le onde sonore proprio come il tono di una sirena cambia mentre un'ambulanza sfreccia accanto a voi. I metodi tradizionali per districare questa distorsione sono spesso lenti, computazionalmente pesanti e soggetti alla creazione di segnali "fantasma" — falsi allarmi che suggeriscono l'esistenza di una sorgente di rumore dove in realtà non c'è nulla.

Un team di ricercatori della Shanghai Jiao Tong University e della AECC Commercial Aircraft Engine Co., Ltd. ha sviluppato un nuovo approccio per risolvere questo problema, insegnando a un computer a riconoscere direttamente i pattern del rumore rotante. Invece di fare affidamento su complesse formule matematiche per correggere manualmente il movimento di rotazione, hanno addestrato un tipo di intelligenza artificiale chiamato Residual Neural Network, o ResNet, affinché osservasse i dati grezzi provenienti dai microfoni e identificasse istantaneamente la reale posizione del suono. In una serie di simulazioni dettagliate al computer, questo nuovo sistema si è dimostrato straordinariamente efficace. È riuscito a localizzare sorgenti sonore rotanti con un'accuratezza fino al 98,83%, anche quando il rumore proveniva da più punti di rotazione contemporaneamente. Forse la cosa più impressionante è che il sistema ha preso queste decisioni in meno di 50 millisecondi, una velocità che è di ordini di grandezza superiore rispetto ai metodi convenzionali attualmente in uso, che possono impiegare diversi secondi per elaborare le stesse informazioni.

Il cuore di questa innovazione risiede nel modo in cui i ricercatori hanno preparato i dati affinché il computer potesse apprendere. Nell'analisi sonora standard, gli scienziati utilizzano spesso uno strumento matematico chiamato matrice cross-spettrale, che funge da mappa di come le onde sonore provenienti da diversi microfoni si relazionano tra loro. Per oggetti stazionari, questa mappa è chiara e facile da leggere. Ma per oggetti rotanti, la mappa viene rimescolata dall'effetto Doppler, rendendo difficile per gli algoritmi tradizionali distinguere le sorgenti reali dal rumore. I ricercatori hanno compreso che una tecnica specifica, nota come mode composition beamforming, poteva riorganizzare questi dati rimescolati in un formato che preservasse l'essenziale informazione spaziale tenendo conto della rotazione. Hanno fornito alla loro rete neurale questi dati riorganizzati, che è progettata con una struttura speciale che le permette di apprendere pattern profondi e complessi senza confondersi o smarrire la strada, un problema comune quando si addestrano modelli informatici molto grandi.

Per testare il loro sistema, il team ha creato migliaia di scenari simulati coinvolgenti sorgenti sonore rotanti con velocità, frequenze e intensità variabili. Hanno utilizzato un array di microfoni composto da 16 microfoni disposti in cerchio, una configurazione che imita l'attrezzatura utilizzata nelle diagnostiche industriali reali. Le simulazioni hanno coperto un ampio intervallo di condizioni, inclusi sorgenti che ruotavano a velocità compresa tra 500 e 2500 giri al minuto ed emettevano suoni nell'intervallo di alta frequenza tra 4500 e 5000 Hertz. I ricercatori hanno inoltre testato il sistema sotto diverse disposizioni geometriche, posizionando l'array di microfoni sia parallelamente che perpendicolarmente al piano della sorgente rotante. In ogni caso, la rete neurale è stata in grado di identificare il numero corretto di sorgenti sonore e le loro posizioni precise, filtrando efficacemente i segnali falsi che affliggono i metodi più vecchi.

Uno dei risultati più significativi è stata la capacità del sistema di eliminare i contributi "fantasma". Nel beamforming tradizionale, la distorsione causata dalla rotazione crea spesso immagini fantasma di sorgenti sonore a frequenze che non esistono realmente. Questi fantasmi possono trarre in inganno gli ingegneri, facendo pensare che esistano problemi di rumore multipli quando ce n'è solo uno, o possono oscurare la posizione reale di un guasto critico. Il nuovo framework basato su ResNet, tuttavia, ha imparato a ignorare completamente questi artefatti. Nei test in cui il sistema è stato messo alla prova con fino a sei distinte sorgenti rotanti, ha identificato correttamente tutte senza generare un singolo falso positivo. Questo livello di precisione è cruciale per applicazioni come la diagnostica dei guasti nei motori aeronautici, dove identificare l'esatta origine di un rumore può prevenire guasti catastrofici.

La velocità del nuovo metodo offre un altro grande vantaggio per l'ingegneria pratica. Mentre il metodo tradizionale nel dominio del tempo noto come ROSI può impiegare più di quattro secondi per analizzare un singolo caso, e il metodo MCB nel dominio della frequenza richiede oltre 800 millisecondi, la rete neurale fornisce la sua risposta in meno di 50 millisecondi. Questa drastica riduzione del tempo di elaborazione significa che il sistema potrebbe eventualmente essere utilizzato per il monitoraggio in tempo reale, permettendo agli ingegneri di osservare lo stato di salute di una macchina mentre opera, piuttosto che aspettare un'analisi ritardata. I ricercatori hanno osservato che il sistema funziona meglio quando la configurazione dei microfoni corrisponde a quella per cui è stato addestrato, e che generare la enorme quantità di dati di addestramento necessaria per le simulazioni ha richiesto un considerevole tempo e potenza di calcolo. Tuttavia, una volta addestrato, il modello opera con una costanza e una velocità che il calcolo manuale non può eguagliare.

Lo studio ha anche evidenziato i limiti degli approcci attuali e i punti di forza specifici di questo nuovo framework. I ricercatori hanno scoperto che rendere la rete neurale semplicemente più profonda o complessa non garantiva sempre risultati migliori; anzi, con dati di addestramento insufficienti, un modello più complesso performava peggio di uno più semplice. Ciò suggerisce che la qualità e la quantità dei dati di addestramento sono importanti quanto l'architettura stessa della rete. Inoltre, sebbene il sistema eccella negli ambienti simulati testati, i ricercatori hanno riconosciuto che le condizioni del mondo reale, come il rumore di fondo imprevedibile o diverse configurazioni fisiche, richiederebbero ulteriori adattamenti. Hanno proposto che il lavoro futuro potrebbe consistere nel combinare i dati simulati con dati sperimentali reali per rendere il sistema più robusto e adattabile alla realtà disordinata degli ambienti industriali.

In definitiva, questa ricerca rappresenta un cambiamento nel modo in cui gli ingegneri approcciano il problema del suono rotante. Passando da correzioni matematiche rigide a un approccio di apprendimento basato sui dati, il team ha dimostato che è possibile vedere attraverso la distorsione dei macchinari rotanti con una chiarezza senza precedenti. La capacità di localizzare le sorgenti sonore con una fedeltà quasi perfetta, utilizzando un array standard di 16 microfoni e senza dover conoscere esattamente le proprietà fisiche del percorso del suono, apre nuove porte al controllo del rumore e alla diagnostica meccanica. Man mano che la tecnologia matura, promette di trasformare il modo in cui ascoltiamo le macchine che alimentano il nostro mondo, trasformando un vortice caotico di suoni in una mappa chiara e azionabile della provenienza del rumore.