本申請要求于2013年12月13日提交的美國臨時專利申請序列號61/916,009及2014年4月22日提交的美國臨時專利申請序列號61/982,778的優(yōu)先權，其內(nèi)容通過引用并入本文中。

技術領域

本發(fā)明大體上涉及數(shù)字音頻信號的處理。更具體而言，本發(fā)明涉及音場增強的技術。

背景技術：

音場是立體聲場景的左側極限與右側極限之間感知的距離。立體聲圖像包括出現(xiàn)的占據(jù)音場的幻像圖像。為了傳達自然的收聽環(huán)境，需要良好的立體聲圖像。平而窄的立體聲圖像使得所有聲音被感知為都來自一個方向，且因此聲音呈現(xiàn)為單聲道的。

消費者電子裝置(例如，臺式計算機、膝上計算機、平板計算機、可穿戴計算機、游戲機、電視機等等)通常包括揚聲器。令人遺憾的是，空間限制導致了差的音場性能。已經(jīng)嘗試了使用頭相關傳遞函數(shù)(HRTF)來解決此問題。HRTF用于產(chǎn)生虛擬環(huán)繞聲揚聲器。令人遺憾的是，HRTF基于個人的耳朵和體型。因此，任何其它耳朵會經(jīng)歷具有退化的聲定位的空間失真。

因此，將期望的是在消費者裝置中獲得提高的音場性能，而不依靠合成或測量的HRTF。

技術實現(xiàn)要素：

一種非瞬態(tài)計算機可讀儲存介質，其具有可由處理器執(zhí)行的指令，用于分辨數(shù)字音頻輸入信號的右聲道和左聲道內(nèi)的中心分量、側分量和環(huán)境分量?？臻g比由中心分量和側分量確定。數(shù)字音頻輸入信號基于空間比被調(diào)整以形成預處理信號。遞歸串擾消除處理在預處理信號上執(zhí)行，以形成串擾消除的信號。該串擾消除的信號的中心分量在后處理操作中被重新校正，以產(chǎn)生數(shù)字音頻輸出。

附圖說明

本發(fā)明結合參照附圖的以下詳細描述來被更完整的認識到，在附圖中：

圖1示出了根據(jù)本發(fā)明的實施例配置的消費者電子裝置。

圖2示出了根據(jù)本發(fā)明的實施例的信號處理。

圖3示出了根據(jù)本發(fā)明的實施例配置的聲音增強模塊。

圖4示出了與聲音增強模塊的預處理階段相關聯(lián)的處理操作。

圖5示出了與聲音增強模塊的后處理階段相關聯(lián)的處理操作。

相似的參考數(shù)字是指貫穿附圖的若干視圖各處的對應部分。

具體實施方式

圖1示出了根據(jù)本發(fā)明的實施例配置的數(shù)字消費者電子裝置100。裝置100包括標準構件，如，中央處理單元110和經(jīng)由總線114連接的輸入/輸出裝置112。輸入/輸出裝置112可包括鍵盤、鼠標、觸摸顯示器、揚聲器等等。網(wǎng)絡接口電路116也連接至總線114，以提供至網(wǎng)絡的連接(未示出)。網(wǎng)絡可為有線網(wǎng)絡和無線網(wǎng)絡的任何組合。

存儲器120也連接至總線114。存儲器120包括包含音頻源信號的一個或多個音頻源文件122。如下文所述，存儲器120還儲存聲音增強模塊124，其包括被中央處理單元110執(zhí)行的指令，以實施本發(fā)明的操作。聲音增強模塊124還可處理經(jīng)由網(wǎng)絡接口電路116接收到的流式音頻信號。

圖2示出了聲音增強模塊124可接收音頻源文件122(例如，立體聲源文件)。聲音增強模塊124處理音頻源文件，以生成增強的音頻輸出126(例如，具有強中心場和側分量的增強的立體聲)。

圖3示出了聲音增強模塊124的實施例。在此情況下，輸入為左(L)和右(R)立體聲道。預處理階段300分析空間線索，且基于計算的空間比調(diào)整輸入。如下文所述，下一階段302執(zhí)行遞歸串擾消除。最后，如下文所述，后處理階段304執(zhí)行中心場處理，均衡和水平控制。

圖4示出了與預處理階段300相關聯(lián)的處理操作。在預處理階段中，分析輸入的聲音，且一組多尺度特征被加回來使信息處理階段適合在中央聽覺系統(tǒng)中，以便收聽者可清楚地感知和解碼再現(xiàn)的聲音中的信息。在一個實施例中，以總和信號402、差異信號404和頻譜信息406的形式分析400空間線索。如圖3中所示，總和和差異從左側輸入和右側輸入計算。兩個聲道的總和表示左聲道和右聲道中的相關分量或中間信號?？偤托盘?06顯示出出現(xiàn)在幻像中心處的信號，通常是電影中的對話或音樂中的聲音。兩個聲道308的差異是硬平移(hard-panned)的聲音，或側信號。差異信號確定僅處在或朝兩個揚聲器中的一個出現(xiàn)的信號。差異信號通常是具有出現(xiàn)在側部上的分量的特殊音效。分析頻譜以獲得頻譜信息。這樣做是因為中心和硬移位聲音不可充分地描述音頻文件或流。例如，人群聲音是很隨機的；其可位于中心和側部處，或僅在側部處。通過分析頻譜，人們可判斷由總和/差異步驟標記的某信號是否為主要分量(例如，對話、特殊音效)或更多的是環(huán)境聲音。在頻域中，環(huán)境聲音作為寬帶聲音出現(xiàn)，而音效或對話作為包絡譜出現(xiàn)。

下一個處理操作是從中心和環(huán)境信息408確定空間比。"空間比"(r)被估計為代表中心圖像與環(huán)境聲音之間的能量分布。立體聲輸入首先發(fā)送至混合器310，在該處，左聲道由以下計算

其中LT和HT為可接受的空間比的低閾值和高閾值。α和β兩者都是基于r的標量調(diào)節(jié)因子。更具體而言，α和β通過從r的固定線性變換計算，故所有項彼此相關。G為正增益因子，其確保結果聲道的振幅與其輸入相同。對于右聲道，計算是相同的。

空間比計算成代表由三個分析塊(總和/差異/頻譜信息)標記的中心和/或側分量的量。如通路314上所示，其用于下一個預處理步驟(混合塊312)，以及后處理階段中的混合。LT和HT為預設的感知參數(shù)，其可基于獨立內(nèi)容如音樂、影片或游戲優(yōu)化，以優(yōu)化其不同的性質。閾值基于內(nèi)容的類型調(diào)整。大體上，介于0.1到0.3之間的任何閾值都是合理的。系統(tǒng)基于標記的特征猜測內(nèi)容的類型。例如，電影具有強中心、重環(huán)境，以及動態(tài)聲效。相比之下，音樂幾乎沒有幾個環(huán)境標記以及不同聲源之間的頻譜-時間內(nèi)容中的重疊。

感知參數(shù)基于感官體驗，例如聲音?；诠_的感知的技術依靠人腦，以用作解碼器來拾取恢復的定位線索。感知閾值僅考慮由人腦/聽覺系統(tǒng)處理的信息。定位線索從立體聲數(shù)字音頻信號中恢復，以便人聽覺系統(tǒng)可有效地識別且解碼音頻信號。因此，感知上連續(xù)的音景可在不產(chǎn)生虛擬揚聲器的情況下重建。公開的技術在感知空間中重建聲音。即，公開的技術表達用于無意識的認知過程的信息來在人聽覺系統(tǒng)中解碼。

圖4的下一個處理操作是基于空間比410調(diào)整輸入信號，以獲得定位關鍵信息(即，大腦依靠其來定位聲音的信息)。環(huán)境聲音被調(diào)整以便其在時間上是相干的，且與主要對象(對話、音效)一致地起作用。環(huán)境聲音對于認知中心理解環(huán)境也很重要。輸入信號的不同部分然后基于空間比、其標記數(shù)目和內(nèi)容類型被調(diào)整。為了具有清楚的中心圖像，一個實施例將最小中心設置為-10.5dB的環(huán)境比。

混合塊312基于計算的空間比與選擇的感知閾值的比較來平衡中心圖像和環(huán)境聲音。閾值可通過指定中心聲音或側聲音上的重點來選擇。簡單的圖形用戶界面可用于允許使用者選擇中心聲音和側聲音之間的平衡。簡單圖形用戶界面也可用于允許使用者選擇音量水平。

通過這樣做，解決了與現(xiàn)有技術的遞歸串擾消除相關聯(lián)的平衡問題。這是有效的自動平衡過程。此外，這還確保了環(huán)繞分量可被收聽者清楚地聽到。

基于空間比和來自分析塊的信息，原始信號再混合。可能的處理包括升高幻像中心的能量，以便幻像中心錨定在中心處。備選的或另外，側部處的特殊音效可被強調(diào)，以便它們在遞歸串擾消除期間被有效地擴張。備選的或另外，環(huán)境聲音或背景聲音傳播到聲場各處，而不影響中心圖像。環(huán)境聲音的量也可跨時間調(diào)整，以保持連續(xù)的沉浸式環(huán)境。

回到圖3，在預處理300之后，執(zhí)行遞歸串擾消除302。串擾在聲音到達與各個揚聲器的相對側上的耳朵時發(fā)生。由于原始信號與串擾信號之間的建設性和破壞性干擾，造成不期望的光譜染色。此外，產(chǎn)生了沖突的空間線索，其引起空間失真。結果，定位失敗，且立體聲圖像崩潰至揚聲器的位置。解決該問題的方案在于串擾消除處理，這牽涉將串擾消除矢量加至相對的揚聲器來在聽覺上消除收聽者的耳膜處的串擾信號。常規(guī)途徑在于使用HRTF用于串擾消除。在這里使用的簡化途徑僅將消除信號加回至相對的揚聲器。具體而言，反相314、衰減316和延遲318階段用于形成高階遞歸串擾消除器。左聲道和右聲道可由以下計算：

Left(n)＝Left(n)-A_L*Right(n-D_L)

Right(n)＝Right(n)-A_R*Left(n-D_R)

其中代表衰減的A為正標量因子，D為延遲因子，且n為時域中的給定樣本的索引(index)。在一個實施例中，參數(shù)可被優(yōu)化來匹配硬件的物理配置。例如，對于具有非對稱揚聲器或不平衡的聲音強度的消費者電子裝置，在兩個聲道之間的因子可以不同。衰減和延遲時間可配置成適合任何類型的消費者電子裝置揚聲器配置。

在遞歸串擾消除302之后，執(zhí)行后處理304。圖5示出了保持中心錨定122、均衡124和水平控制126的形式的后處理操作。對于保持中心錨定122，輸出又被調(diào)整來保持對于收聽者足夠強的中心場，因為其為使中心內(nèi)容可理解的重要特征。人習慣于強中心圖像。例如，如果兩個揚聲器在相同水平下播放相同信號，則幻像中心將由收聽者在中心線上感知為升高3dB。因此，如果兩個揚聲器之間沒有更大的干擾，則將不會有更多的聲音求和發(fā)生，也不會有中心的3dB的升高。另一方面，在遞歸串擾消除之后，立體聲流的深度和房間環(huán)境可能被淹沒，因此必須恢復。有了此特征，音頻內(nèi)容可能地出現(xiàn)在更遠的距離。人工混響或甚至從中心的小平移的使用使得中心圖像漂移至側部。出于這些原因，混合塊320確定是否有需要把中心信號加回來。左聲道可由以下計算，

其中r為之前計算過的空間比，且T為感知閾值。閾值的值基于內(nèi)容類型。例如，電影需要用于對話的強中心圖像，但游戲不需要。在一個實施例中，閾值從0.05變至0.95。當Mid信號在播放的音頻(例如，主要對話)中起到重要作用時，r大于T。注意，r和T的比較也考慮在預處理狀態(tài)408中計算得到的原始空間比。a為相對于r的正標量因子。C為另一個增益因子，以確保輸出處理信號與原始輸入信號為相同的響度。相同的過程也應用于右聲道。再次，該過程使得中心圖像相較于現(xiàn)有技術更穩(wěn)定，同時保持了側分量處的加寬的效果。輸出信號的場寬度可人工地調(diào)整。前述討論的中心和側圖形用戶界面可用于建立此體驗。例如，100％寬度(對100％側聲音偏好)代表整個效果/寬度，使得聲音可從耳朵后方或正好在耳朵處出現(xiàn)。

繼混合塊320之后，關于收聽者頭部和電子裝置的大小，均衡322被用于消除通過使用非理想延遲和衰減因子產(chǎn)生的高頻帶中的可聽見的染色。最后，增益控制塊324確保了每個信號在適合的幅度范圍內(nèi)，且具有與原始輸入信號相同的響度。用戶指定的音量偏好也可應用于此處。

其它后處理步驟可包括壓縮和峰值限制。它們用于保留揚聲器的動態(tài)范圍，且保持聲音質量，而不產(chǎn)生不期望的染色。

本領域的技術人員將認識到，本發(fā)明的技術提供了用于源文件、流內(nèi)容等等的低成本實時計算過程。技術還可嵌入數(shù)字音頻信號中(即，以便不需要解碼器)。本發(fā)明的技術可應用于條形音箱、立體聲揚聲器和汽車音頻系統(tǒng)。

本發(fā)明的實施例涉及具有非瞬態(tài)計算機可讀儲存介質的計算機存儲產(chǎn)品，介質上具有計算機代碼，用于執(zhí)行各種計算機實施的操作。媒體和計算機代碼可為特別設計和構造成用于本發(fā)明的目的的那些，或它們可為計算機軟件領域的技術人員公知和可用的類型。計算機可讀媒體的示例包括但不限于磁媒體、光媒體、磁光媒體和特別配置成儲存和執(zhí)行程序代碼的硬件裝置，如，專用集成電路("ASIC")、可編程邏輯裝置("PLD")和ROM和RAM裝置。計算機代碼的示例包括如由編譯器產(chǎn)生的機器代碼，以及含有由計算機使用轉譯器執(zhí)行的高水平代碼的文件。例如，本發(fā)明的實施例可使用C++或其它編程語言和開發(fā)工具實施。本發(fā)明的另一個實施例可在硬連線電路中實施，以替代或結合機器可執(zhí)行的軟件指令。

以上描述為了闡釋的目的使用了特定術語來提供本發(fā)明的徹底理解。然而，本領域的技術人員將清楚的是，為了實施本發(fā)明，不需要特定細節(jié)。因此，提供前文對本發(fā)明具體實施例的說明是為了例證和說明。它們不旨在詳盡或將本發(fā)明限于公開的精確形式；明顯地，鑒于以上教導內(nèi)容，許多改良和變型是可能的。選擇和描述實施例以便最佳地闡釋本發(fā)明及其實際應用的原理，它們因此允許本領域的其它技術人員最佳地使用本發(fā)明和各種實施例，其中各種改良適于構想的特定使用。期望的是，以下權利要求和其等同物限定本發(fā)明的范圍。