Akustisches Radar mit 16 Mikrofonen (FPGA-PoC)
Ein technischer Proof of Concept, der akustisches Beamforming in Echtzeit auf einem FPGA demonstriert. 16 MEMS-Mikrofone werden als Phased-Array eingesetzt, um Schallquellen mit einer Winkelauflösung von < 2° zu lokalisieren.
Technische Spezifikationen
| Parameter | Spezifikation |
|---|---|
| Plattform | Intel Cyclone 10 LP / Xilinx Artix-7 |
| Mikrofonarray | 16x MEMS PDM (Uniform Circular Array) |
| Abtastrate | 48 kHz / 24 Bit pro Kanal |
| Beamforming | Delay-and-Sum (DAS) / MVDR (Capon) |
| Reaktionszeit | < 10 ms (Echtzeit-Visualisierung) |
| Winkelauflösung | ~2° Azimut |
| Ausgabeschnittstelle | HDMI (Heatmap-Overlay), UDP-Stream |
Die Herausforderung
Visuelle Kameras haben tote Winkel und sind bei schlechten Lichtverhältnissen oder Rauch nur eingeschränkt funktionsfähig. Herkömmliche akustische Sensoren sind omnidirektional – sie erkennen, dass ein lautes Geräusch vorhanden ist, aber nicht, woher es kommt. Ziel war es, eine „Akustikkamera“ zu entwickeln, die Geräuschquellen in Echtzeit visualisieren kann, um Drohnenschwärme, Maschinenfehler oder Gaslecks ohne die Latenz einer CPU-basierten Verarbeitung zu erkennen.
Unsere Lösung
Wir haben einen massiv parallelen Akustikprozessor direkt in der konfigurierbaren Logik des FPGAs entwickelt, der die CPU bei rechenintensiven Aufgaben umgeht:
- PDM-Demodulation: 16 parallele CIC-Filter dezimieren die PDM-Datenströme (Pulse Density Modulation) der MEMS-Mikrofone in PCM-Audiodaten.
- Delay-and-Sum-Beamforming: Das FPGA berechnet 1024 Beobachtungsstrahlen gleichzeitig. Durch die Verzögerung der Signale basierend auf der Array-Geometrie überlagern wir den Schall aus einem bestimmten Winkel konstruktiv und löschen den Rest aus.
- Heatmap-Erzeugung: Die akustische Energiematrix wird über ein visuelles Kamerabild via HDMI gelegt, sodass Bediener den Schall „sehen“ können.
Technologie-Stack
FPGA-Core (VHDL/Verilog)
- Parallele DSP-Blöcke: 16x simultane MAC-Operationen für das Beamforming.
- CORDIC-Algorithmus: Für die Phasenverschiebungsanpassung in Echtzeit.
- DMA-Controller: Zero-Copy-Übertragung der Heatmap-Daten in den Visualisierungspuffer.
Anwendungsbereiche
- Counter-UAS: Erkennung von Drohnenpropellergeräuschen vor dem Sichtkontakt.
- Industrielles IoT: Lokalisierung von Gaslecks (Zischen) oder Lagerschäden in komplexen Maschinen.
- Smart City: Schusserkennung und Lokalisierung durch Triangulation.