BR112013013678B1 - Aparelho e método para codificação de áudio espacial com base em geometria - Google Patents

Abstract

APARELHO E MÉTODO PARA CODIFICAÇÃO DE ÁUDIO ESPECIAL COM BASE EM GEOMETRIA. Um aparelho para gerar, pelo menos, um sinal de saída de áudio com base em um fluxo de dados de áudio, compreendendo dados de áudio relativos a uma ou mais fontes sonoras é fornecido. O aparelho compreende um receptor para receber o fluxo de dados de áudio, compreende os dados de áudio. Os dados de áudio, compreendem um ou mais dos valores de pressão para cada uma das fontes sonoras. Além disso, os dados de áudio compreendem um ou mais dos valores de posição indicando a posição de uma das fontes sonoras para cada uma das fontes sonoras. Ademais, o aparelho compreende um módulo de síntese para gerar, pelo menos, um sinal de saída de áudio com base em, pelo menos, um de um ou mais dos valores de pressão dos dados de áudio do fluxo de dados e áudio e com base em, pelo menos, um de um ou mais dos valores de posição dos dados de áudio do fluxo de dados de áudio.

Description

Descrição

A presente invenção refere-se ao processamento de áudio e, em particular, a um aparelho e método para codificação de áudio espacial com base em geometria.

O processamento de áudio e, em particular, a codificação de áudio espacial, torna-se cada vez mais importante. A gravação de som espacial tradicional objetiva capturar um campo sonoro de tal modo que, no lado da reprodução, um ouvinte perceba a imagem do som como se estivesse no local da gravação. Diferentes abordagens para técnicas de gravação e reprodução de som espacial são conhecidas a partir do estado da técnica, as quais podem se basear em representações paramétricas, de canal ou de objeto.

Representações com base em canal representam a cena sonora por meio de N sinais de áudio discreto destinados a serem reproduzidos por N alto-transmissores dispostos em uma configuração conhecida, por exemplo, uma configuração de som surround 5.1. A abordagem para gravação de som espacial geralmente emprega microfones omnidirecionais e espaçados, por exemplo, em estereofonia AB, ou microfones direcionais coincidentes, por exemplo, em estereofonia de intensidade. Alternativamente, microfones mais sofisticados, tal como um microfone de formato B, poderão ser empregados, por exemplo, em Ambisonics, vide: Michael A. Gerzon. Ambisonics in multichannel broadcasting and video. J. Audio Eng. Soc, 33(11):859-871, 1985. Os sinais de alto-transmissores desejados para a configuração conhecida derivam diretamente dos sinais de microfone gravados e são, em seguida, transmitidos ou armazenados discretamente. Uma representação mais eficiente é obtida através da aplicação de codificação de áudio para os sinais discretos, o que, em alguns casos, codifica as informações de diferentes canais em conjunto para aumentar a eficiência, por exemplo, em MPEG Surround para 5.1, vide: J. Herre, K. Kjõrling, J. Breebaart, C. Faller, S. Disch, H. Purnhagen, J. Koppens, J. Hilpert, J. Rõdén, W. Oomen, K. Linzmeier, K.S. Chong: "MPEG Surround - The ISO/MPEG Standard for Efficient and Compatible Multichannel Audio Coding", 122nd AES Convention, Vienna, Austria, 2007, Preprint 7084.

Uma grande desvantagem destas técnicas é que a cena sonora, uma vez que os sinais de alto-falante tenham sido calculados, não poderá ser modificada.

Representações com base em objeto são, por exemplo, utilizadas em Codificação de Objeto de Áudio Espacial (SAOC I Spatial Audio Object Coding) , vide Jeroen Breebaart, Jonas Engdegârd, Cornelia Falch, Oliver Hellmuth, Johannes Hilpert, Andreas Hoelzer, Jeroens Koppens, Werner Oomen, Barbara Resch, Erik Schuijers, and Leonid Terentiev. Spatial audio object coding (saoc) - the upcoming mpeg standard on parametric object based audio coding. In Audio Engineering Society Convention 124, 5 2008.

Representações com base em objeto representam a cena sonora com objetos de áudio discretos N. Esta representação dá alta flexibilidade no lado da reprodução, uma vez que a cena sonora pode ser manipulada mudando, por exemplo, a posição e a sonoridade de cada objeto. Embora esta representação possa ser prontamente disponibilizada a partir de, por exemplo, uma gravação multipista, é muito difícil de ser obtida a partir de uma cena sonora complexa gravada com alguns microfones (vide, por exemplo, [21]). Na verdade, os transmissores (ou outros objetos emissores de som) têm de ser primeiro localizados e, depois, extraídos da mistura, o que pode causar perturbação.

Representações paramétricas muitas vezes empregam microfones espaciais para determinar um ou mais sinais de downmix de áudio juntamente com a informação lateral espacial descrevendo o som espacial. Um exemplo é a Codificação de Áudio Direcional (DirAC I Directional Audio Coding}, conforme discutido em Ville Pulkki. Spatial sound reproduction with directional audio coding. J. Audio Eng. Soc, 55(6):503-516, June 2007 . O termo "microfone espacial" refere-se a qualquer aparelho para a aquisição de som espacial capaz de recuperar a direção de chegada do som (por exemplo, combinação de microfones direcionais, conjuntos de microfone, etc.). O termo "microfone não espacial" refere-se a qualquer aparelho que não é adaptado para recuperar a direção de chegada do som, tal como um microfone diretivo ou omnidirecional único. Outro exemplo é proposto em: C. Faller. Microphone front-ends for spatial audio coders. In Proc, of the AES 125th International Convention, San Francisco, Oct. 2008.

Em DirAC, a informação lateral espacial compreende uma direção de chegada (DOA | direction of arrival) de som e a difusão do campo sonoro calculada em um domínio de tempo/frequência. Para a reprodução sonora, os sinais de reprodução de áudio podem ser derivados com base na descrição paramétrica. Estas técnicas oferecem grande flexibilidade no lado da reprodução, pois uma configuração arbitrária do alto-falante pode ser empregada, porque a representação é particularmente flexível e compacta, uma vez que compreende um sinal de áudio mono de downmix e da informação lateral e porque permite fáceis modificações na cena sonora, por exemplo, avanço acústico, filtração direcional, associação de cena, etc.

Entretanto, estas técnicas são ainda limitadas pelo fato de que a imagem espacial gravada é sempre relativa ao microfone espacial utilizado. Desta forma, o ponto de vista acústico não pode ser variado e a posição de escuta dentro da cena sonora não pode ser mudada.

Uma abordagem do microfone virtual é apresentada em Giovanni Del Galdo, Oliver Thiergart, Tobias Weller, and E. A. P. Habets. Generating virtual microphone signals using geometrical information gathered by distributed arrays. In Third Joint Workshop on Hands-free Speech Communication and Microphone Arrays (HSCMA 'll), Edinburgh, United Kingdom, May 2011, Que permite calcular os sinais de saída de um microfone espacial arbitrário virtualmente colocado à vontade (ou seja, posição e orientação arbitrárias) no ambiente. A flexibilidade que caracteriza a abordagem do microfone virtual (VM I virtual microphone) permite que a cena sonora seja virtualmente capturada à vontade em uma etapa de pós-processamento, mas nenhuma representação do campo sonoro se torna disponível, o que pode ser utilizada para transmitir e/ou armazenar e/ou modificar a cena sonora eficientemente. Além disso, apenas uma fonte por posição de tempo/frequência é assumida como ativa, e assim, não pode descrever corretamente a cena sonora se duas ou mais fontes são ativas na mesma posição de tempo-frequência. Além disso, se o microfone virtual (VM) for aplicado no lado do receptor, todos os sinais do microfone precisam ser enviados sobre o canal, que torna a representação ineficiente, enquanto que se o VM for aplicado no lado do transmissor, a cena sonora não pode ser mais manipulada e o modelo perde flexibilidade e se torna limitado a uma determinada configuração do alto-falante. Além disso, não considera uma manipulação da cena sonora com base nas informações paramétricas.

Emmanuel Gallo and Nicolas Tsingos. Extracting and re-rendering structured auditory scenes from field recordings. In AES 30th International Conference on Intelligent Audio Environments, 2007, a estimativa da posição da fonte do som tem como base a diferença de chegada do tempo em pares medida por meios de microfones distribuídos.

Além disso, o receptor é dependente da gravação e exige todos os sinais do microfone para a síntese (por exemplo, a geração dos sinais do alto-falante).

O método apresentado em Svein Berge, Device and method for converting spatial audio signal. US patent application, Appl. No. 10/547,151, utiliza, semelhantemente à DirAC, direção de chegada como um parâmetro, assim limitando a representação a um ponto de vista especifico da cena sonora. Além disso, não propõe a possibilidade de transmitir/armazenar a representação da cena sonora, visto que a análise e sintese precisam ambas se aplicadas no mesmo lado do sistema de comunicação.

O objetivo da presente invenção é fornecer conceitos melhorados para a aquisição de som espacial e descrição através da extração de informação geométrica. O objetivo da presente invenção é solucionado por um aparelho para gerar pelo menos um sinal de saida de áudio com base em um fluxo de dados de áudio, de acordo com a reivindicação 1, por um aparelho para gerar um fluxo de dados de áudio, de acordo com a reivindicação 10, por um sistema, de acordo com a reivindicação 19, por um fluxo de dados de áudio, de acordo com a reivindicação 20, por um método para gerar pelo menos um sinal de saida de áudio, de acordo com a reivindicação 23, por um método para gerar um fluxo de dados de áudio, de acordo com a reivindicação 24 e por um programa de computador, de acordo com a reivindicação 25.

Um aparelho para gerar, pelo menos, um sinal de saida de áudio com base em um fluxo de dados de áudio compreendendo dados de áudio referentes a uma ou mais fontes de som é fornecido. O aparelho compreende um receptor para receber o fluxo de dados de áudio compreendendo os dados de áudio. Os dados de áudio compreendem um ou mais valores de pressão para cada uma das fontes de som. Além disso, os dados de áudio compreendem um ou mais valores de posição indicando uma posição de uma das fontes de som para cada uma das fontes de som. Além disso, o aparelho compreende um módulo de sintese para gerar pelo menos um sinal de saída de áudio com base pelo menos em um de um ou mais valores de pressão dos dados de áudio do fluxo de dados de áudio e com base pelo menos em um de um ou mais valores de posição dos dados de áudio do fluxo de dados de áudio. Em uma aplicação, cada um de um ou mais valores de posição pode compreender, pelo menos, dois valores de coordenada.

Os dados de áudio podem ser definidos para uma posição de tempo-frequência de uma pluralidade de posições de tempo/frequência. De modo alternativo, os dados de áudio podem ser definidos para um instante de tempo de uma pluralidade de instantes de tempo. Em algumas aplicações, um ou mais valores de pressão dos dados de áudio pode ser definido para um instante de tempo de uma pluralidade de instantes de tempo, enquanto os parâmetros correspondentes (por exemplo, os valores de posição) podem ser definidos em um domínio de tempo/frequência. Isso pode prontamente ser obtido transformando de volta ao domínio de tempo os valores de pressão definidos de outra forma em tempo/f requência. Para cada uma das fontes de som, pelo menos um valor de pressão é compreendido nos dados de áudio, em que pelo menos um valor de pressão pode ser um valor de pressão referente a uma onda de som emitida, por exemplo, originando da fonte de som. O valor de pressão pode ser um valor de um sinal de áudio, por exemplo, um valor de pressão de um sinal de saída de áudio gerado por um aparelho para gerar um sinal de saída de áudio de um microfone virtual, em que o microfone virtual é colocado na posição da fonte de som.

A aplicação descrita acima permite calcular uma representação do campo sonoro que é verdadeiramente independente da posição de gravação e fornece transmissão eficiente e armazenamento de uma cena sonora complexa, bem como fáceis modificações e uma flexibilidade elevada no sistema de reprodução.

Inter alia, vantagens importantes desta técnica são que no lado da reprodução o ouvinte pode escolher livremente sua posição dentro da cena sonora gravada, utilizar qualquer configuração de alto-falante e adicionalmente manipular a cena sonora com base na informação geométrica, por exemplo, filtração com base na posição. Em outras palavras, com a técnica proposta o ponto de vista acústico pode ser variado e a posição de escuta dentro da cena sonora pode ser alterada.

De acordo com a aplicação descrita acima, os dados de áudio compreendidos no fluxo de dados de áudio compreendem um ou mais valores de pressão para cada uma das fontes de som. Assim, os valores de pressão indicam um sinal de áudio com relação a uma das fontes de som, por exemplo, um sinal de áudio originando da fonte de som, e não relativo à posição dos microfones de gravação. Semelhantemente, um ou mais valores de posição que são compreendidos no fluxo de dados de áudio indicam posições das fontes de som e não dos microfones.

Neste documento, uma pluralidade de vantagens é realizada: Por exemplo, uma representação de uma cena de áudio é obtida e pode ser codificada usando poucos bits. Se a cena sonora compreende apenas uma única fonte de som em uma posição de frequência de tempo particular, apenas os valores de pressão de um único sinal de áudio referente a apenas a fonte de som têm que ser codificados junto com o valor da posição indicando a posição da fonte de som. Em contraste, métodos tradicionais podem ter que codificar uma pluralidade de valores de pressão da pluralidade de sinais do microfone gravados para reconstruir uma cena de áudio em um receptor. Além disso, uma aplicação descrita acima permite a fácil modificação de uma cena sonora em um transmissor, bem como em um lado do receptor, como será descrito abaixo. Assim, a composição da cena (por exemplo, decidir a posição de escuta dentro da cena sonora) também pode ser realizada no lado do receptor.

Aplicações empregam o conceito para modelar uma cena sonora complexa por meios de fontes de som, por exemplo, fontes de som do tipo ponto (PLS | point-like sound source) , por exemplo, fontes de som isotrópicas do tipo ponto (IPLS | isotropic point-like sound sources), que são ativadas nas aberturas especificas em uma representação de tempo/frequência, como a fornecida pela Transformada de Fourier de Curta Duração (STFT | Short-Time Fourier Transform).

De acordo com uma aplicação, o receptor pode ser adaptado para receber o fluxo de dados de áudio compreendendo os dados de áudio, em que os dados de áudio ainda compreendem um ou mais valores de difusão para cada uma das fontes de som. O módulo de sintese pode ser adaptado para gerar pelo menos um sinal de saida de áudio com base pelo menos em um de um ou mais valores de difusão.

Em outra aplicação, o receptor pode, ainda, compreender um módulo de modificação para modificar os dados de áudio do fluxo de dados de áudio recebido pela modificação de pelo menos um de um ou mais valores de pressão dos dados de áudio, modificando pelo menos um de um ou mais valores de posição dos dados de áudio ou modificando pelo menos um dos valores de difusão dos dados de áudio. O módulo de síntese pode ser adaptado para gerar pelo menos um sinal de saída de áudio com base pelo menos em um valor de pressão que foi modificado, com base pelo menos em um valor da posição que foi modificado ou com base pelo menos em um valor da difusão que foi modificado.

Em uma aplicação adicional, cada um dos valores de posição de cada uma das fontes de som por compreender, pelo menos, dois valores de coordenada. Além disso, o módulo de modificação pode ser adaptado para modificar os valores de coordenada adicionando pelo menos um número aleatório aos valores de coordenada, quando os valores de coordenada indicam que uma fonte de som está localizada em uma posição dentro de uma área predefinida de um ambiente.

De acordo com outra aplicação, cada um dos valores de posição de cada uma das fontes de som pode compreender, pelo menos, dois valores de coordenada. Além disso, o módulo de modificação é adaptado para modificar os valores de coordenada aplicando uma função determinística nos valores de coordenada, quando os valores de coordenada indicam que uma fonte de som está localizada em uma posição dentro de uma área predefinida de um ambiente.

Em uma aplicação adicional, cada um dos valores de posição de cada uma das fontes de som pode compreender, pelo menos, dois valores de coordenada. Além disso, o módulo de modificação pode ser adaptado para modificar um valor de pressão selecionado de um ou mais valores de pressão dos dados de áudio, referentes à mesma fonte de som que os valores de coordenada, quando os valores de coordenada indicam que uma fonte de som está localizada em uma posição dentro de uma área predefinida de um ambiente.

De acordo com uma aplicação, o módulo de sintese pode compreender uma primeira unidade de sintese de estágio e uma segunda unidade de sintese de estágio. A primeira unidade de sintese de estágio pode ser adaptada para gerar um sinal de pressão direta compreendendo som direto, um sinal difuso de pressão compreendendo som difuso e informação de direção de chegada com base pelo menos em um de um ou mais valores de pressão dos dados de áudio do fluxo de dados de áudio, com base pelo menos em um de um ou mais valores de posição dos dados de áudio do fluxo de dados de áudio e com base pelo menos em um de um ou mais valores de difusão dos dados de áudio do fluxo de dados de áudio. A segunda unidade de sintese de estágio pode ser adaptada para gerar pelo menos um sinal de saida de áudio com base no sinal de pressão direta, no sinal difuso de pressão e na informação de direção de chegada.

De acordo com uma aplicação, um aparelho para gerar um fluxo de dados de áudio compreendendo dados da fonte de som referentes a uma ou mais fontes de som é fornecido. O aparelho para gerar um fluxo de dados de áudio compreende um determinador para determinar os dados da fonte de som com base pelo menos em um sinal de entrada de áudio gravado pelo menos por um microfone e com base na informação lateral de áudio fornecida pelo menos por dois microfones espaciais. Além disso, o aparelho compreende um gerador de fluxo de dados para gerar o fluxo de dados de áudio de modo que o fluxo de dados de áudio compreenda os dados da fonte de som. Os dados da fonte de som compreendem um ou mais valores de pressão para cada uma das fontes de som. Além disso, os dados da fonte de som ainda compreendem um ou mais valores de posição indicando uma posição da fonte de som para cada uma das fontes de som. Além disso, os dados da fonte de som são definidos para uma posição de tempo/frequência de uma pluralidade de posições de tempo/frequência.

Em uma aplicação adicional, o determinador pode ser adaptado para determinar os dados da fonte de som com base nas informações de difusão pelo menos por um microfone espacial. O gerador de fluxo de dados pode ser adaptado para gerar o fluxo de dados de áudio de modo que o fluxo de dados de áudio compreende os dados da fonte de som. Os dados da fonte de som ainda compreendem um ou mais valores de difusão para cada uma das fontes de som.

Em outra aplicação, o aparelho para gerar um fluxo de dados de áudio pode, ainda, compreender um módulo de modificação para modificar o fluxo de dados de áudio gerado pelo gerador de fluxo de dados modificando pelo menos um dos valores de pressão dos dados de áudio, pelo menos um dos valores de posição dos dados de áudio ou pelo menos um dos valores de difusão dos dados de áudio referentes, pelo menos, a uma das fontes de som.

De acordo com outra aplicação, cada um dos valores de posição de cada uma das fontes de som pode compreender, pelo menos, dois valores de coordenada (por exemplo, duas coordenadas de um Sistema de coordenada cartesiana, ou azimute e distância, em um sistema de coordenada polar). O módulo de modificação pode ser adaptado para modificar os valores de coordenada adicionando pelo menos um número aleatório aos valores de coordenada ou aplicando uma função deterministica nos valores de coordenada, quando os valores de coordenada indicam que uma fonte de som está localizada em uma posição dentro de uma área predefinida de um ambiente.

De acordo com outra aplicação, um fluxo de dados de áudio é fornecido. O fluxo de dados de áudio pode compreender dados de áudio referentes a uma ou mais fontes de som, em que os dados de áudio compreendem um ou mais valores de pressão para cada uma das fontes de som. Os dados de áudio podem ainda compreender, pelo menos, um valor da posição indicando uma posição da fonte de som para cada uma das fontes de som.

Em uma aplicação, cada um de pelo menos um dos valores de posição pode compreender, pelo menos, dois valores de coordenada. Os dados de áudio podem ser definidos para uma posição de tempo/frequência de uma pluralidade de posições de tempo/frequência.

Em outra aplicação, os dados de áudio compreendem, ainda, um ou mais valores de difusão para cada uma das fontes de som.

Aplicações preferidas da presente invenção serão descritas a seguir, em que:

A Figura 1 ilustra um aparelho para gerar, pelo menos, um sinal de saida de áudio com base em um fluxo de dados de áudio compreendendo dados de áudio referentes a uma ou mais fontes de som de acordo com uma aplicação, A Figura 2 ilustra um aparelho para gerar um fluxo de dados de áudio compreendendo dados da fonte de som referentes a uma ou mais fontes de som de acordo com uma aplicação. As Figuras 3a-3c ilustram os fluxos de dados de áudio de acordo com diferentes aplicações, A Figura 4 ilustra um aparelho para gerar um fluxo de dados de áudio compreendendo dados da fonte de som referentes a uma ou mais fontes de som de acordo com outra aplicação, A Figura 5 ilustra uma cena sonora composta por duas fontes de som e dois conjuntos uniformes de microfone linear, A Figura 6a ilustra um aparelho 600 para gerar, pelo menos, um sinal de saida de áudio com base em um fluxo de dados de áudio de acordo com uma aplicação, A Figura 6b ilustra um aparelho 660 para gerar um fluxo de dados de áudio compreendendo dados da fonte de som referentes a uma ou mais fontes de som de acordo com uma aplicação, A Figura 7 descreve um módulo de modificação de acordo com uma aplicação, A Figura 8 descreve um módulo de modificação de acordo com outra aplicação, A Figura 9 ilustra unidades do transmissor/análise e unidades do receptor/sintese de acordo com uma aplicação, A Figura 10a descreve um módulo de sintese de acordo com uma aplicação, A Figura 10b descreve uma primeira unidade de armazenamento de sintese de acordo com uma aplicação, A Figura 10c descreve uma segunda unidade de armazenamento de sintese de acordo com uma aplicação, A Figura 11 descreve um módulo de sintese de acordo com outra aplicação, A Figura 12 ilustra um aparelho para gerar um sinal de saida de áudio de um microfone virtual de acordo com uma aplicação, A Figura 13 ilustra as entradas e saidas de um aparelho e um método para gerar um sinal de saida de áudio de um microfone virtual de acordo com uma aplicação, A Figura 14 ilustra a estrutura básica de um aparelho para gerar um sinal de saida de áudio de um microfone virtual de acordo com uma aplicação que compreende um avaliador da posição dos eventos sonoros e um módulo de cálculo computacional de informação, A Figura 15 mostra um cenário exemplar no qual os microfones espaciais reais são descritos como Conjuntos Lineares Uniformes de 3 microfones cada, A Figura 16 descreve dois microfones espaciais em 3D para estimar a direção de chegada ao espaço 3D, A Figura 17 ilustra uma geometria onde uma fonte de som do tipo ponto isotrópico da posição de tempo-frequência atual (k, n) está localizado em uma posição PiPLs(k, n) , A Figura 18 descreve o módulo de cálculo computacional de informação de acordo com uma aplicação, A Figura 19 descreve o módulo de cálculo computacional de informação de acordo com outra aplicação, A Figura 20 mostra dois microfones espaciais reais, um evento sonoro localizado e uma posição de um microfone espacial virtual

A Figura 21 ilustra como obter a direção de chegada relativa a um microfone virtual de acordo com uma aplicação,

A Figura 22 descreve uma possivel forma de derivar a DOA do som do ponto de vista do microfone virtual de acordo com uma aplicação,

A Figura 23 ilustra um bloco de cálculo computacional de informação compreendendo uma unidade de cálculo computacional de difusão de acordo com uma aplicação,

A Figura 24 descreve uma unidade de cálculo computacional de difusão de acordo com uma aplicação,

A Figura 25 ilustra um cenário onde a estimativa da posição de eventos sonoros não é possível,

A Figura 26 ilustra um aparelho para gerar um fluxo de dados do microfone virtual de acordo com uma aplicação,

A Figura 27 ilustra um aparelho para gerar, pelo menos, um sinal de saida de áudio com base em um fluxo de dados de áudio de acordo com outra aplicação, e

As Figuras 28a-28c ilustram cenários onde dois conjuntos de microfone recebem som direto, som refletido por uma parede ou som difuso.

Antes de fornecer uma descrição detalhada das aplicações da presente invenção, um aparelho para gerar um sinal de saída de áudio de um microfone virtual é descrito para fornecer informação de base referente aos conceitos da presente invenção.

A figura 12 ilustra um aparelho para gerar um sinal de saída de áudio para simular uma gravação de um microfone em uma posição virtual configurável posVmic em um ambiente. O aparelho compreende um avaliador de posição dos eventos sonoros 110 e um módulo de cálculo computacional de informação 120. O avaliador de posição dos eventos sonoros 110 recebe uma primeira informação de direção dil de um primeiro microfone espacial real e uma segunda informação de direção di2 de um segundo microfone espacial real. O avaliador de posição dos eventos sonoros 110 é adaptado para estimar uma posição da fonte de som ssp indicando uma posição de uma fonte de som no ambiente, a fonte de som emitindo uma onda sonora, em que o avaliador de posição dos eventos sonoros 110 é adaptado para estimar a posição da fonte de som SSP com base em uma primeira informação de direção dil fornecida por um primeiro microfone espacial real estando localizado em uma primeira posição do microfone real poslmic no ambiente, e com base em uma segunda informação de direção di2 fornecida por um segundo microfone espacial real estando localizado em uma segunda posição do microfone real no ambiente. O módulo de cálculo computacional de informação 120 é adaptado para gerar o sinal de saida de áudio com base em um primeiro sinal de entrada de áudio gravado isl sendo gravado pelo primeiro microfone espacial real, com base na primeira posição do microfone real poslmic e com base na posição virtual posVmic do microfone virtual. O módulo de cálculo computacional de informação 120 compreende um compensador de propagação sendo adaptado para gerar um primeiro sinal de áudio modificado modificando o primeiro sinal de entrada de áudio gravado isl compensando um primeiro atraso ou atraso de amplitude entre uma chegada da onda sonora emitida pela fonte de som no primeiro microfone espacial real e uma chegada da onda sonora no microfone virtual ajustando um valor de amplitude, um valor de magnitude ou um valor de fase do primeiro sinal de entrada de áudio gravado isl, para obter o sinal de saida de áudio.

A figura 13 ilustra as entradas e saidas de um aparelho e um método de acordo com uma aplicação. Informação de dois ou mais microfones espaciais reais 111, 112, 11N é inserida ao aparelho/é processada pelo método. Esta informação compreende sinais de áudio coletados pelos microfones espaciais reais bem como informação de direção dos microfones espaciais reais, por exemplo, estimativas da direção de chegada (DOA). Os sinais de áudio e a informação de direção, como as estimativas da direção de chegada podem ser expressas em um domínio de tempo/frequência. Se, por exemplo, uma reconstrução da geometria 2D for desejada e um domínio tradicional de STFT (Transformada de Fourier de Curta Duração) for escolhido para a representação do sinais, a DOA pode ser expressa como ângulos azimutais dependentes de k e n, a saber os índices de frequência e tempo.

Nas aplicações, a localização do evento sonoro no espaço, bem como a descrição da posição do microfone virtual pode ser conduzida com base nas posições e orientações dos microfones espaciais reais e virtuais em um sistema de coordenada comum. Esta informação pode ser representada pelas entradas 121 . . . 12N e entrada 104 na Figura 13. A entrada 104 pode adicionalmente especificar a característica do microfone espacial virtual, por exemplo, seu padrão de posição e coleta, como será discutido a seguir. Se o microfone espacial virtual compreende vários sensores virtuais, suas posições e os diferentes padrões de coleta correspondentes podem ser considerados.

A saida do aparelho ou um método correspondente pode ser, quando desejado, um ou mais sinais de som 105, que podem ter sido coletados por um microfone espacial definido e colocado como especificado por 104. Além disso, o aparelho (ou ainda o método) pode fornecer como informação lateral espacial correspondente de saida 106 que pode ser estimada empregando o microfone espacial virtual.

A Figura 14 ilustra um aparelho de acordo com uma aplicação, que compreende duas unidades de processamento principais, um avaliador de posição dos eventos sonoros 201 e um módulo de cálculo computacional de informação 202. O avaliador de posição dos eventos sonoros 201 pode realizar a reconstrução geométrica com base nas DOAs compreendidas nas entradas 111 . . . UN e com base no conhecimento da posição e orientação dos microfones espaciais reais, onde as DOAs foram calculadas. A saida do avaliador de posição dos eventos sonoros 205 compreende as estimativas de posição (tanto em 2D quanto em 3D) das fontes de som onde os eventos sonoros ocorrem para cada posição de tempo e frequência. O segundo bloco de processamento 202 é um módulo de cálculo computacional de informação. De acordo com a aplicação da Figura 14, o segundo bloco de processamento 202 calcula um sinal do microfone virtual e informações laterais espaciais. É então também referido como sinal do microfone virtual e bloco de cálculo computacional de informações laterais 202. O sinal do microfone virtual e o bloco de cálculo computacional de informações laterais 202 usam as posições dos eventos sonoros 205 para processar os sinais de áudio compreendidos em 111.„11N para emitir o sinal do microfone virtual de áudio 105. O bloco 202, se necessário, também pode calcular as informações laterais espaciais 106 correspondentes ao microfone espacial virtual. As aplicações abaixo ilustram possibilidades, como blocos 201 e 202 podem operar.

A seguir, a estimativa da posição de um avaliador de posição dos eventos sonoros de acordo com uma aplicação é descrito em mais detalhes.

Dependendo da dimensão do problema (2D ou 3D) e o número de microfones espaciais, várias soluções para a estimativa da posição são possiveis. Se dois microfones espaciais em 2D existem, (o caso mais simples possivel) uma triangulação simples é possivel. A Figura 15 mostra um cenário exemplar no qual os microfones espaciais reais são descritos como

Conjuntos Lineares Uniformes (ULAs | Uniform Linear Arrays) com 3 microfones cada. A DOA, expressa como os ângulos azimutais al(k, n) e a2(k, n) , são calculados para a posição de tempo/frequência (k, n) . Isso é obtido empregando um avaliador correto de DOA, como ESPRIT, R. Roy, A. Paulraj, and T. Kailath, "Direction- of-arrival estimation by subspace rotation methods - ESPRIT," in IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP), Stanford, CA, USA, April 1986, ou (raiz) MUSIC, vide R. Schmidt, "Multiple emitter location and signal parameter estimation," IEEE Transactions on Antennas and Propagation, vol. 34, no. 3, pp. 276280, 1986, aos sinais de pressão transformados no dominio de tempo/frequência.

Na Figura 15, dois microfones espaciais reais, aqui, dois conjuntos de microfone espacial real 410, 420 são ilustrados. As duas DOAs estimadas al(k, n) e a2(k, n) são representadas por duas linhas, uma primeira linha 430 representando a DOA al(k, n) e uma segunda linha 440 representando DOA a2(k, n) . A triangulação é possivel através das simples considerações geométricas conhecendo a posição e orientação de cada conjunto.

A triangulação falha quando as duas linhas 430, 440 são exatamente paralelas. Nas aplicações reais, entretanto, isso é muito improvável. Entretanto, nem todos os resultados de triangulação correspondem a uma posição fisica ou praticável para o evento sonoro no espaço considerado. Por exemplo, a posição estimada do evento sonoro pode ser muito longe ou ainda fora do espaço assumido, indicando que provavelmente as DOAs não correspondem a qualquer evento sonoro que pode ser fisicamente interpretado com o modelo utilizado. Tais resultados podem ser causados pelo ruido do sensor ou reverberação ambiente muito forte. Desta forma, de acordo com uma aplicação, tais resultados indesejados são indicados de modo que o módulo de cálculo computacional de informação 202 possa tratá-los corretamente.

A Figura 16 descreve um cenário, onde a posição de um evento sonoro é estimada no espaço 3D. Microfones espaciais corretos são empregados, por exemplo, um conjunto de microfone plano ou em 3D. Na Figura 16, um primeiro microfone espacial 510, por exemplo, um primeiro conjunto de microfone em 3D, e um segundo microfone espacial 520, por exemplo, um primeiro conjunto de microfone em 3D, é ilustrado. A DOA no espaço 3D pode, por exemplo, ser expressa como azimute e elevação. Os vetores da unidade 530, 540 podem ser empregados para expressar as DOAs. Duas linhas 550, 560 são projetadas de acordo com as DOAs. Em 3D, mesmo com estimativas muito confiáveis, as duas linhas 550, 560 projetadas de acordo com as DOAs podem não cruzar. Entretanto, a triangulação pode ainda ser realizada, por exemplo, escolhendo o ponto médio do menor segmento que conecta as duas linhas. Semelhantemente ao caso 2D, a triangulação pode falhar ou pode representar resultados impraticáveis para determinadas combinações de direções, que podem, então, também ser indicadas, por exemplo, ao módulo de cálculo computacional de informação 202 da Figura 14. Se mais do que dois microfones espaciais existem, várias soluções são possiveis. Por exemplo, a triangulação explicada acima poderia ser realizada para todos os pares dos microfones espaciais reais (se N = 3, 1 com 2, 1 com 3, e 2 com 3). As posições resultantes podem então ser calculadas (por x e y, e, se 3D for considerado, z).

De modo alternativo, conceitos mais complexos podem ser utilizados. Por exemplo, abordagens probabilisticas podem ser aplicadas conforme descrito em J. Michael Steele, "Optimal Triangulation of Random Samples in the Plane", The Annals of Probability, Vol. 10, No.3 (Aug., 1982), pp. 548-553. De acordo com uma aplicação, o campo sonoro pode ser analisado no dominio de tempo/frequência, por exemplo, obtido através de uma Transformada de Fourier de Curta Duração (STFT), na qual k e n denotam o indice de frequência k e indice de tempo n, respectivamente. A pressão complexa Pv(k, n) em uma posição arbitrária pv para um determinado k e n é modelada como uma única onda esférica emitida por uma fonte do tipo ponto isotrópico de banda estreita, por exemplo, empregando a fórmula: onde PIPLS(k, n) é o sinal emitido pela IPLS na sua posição pIPLS(k, n) . 0 fator complexo y(k, PIPLS, PV) expressa a propagação de PiPLs(k, n) a pv, por exemplo, introduz as modificações de fase e magnitude apropriadas. Aqui, a suposição pode ser aplicada que em cada posição de tempo/frequência apenas uma IPLS é ativa. Independentemente, várias IPLSs de banda estreita localizada em diferentes posições também podem ser ativas em um único momento.

Cada IPLS modela o som direto ou uma reflexão ambiente distinta. Sua posição PiPLs(k, n) pode idealmente corresponder a uma fonte de som real localizada dentro da sala, ou uma fonte de som da imagem do espelho localizada fora, respectivamente. Desta forma, a posição PiPLs(k, n) também pode indicar a posição de um evento sonoro. Favor observar que o termo "fontes de som reais" denota as fontes de som reais que existem fisicamente no ambiente de gravação, como transmissores ou instrumentos musicais.

Ao contrário, com "fontes de som" ou "eventos sonoros" ou "IPLS" referimos às fontes de som efetivas, que são ativas em determinados instantes de tempo ou em determinadas posições de tempo/frequência, em que as fontes de som pode, por exemplo, representar fontes de som reais ou fontes de imagem de espelho.

As Figuras 28a-28b ilustram conjuntos de microfone que localizam as fontes de som. As fontes de som localizadas podem ter diferentes interpretações fisicas dependendo da sua natureza. Quando os conjuntos de microfone recebem o som direto, eles podem localizar a posição de uma verdadeira fonte de som (por exemplo, transmissores).

Quando os conjuntos de microfone recebem reflexões, eles podem localizar a posição de uma fonte de imagem de espelho. As fontes de imagem de espelho também são fontes de som.

A Figura 28a ilustra um cenário onde dois conjuntos de microfone 151 e 152 recebem som direto de uma fonte de som real (uma fonte de som fisicamente existente) 153.

A Figura 28b ilustra um cenário onde dois conjuntos de microfone 161, 162 recebem o som refletido, caracterizado pelo som ser refletido por uma parede. Por causa da reflexão, os conjuntos de microfone 161, 162 localizam a posição, onde o som parece vir, em uma posição de uma fonte de imagem de espelho 165, que é diferente da posição do alto-falante 163. Tanto a fonte de som real 153 da Figura 28a, quanto a fonte de imagem de espelho 165 são fontes de som.

A Figura 28c ilustra um cenário onde dois conjuntos de microfone 171, 172 recebem som difuso e não podem localizar uma fonte de som. Enquanto este modelo de onda única é preciso apenas para ambientes de reverberação média dado que os sinais da fonte realizam a condição de ortogonalidade de disjunção em W (WDO tempo/frequência é suficientemente pequena. Isto é normalmente verdadeiro para sinais de fala, veja, por exemplo, [12] S. Rickard and Z. Yilmaz, "On the approximate W-disjoint orthogonality of speech," in Acoustics, Speech and Signal Processing, 2002. ICASSP 2002. IEEE International Conference on, April 2002, vol. 1. Entretanto, o modelo também fornece uma boa estimativa para outros ambientes e é, então, também aplicável a estes ambientes.

A seguir, a estimativa das posições PiPLs(k, n) de acordo com uma aplicação é explicada. A posição PiPLs(k, n) de uma IPLS ativa em um determinada posição de tempo/frequência e, assim, a estimativa de um evento sonoro em uma posição de tempo/frequência, é estimada através da triangulação com base na direção de chegada (DOA) do som medido pelo menos em dois pontos de observação diferentes.

A Figura 17 ilustra uma geometria onde a IPLS do intervalo de tempo/frequência atual (k, n) está localizada na posição desconhecida PiPLs(k, n) . Para determinar as informações de DOA necessárias, dois microfones espaciais reais, aqui, dois conjuntos de microfone, são empregados tendo uma geometria, posição e orientação conhecidas, que são colocadas nas posições 610 e 620, respectivamente. Os vetores px e p2 apontam as posições 610, 620, respectivamente. As orientações do conjunto são definidas pelos vetores da unidade Cj e c2. A DOA do som é determinada nas posições 610 e 620 para cada (k, n) usando um algoritmo de estimativa de DOA, por exemplo, conforme fornecido pela análise DirAC (ver [2], [3]) . Nisso, um primeiro vetor da unidade de ponto de vista e um segundo vetor da unidade de ponto de vista com relação a um ponto de vista dos conjuntos de microfone (ambos não mostrados na Figura 17) podem ser fornecidos como saida da análise DirAC. Por exemplo, ao operar 5 em 2D, o primeiro vetor da unidade de ponto de vista resulta em:

Aqui, ϕ(k, n) representa o azimute da DOA estimada no primeiro conjunto de microfone, conforme descrito na Figura 17. Os vetores da unidade de DOA correspondentes ei(k, n) e 10 e2(k, n) , com relação ao sistema de coordenada global na origem, podem ser calculados aplicando as fórmulas: onde R são matrizes de transformação de coordenada, por exemplo, ao operar em 2D . para realizar a triangulação, os vetores de direção dx(k, n) e d2(k, n) podem ser calculados como: onde di.(k, n) = di(k, n) ei (fc, n), d2(k,n) = d2(k,n) e2(k,n), 20 onde dx(k, n) = | |d,(k, n) | | e d2(k, n) = | |d2(k,n) I I são as distâncias desconhecidas entre a IPLS e os dois conjuntos de microfone. A equação a seguir pode ser solucionada para dx(k, n) . Finalmente, a 25 posição PiPLs(k, n) da IPLS é dada por

Em outra aplicação, a equação (6) pode ser solucionada para d2(k, n) e pIPLs(k, n) é equivalentemente calculada empregando d2(k, n).

A equação (6) sempre fornece uma solução ao operar em 2D, a menos que ei(k, n) e e2(k, n) sejam paralelos. Entretanto, ao utilizar mais do que dois conjuntos de microfone ou ao operar em 3D, uma solução não pode ser obtida quando os vetores de direção d não cruzam. De acordo com uma aplicação, neste caso, o ponto que é mais próximo a todos os vetores de direção d deve ser calculado e o resultado pode ser utilizado como a posição da IPLS.

Em uma aplicação, todos os pontos de observação Pi, p2, ... deveriam ser localizados de modo que o som emitido pela IPLS caia no mesmo bloco temporal n. Esta exigência pode simplesmente ser realizada quando a distância Δ entre qualquer um dos dois pontos de observação for menor do que onde nFFT é o comprimento da janela de STFT, 0 < R < 1 especifica a sobreposição entre as estruturas de tempo sucessivas e fs é a frequência de amostragem. Por exemplo, para uma STFT de 1024 pontos a 48 kHz com 50 % de sobreposição (R = 0,5), o espaçamento máximo entre os conjuntos para cumprir a exigência acima é Δ = 3.65 m.

A seguir, um módulo de cálculo computacional de informação 202, por exemplo, um sinal do microfone virtual e módulo de cálculo computacional de informações laterais, de acordo coin uma aplicação é descrito em mais detalhes.

A Figura 18 ilustra uma visão geral esquemática de um módulo de cálculo computacional de informação 202 de acordo com uma aplicação. A unidade de cálculo computacional de informação compreende um compensador de propagação 500, um combinador 510 e uma unidade de ponderação espectral 520. O módulo de cálculo computacional de informação 202 recebe as estimativas da posição da fonte de som SSP estimadas por um avaliador de posição dos eventos sonoros, um ou mais sinais de entrada de áudio é gravado por um ou mais dos microfones espaciais reais, posições posRealMic de um ou mais dos microfones espaciais reais, e a posição virtual posVmic do microfone virtual. Emite um sinal de saida de áudio os representando um sinal de áudio do microfone virtual.

A Figura 19 ilustra um módulo de cálculo computacional de informação de acordo com outra aplicação. O módulo de cálculo computacional de informação da Figura 19 compreende um compensador de propagação 500, um combinador 510 e uma unidade de ponderação espectral 520. O compensador de propagação 500 compreende um módulo de cálculo computacional dos parâmetros de propagação 501 e um módulo de compensação de propagação 504. O combinador 510 compreende um módulo de cálculo computacional dos fatores de combinação 502 e um módulo de combinação 505. A unidade de ponderação espectral 520 compreende uma unidade de cálculo computacional das ponderações espectrais 503, um módulo de aplicação de ponderação espectral 506 e um módulo de cálculo computacional de informações laterais espaciais 507. Para calcular o sinal de áudio do microfone virtual, as informações geométricas, por exemplo, a posição e a orientação dos microfones espaciais reais 121 . . . 12N, a posição, orientação e características do microfone espacial virtual 104, e as estimativas de posição dos eventos sonoros 205 são inseridas ao módulo de cálculo computacional de informação 202, em particular, ao módulo de cálculo computacional dos parâmetros de propagação 501 do compensador de propagação 500, ao módulo de cálculo computacional dos fatores de combinação 502 do combinador 510 e à unidade de cálculo computacional das ponderações espectrais 503 da unidade de ponderação espectral 520. O módulo de cálculo computacional dos parâmetros de propagação 501, o módulo de cálculo computacional dos fatores de combinação 502 e a unidade de cálculo computacional das ponderações espectrais 503 calculam os parâmetros utilizados na modificação dos sinais de áudio 111 . . . 11N no módulo de compensação de propagação 504, no módulo de combinação 505 e no módulo de aplicação de ponderação espectral 506. No módulo de cálculo computacional de informação 202, os sinais de áudio 111 ... 11N podem primeiro ser modificados para compensar os efeitos dados pelos diferentes comprimentos de propagação entre as posições do evento sonoro e os microfones espaciais reais. Os sinais podem então ser combinados para melhorar, por exemplo, indice de sinal para ruído (SNR | signal- to-noise ratio). Finalmente, o sinal resultante pode, então, ser ponderado de forma espectral para considerar o padrão de recebimento direcional do microfone virtual, bem como qualquer função de ganho dependente da distância. Estas três etapas são discutidas em mais detalhes abaixo.

A compensação da propagação é agora explicada em mais detalhes. Na parte superior da Figura 20, dois microfones espaciais reais (um primeiro conjunto de microfone 910 e um segundo conjunto de microfone 920), a posição de um evento sonoro 930 localizado para posição de tempo/frequência (k, n) , e a posição do microfone espacial virtual 940 são ilustrados.

A parte inferior da Figura 20 descreve um eixo temporal. Assume-se que um evento sonoro é emitido no tempo t0 e então propaga aos microfones espaciais reais e virtuais. Os atrasos de tempo de chegada bem como as amplitudes mudam com a distância, de modo que quanto maior o comprimento de propagação, mais fraca a amplitude e mais longo o atraso do tempo de chegada. Os sinais nos dois conjuntos reais são comparáveis apenas se o atraso relativo Dtl2 entre eles por pequeno. Caso contrário, um dos dois sinais precisa ser temporalmente realinhado para compensar o atraso relativo Dtl2, e possivelmente, ser escalado para compensar os diferentes declínios. Compensar o atraso entre a chegada ao microfone virtual e a chegada aos conjuntos reais de microfone (em um dos microfones espaciais reais) muda o atraso independente da localização do evento sonoro, tornando-o supérfluo para a maioria das aplicações.

Retornando à Figura 19, o módulo de cálculo computacional dos parâmetros de propagação 501 é adaptado para calcular os atrasos a ser corrigidos para cada microfone espacial real e para cada evento sonoro. Se desejado, também calcula os fatores de ganho a ser considerados para compensar os diferentes declinios de amplitude. O módulo de compensação de propagação 504 é configurado para utilizar estas informações para modificar os sinais de áudio corretamente. Se os sinais devem ser alternados por uma pequena quantidade de tempo (comparado à janela de tempo do banco de filtro), então uma simples rotação de fase é suficiente. Se os atrasos são maiores, implementações mais complicada são necessárias.

A saida do módulo de compensação de propagação 504 são os sinais de áudio modificados expressos no dominio de tempo/frequência original.

A seguir, uma estimativa particular de compensação da propagação para um microfone virtual de acordo com uma aplicação será descrito com referência à Figura 17 que, inter alia, ilustra a posição 610 de um primeiro microfone espacial real e a posição 620 de um segundo microfone espacial real.

Na aplicação que agora é explicada, assume-se que, pelo menos, um primeiro sinal de entrada de áudio gravado, por exemplo, um sinal de pressão de, pelo menos, um dos microfones espaciais reais (por exemplo, os conjuntos de microfone) é disponivel, por exemplo, o sinal de pressão de um primeiro microfone espacial real. Referimo-nos ao microfone considerado como microfone de referência, em sua posição coma posição de referência prsf e ao seu sinal de pressão como sinal de pressão de referência Pref(k, n). Entretanto, a compensação da propagação pode não. ser conduzida com relação a apenas um sinal de pressão, mas também com relação aos sinais de pressão de uma pluralidade ou de todos os microfones espaciais reais.

A relação entre o sinal de pressão P∑PLs(k, n) emitido pela IPLS e um sinal de pressão de referência Pref(k, n) de um microfone de referência localizado em pref pode ser expressa pela fórmula (9) :

No geral, o fator complexo y(k, pa, pb) expressa o declínio de rotação de fase e amplitude introduzido pela propagação de uma onda esférica de sua origem em pa a pb. Entretanto, testes práticos indicaram que considerar apenas o declínio de amplitude em y leva às impressões plausíveis do sinal do microfone virtual com poucos artefatos significativos comparados também à consideração da rotação de fase.

A energia do som que pode ser medida em um determinado ponto no espaço depende fortemente da distância r da fonte de som, na Figura 6 da posição pIPLS da fonte de som. Em muitas situações, esta dependência pode ser modelada com precisão suficiente usando princípios físicos bem conhecidos, por exemplo, o declínio 1/r da pressão do som no campo distante de uma fonte principal.

Quando a distância de um microfone de referência, por exemplo, o primeiro microfone real da fonte de som é conhecido, e quando, ainda, a distância do microfone virtual da fonte de som é conhecida, então, a energia do som na posição do microfone virtual pode ser estimada do sinal e a energia do microfone de referência, por exemplo, o primeiro microfone espacial real. Isto significa que o sinal de saída do microfone virtual pode ser obtido aplicando ganhos corretos ao sinal de pressão de referência.

Assumindo que o primeiro microfone espacial real é o microfone de referência, então pref = Pi- Na Figura 17, o microfone virtual está localizado em pv. Visto que a geometria na Figura 17 é conhecida em detalhes, a distância di(k, n) = I I dT (k, n) I I entre o microfone de referência (na Figura 17: o primeiro microfone espacial real) e a IPLS pode facilmente ser determinada, bem como a distância s(k, n) = lls(k, n)ll entre o rnicrofone 10 virtual e a IPLS, a saber

A pressão do som PJk, n) na posição do microfone virtual é calculada combinando as fórmulas (1) e (9), tendo Conforme mencionado acima, em algumas aplicações, os fatores y podem apenas considerar o declinio de amplitude devido à propagação. Assumindo que a pressão do som reduz com 1/r, então Quando o modelo na fórmula (1) é mantido, por exemplo, quando apenas som direto está presente, então, a fórmula (12) pode precisamente reconstruir as informações de magnitude. Entretanto, no caso de campos sonoros difusos puros, por exemplo, quando as suposições do modelo não são cumpridas, o método apresentado representa uma desreverberação implícita do sinal ao mover o microfone virtual longe das posições dos conjuntos do sensor. De fato, conforme discutido acima difusos, esperamos que a maioria das IPLSs esteja localizada próxima a dois conjuntos do sensor. Assim, ao mover o microfone virtual longe destas posições, nós provavelmente aumentamos a distância s = ||s|| na Figura 17. Assim, a magnitude da pressão de referência é reduzida ao aplicar uma ponderação de acordo com a fórmula (11) . Correspondentemente, ao mover o microfone virtual próximo a uma fonte de som real, as posições de tempo/frequência correspondentes ao som direto serão amplificadas de modo que todo o sinal de áudio será percebido menos difuso. Pelo ajuste da regra na fórmula (12), um pode controlar a amplificação do som direto e supressão do som difuso. Pela condução da compensação da propagação no sinal de entrada de áudio gravado (por exemplo, o sinal de pressão) do primeiro microfone espacial real, um primeiro sinal de áudio modificado é obtido.

Nas aplicações, um segundo sinal de áudio modificado pode ser obtido conduzindo a compensação da propagação em um segundo sinal de entrada de áudio gravado (segundo sinal de pressão) do segundo microfone espacial real.

Em outras aplicações, outros sinais de áudio podem ser obtidos conduzindo a compensação da propagação em outros sinais de entrada de áudio gravados (outros sinais de pressão) de outros microfones espaciais reais.

Agora, a combinação nos blocos 502 e 505 na Figura 19 de acordo com uma aplicação é explicado em mais detalhes. Assume-se que dois ou mais sinais de áudio de uma pluralidade de diferentes microfones espaciais reais foi modificada para compensar as diferentes passagens de propagação para obter dois ou mais sinais de áudio modificados. Visto que os sinais de áudio dos diferentes microfones espaciais reais foram modificados para compensar as diferentes passagens de propagação, eles podem ser combinados para melhorar a qualidade do áudio. Fazendo isso, por exemplo, SNR pode ser elevado PI a reverberância pode ser reduzida. Possíveis soluções para a combinação compreendem: - Média ponderada, por exemplo, considerando a SNR, ou a distância ao microfone virtual, ou a difusão que foi estimada pelos microfones espaciais reais. Soluções tradicionais, por exemplo, Combinação de Razão Máxima (MRC | Maximum Ratio Combining) ou Combinação de Ganho Igual (EQC | Equal Gain Combining) podem ser empregadas, ou - Combinação linear de alguns ou todos os sinais de áudio modificados para obter um sinal de combinação. Os sinais de áudio modificados podem ser ponderados na combinação linear para obter o sinal de combinação, ou - Seleção, por exemplo, apenas um sinal é utilizado, por exemplo, dependente da SNR ou distância ou difusão.

A tarefa do módulo 502 é, se aplicável, calcular parâmetros para a combinação, que é realizada no módulo 505.

Agora, a ponderação espectral de acordo com aplicações é descrita em mais detalhes. Para isso, a referência é feita aos blocos 503 e 506 da Figura 19. Nesta etapa final, o sinal de áudio resultante da combinação ou da compensação de propagação dos sinais de entrada de áudio é ponderado no domínio de tempo/frequência de acordo com as características espaciais do microfone espacial virtual conforme especificado pela entrada 104 e/ou de acordo com a geometria reconstruída (dada em 205). Para cada posição de tempo/frequência a reconstrução geométrica permite obter facilmente a DOA com relação ao microfone virtual, conforme mostrado na Figura 2.1Ainda, a distância entre o microfone virtual e a posição do evento de som pode ser prontamente calculada.

A ponderação para a posição de tempo/frequência é, então, calculada considerando o tipo de microfone virtual desejado. No caso de microfones direcionais, as ponderações espectrais podem ser calculadas de acordo com um padrão de recebimento predefinido. Por exemplo, de acordo com uma aplicação, um microfone cardioide pode ter um padrão de recebimento definido pela função g(teta), g(teta) = 0,5 + 0,5 cos(teta), onde teta é o ângulo entre a direção de visão do microfone espacial virtual e da DOA do som a partir do ponto de vista do microfone virtual. Outra possibilidade são funções de declínio artístico (não físico). Em certas aplicações, pode ser desejado suprimir eventos de som longes do microfone virtual com um fator maior do que uma propagação de campo livre caracterizante. Para esta finalidade, algumas aplicações introduzem uma função de ponderação adicional que depende da distância entre o microfone virtual e o evento de som. Em uma aplicação, apenas eventos de som dentro de uma certa distância (por exemplo, em metros) do microfone virtual devem ser recebidos.

Com relação à diretividade do microfone virtual os padrões de diretividade arbitrária podem ser aplicados para o microfone virtual. Fazendo isso, um pode, por exemplo, separar uma fonte de um cenário do som complexa.

Visto que a DOA do som pode ser calculada na posição pv do microfone virtual, a saber, onde cv é o vetor da unidade que descreve a orientação do microfone virtual, diretividades arbitrárias para o microfone virtual podem ser realizadas. Por exemplo, supondo que Pv(k,n) indica o sinal de combinação ou o sinal de áudio modificado compensado pela propagação, então a fórmula: calcula a saida de um microfone virtual com diretividade cardioide. Os padrões direcionais, que podem potencialmente ser gerados desta forma, dependem da precisão da estimativa de posição.

Nas aplicações, um ou mais microfones não espaciais reais, por exemplo, um microfone omnidirecional ou um microfone direcional como uma cardioide, são colocados no cenário do som além dos microfones espaciais reais para melhorar ainda mais a qualidade do som dos sinais do microfone virtual 105 na Figura 8.

Estes microfones não são utilizados para colher quaisquer informações geométricas, mas sim fornecer apenas um sinal de áudio limpador. Estes microfones podem ser colocados mais próximos às fontes de som do que os microfones espaciais. Neste caso, de acordo com uma aplicação, os sinais de áudio dos microfones não espaciais reais e suas posições são simplesmente inseridos ao módulo de compensação de propagação 504 da Figural9 para processamento, ao invés dos sinais de áudio dos microfones espaciais reais. A compensação de propagação é então conduzida para um ou mais sinais de áudio gravados dos microfones não espaciais com relação à posição de um ou mais microfones não espaciais. Pelo presente, uma aplicação é realizada usando microfones não espaciais adicionais.

Em outra aplicação, o cálculo computacional das informações laterais espaciais do microfone virtual é realizado. Para calcular as informações laterais espaciais 106 do microfone, o módulo de cálculo computacional de informação 202 da Figura 19 compreende um módulo de cálculo computacional de informações laterais espaciais 507, que é adaptado para receber como entrada as posições das fontes de som 205 e a posição, orientação e características 104 do microfone virtual. Em certas aplicações, de acordo com as informações laterais 106 que precisam ser calculadas, o sinal de áudio do microfone virtual 105 também pode ser considerado como entrada ao módulo de cálculo de informação lateral espacial 507.

A saida do módulo de cálculo computacional de informação lateral espacial 507 são as informações laterais do microfone virtual 106. Estas informações laterais podem ser, por exemplo, a DOA ou a difusão de som para cada posição de tempo/frequência (k, n) a partir do ponto de vista do microfone virtual. Outra possivel informação lateral poderia, por exemplo, ser o vetor da intensidade de som ativa Ia(k, n) que teria sido medida na posição do microfone virtual. Como estes parâmetros podem ser derivados, será agora descrito.

De acordo com uma aplicação, a estimativa de DOA para o microfone espacial virtual é realizada. O módulo de cálculo computacional de informação 120 é adaptado para estimar a direção de chegada ao microfone virtual como a informação lateral espacial, com base em um vetor de posição do microfone virtual e com base em um vetor de posição do evento de som conforme ilustrado pela Figura 22.

A Figura 22 descreve uma possivel forma de derivar a DOA do som a partir do ponto de vista do microfone virtual. A posição do evento de som, fornecido pelo bloco 205 na Figura 19, pode ser descrita para cada posição de tempo/frequência (k, n) com um vetor de posição r(k, n) , o vetor de posição do evento de som. Semelhantemente, a posição do microfone virtual, fornida como entrada 104 na Figura 19, pode ser descrita com um vetor de posição s(k,n), o vetor de posição do microfone virtual. A direção de visualização do microfone virtual pode ser descrita por um vetor v(k, n) . A DOA com relação ao microfone virtual é dada por a(k,n). Esta representa o ângulo entre v e a trajetória da propagação de som h(k,n) . h(k, n) que pode ser calculada empregando a fórmula: h(k, n) = s(k,n) - r(k, n) .

A DOA desejada a(k, n) pode agora ser calculada para cada (k, n) , por exemplo, através da definição do produto interno de h(k, n) e v(k,n), a saber, a(k, n) = arcos (h(k, n) • v(k,n) / ( I|h(k, n)|| I |v(k,n) II ) .

Em outra aplicação, o módulo de cálculo computacional de informação 120 pode ser adaptado para estimar a intensidade de som ativa no microfone virtual como informação lateral espacial, com base em um vetor de posição do microfone virtual e com base em um vetor de posição do evento de som conforme ilustrado pela Figura 22.

A partir da DOA a(k, n) definida acima, nós podemos derivar a intensidade de som ativa Xa(k, n) na posição do microfone virtual. Para isso, é suposto que o sinal de áudio do microfone virtual 105 na Figura 8 corresponda à saida de um microfone omnidirecional, por exemplo, nós supomos que o microfone virtual é um microfone omnidirecional. Além disso, a direção de visualização v na Figura 22 é assumida como paralela ao eixo x do sistema de coordenada.

Visto que o vetor da intensidade de som ativa Ia(k, n) desejado descreve o fluxo liquido de energia através da posição do microfone virtual, podemos calcular Ia(k, n) pode ser calculada, por exemplo, de acordo com a fórmula: Ia(k, n) = - (1/2 rho) lPv(k, n) I * [ cos a(k, n) , sin a(k, n) ]T, onde [ ]T denota um vetor transposto, rho é a densidade de ar, e Pv (k, n) é a pressão do som medida pelo microfone espacial virtual, por exemplo, a saida 105 do bloco 506 na Figura 19. Se o vetor da intensidade ativa tiver de ser calculado expresso no sistema de coordenada geral, mas ainda na posição do microfone virtual, a seguinte fórmula pode ser aplicada: Ia(k, n) = (1/2 rho) | Pv (k, n)|2 h(k, n) / I I h(k, n) I I .

A difusão de som expressa o quão difuso o campo de som está em um dado encaixe de tempo/frequência (ver, por exemplo, [2]) . A difusão é expressa por um valor em que 0 < l < 1. A difusão de 1 indica que o campo de energia total do som de um campo de som é completamente difuso. Estas informações são importantes, por exemplo, na reprodução de som espacial. Tradicionalmente, a difusão é calculada no ponto especifico no espaço no qual um sistema de microfone é colocado.

De acordo com uma aplicação, a difusão pode ser calculada como um parâmetro adicional às informações laterais geradas para o microfone virtual (VM), que pode ser colocado arbitrariamente em uma posição arbitrária no cenário do som. Pelo presente, um aparelho que também calcula a difusão além do sinal de áudio em uma posição virtual de um microfone virtual pode ser visto como um DirAC frontal virtual, como é possivel produzir um fluxo DirAC, a saber, um sinal de áudio, direção de chegada, e difusão, para um ponto arbitrário no cenário do som. O fluxo DirAC pode ainda ser processado, transmitido e reproduzido em uma configuração arbitrária com vários alto-transmissores. Neste caso, o ouvinte passa pelo cenário do som como se ele ou ela estivesse na posição especificada pelo microfone virtual e estivesse olhando na direção determinada por sua orientação.

A Figura 23 ilustra um bloco de cálculo computacional de informação de acordo com uma aplicação, compreendendo uma unidade de cálculo computacional de difusão 801 para calcular a difusão no microfone virtual. O bloco de cálculo computacional de informação 202 é adaptado para receber entradas 111 a 11N, que além das entradas da Figura 14 também incluem a difusão nos microfones espaciais reais. Deixar 4f(SM11 a 1μ<SMN> denotam estes valores. Estas entradas adicionais são inseridas ao módulo de cálculo computacional de informação 202. A saida 103 da unidade de cálculo computacional de difusão 801 é o parâmetro de difusão calculado na posição do microfone virtual. Uma unidade de cálculo computacional de difusão 801 de uma aplicação é ilustrada na Figura 24 que descreve mais detalhes. De acordo com uma aplicação, a energia de som direto e difuso em cada um de N microfones espaciais é estimada. Então, utilizar as informações sobre as posições da IPLS, e as informações sobre as posições dos microfones espaciais e virtuais, as estimativas de N destas energias na posição do microfone virtual são obtidas. Finalmente, as estimativas podem ser combinadas para melhorar a precisão da estimativa e o parâmetro da difusão no microfone virtual pode ser prontamente calculado. „ • n(SMl) r(SMN) n(SMl) TJ(SMA') ,

Deixar denota as estimativas das energias de som direto e difuso para N microfones espaciais calculadas pela unidade de análise de energia 810. Se Pi for o sinal de pressão complexa e ψi for a difusão para o microfone espacial i-th, então as energias podem, por exemplo, ser calculadas de acordo com as fórmulas:

A energia de som difuso deve ser igual em todas as posições, portanto, uma estimativa da energia de som difusa no microfone virtual pode ser calculada simplesmente pela média de , por exemplo, em uma unidade de combinação da difusão 820, por exemplo, de acordo com a fórmula:

Uma combinação mais efetiva das estimativas poderia ser realizada considerando a variância dos estimadores, por exemplo, considerando a SNR.

A energia do som direto depende da distância à fonte devido a propagaçao. Desta forma pode ser modificado para considerar isso. Isso pode ser realizado, por exemplo, por uma unidade de ajuste de propagação de som direto 830. Por exemplo, se for assumido que a energia dos declínios de campo do som direto com 1 sobre a distância ao quadrado, então a estimativa para o som direto no microfone virtual para o microfone espacial i-th pode ser calculada de acordo com a fórmula:

Semelhantemente à unidade de combinação da difusão 820, as estimativas da energia de som direta obtidas em diferentes microfones espaciais podem ser combinadas, por exemplo, por uma unidade de combinação de som direto 840. O resultado, por exemplo, a estimativa para a energia de som direta no microfone virtual. A difusão no microfone virtual ψ(VM) pode ser calculada, por exemplo, por um subcalculadora da difusão 850, por exemplo, de acordo com a fórmula:

Conforme mencionado acima, em alguns casos, a estimativa de posição dos eventos de som realizada por um estimador de posição de eventos de som falha, por exemplo, no caso de uma estimativa errada quanto à direção de chegada. A Figura 25 ilustra tal cenário. Nestes casos, independente dos parâmetros da difusão estimados no microfone espacial diferente e conforme recebido como entradas 111 a 11N, a difusão para o microfone virtual 103 pode ser definida para 1 (ou seja, completamente difuso), pois nenhuma reprodução espacialmente coerente é possivel.

Adicionalmente, a confiabilidade das estimativas de DOA em N microfones espaciais pode ser considerada. Isso é expresso, por exemplo, em termos de variância do estimador de DOA ou SNR. Tal informação pode ser considerada pela subcalculadora da difusão 850, de modo que a difusão VM 103 possa ser artificialmente elevada no caso que as estimativas de DOA são duvidosas. Na realidade, como uma consequência, as estimativas de posição 205 também serão duvidosas.

A Figura 1 ilustra um aparelho 150 para gerar, pelo menos, um sinal de saida de áudio com base em um fluxo de dados de áudio compreendendo dados de áudio referentes a uma ou mais fontes de som de acordo com uma aplicação.

O aparelho 150 compreende um receptor 160 para receber o fluxo de dados de áudio compreendendo os dados de áudio. Os dados de áudio compreendem um ou mais valores de pressão para cada uma de uma ou mais fontes de som. Além disso, os dados de áudio compreendem um ou mais valores de posição indicando uma posição de uma das fontes de som para cada uma das fontes de som.

Além disso, o aparelho compreende um módulo de sintese 170 para gerar pelo menos um sinal de saída de áudio com base pelo menos em um de um ou mais valores de pressão dos dados de áudio do fluxo de dados de áudio e com base pelo menos em um de um ou mais valores de posição dos dados de áudio do fluxo de dados de áudio. Os dados de áudio são definidos para uma posição de tempo/frequência de uma pluralidade de posições de tempo/frequência. Para cada uma das fontes de som, pelo menos um valor de pressão é compreendido nos dados de áudio, em que pelo menos um valor de pressão pode ser um valor de pressão referente a uma onda de som emitida, por exemplo, originando da fonte de som. O valor de pressão pode ser um valor de um sinal de áudio, por exemplo, um valor de pressão de um sinal de saída de áudio gerado por um aparelho para gerar um sinal de saída de áudio de um microfone virtual, em que o microfone virtual é colocado na posição da fonte de som.

Assim, a Figura 1 ilustra um aparelho 150 que pode ser empregado para receber ou processar o fluxo de dados de áudio mencionado acima, ou seja, o aparelho 150 pode ser empregado em um lado do receptor/síntese. O fluxo de dados de áudio compreende dados de áudio que compreende um ou mais valores de pressão e um ou mais valores de posição para cada uma de uma pluralidade de fontes de som, ou seja, cada um dos valores de pressão e dos valores de posição refere-se a uma fonte de som particular de uma ou mais fontes de som da cena de áudio gravada. Isto significa que os valores de posição indicam as posições das fontes de som ao invés dos microfones de gravação. Com relação ao valor de pressão isto significa que o fluxo de dados de áudio compreende um ou mais valores de pressão para cada uma das fontes de som, ou seja, os valores de pressão indicam um sinal de áudio que é relacionado a uma fonte de som ao invés de uma gravação de um microfone espacial real.

De acordo com uma aplicação, o receptor 160 pode ser adaptado para receber o fluxo de dados de áudio compreendendo os dados de áudio, em que os dados de áudio ainda compreendem um ou mais valores de difusão para cada uma das fontes de som. O módulo de sintese 170 pode ser adaptado para gerar pelo menos um sinal de saida de áudio com base pelo menos em um de um ou mais valores de difusão.

A Figura 2 ilustra um aparelho 200 para gerar um fluxo de dados de áudio compreendendo dados da fonte de som referentes a uma ou mais fontes de som de acordo com uma aplicação. O aparelho 200 para gerar um fluxo de dados de áudio compreende um determinador 210 para determinar os dados da fonte de som com base, pelo menos, em um sinal de entrada de áudio gravado pelo menos por um microfone espacial e com base nas informações laterais de áudio fornecidas, pelo menos, por dois microfones espaciais. Além disso, o aparelho 200 compreende um gerador de fluxo de dados 220 para gerar o fluxo de dados de áudio de modo que o fluxo de dados de áudio compreenda os dados da fonte de som. Os dados da fonte de som compreendem um ou mais valores de pressão para cada uma das fontes de som. Além disso, os dados da fonte de som ainda compreendem um ou mais valores de posição indicando uma posição da fonte de som para cada uma das fontes de som. Além disso, os dados da fonte de som é definido para uma posição de tempo/frequência de uma pluralidade de posições de tempo/frequência. O fluxo de dados de áudio gerado pelo aparelho 200 pode, então, ser transmitido. Assim, o aparelho 200 pode ser empregado em um lado do transmissor/análise. O fluxo de dados de áudio compreende dados de áudio que compreendem um ou mais valores de pressão e um ou mais valores de posição para cada uma de uma pluralidade de fontes de som, ou seja, cada um dos valores de pressão e dos valores de posição refere-se a uma fonte de som particular de uma ou mais fontes de som da cena de áudio gravada. Isto significa que com relação aos valores de posição, os valores de posição indicam as posições das fontes de som ao invés dos microfones de gravação.

Em outra aplicação, o determinador 210 pode ser adaptado para determinar os dados da fonte de som com base nas informações de difusão pelo menos por um microfone espacial. O gerador de fluxo de dados 220 pode ser adaptado para gerar o fluxo de dados de áudio de modo que o fluxo de dados de áudio compreende os dados da fonte de som. Os dados da fonte de som ainda compreendem um ou mais valores de difusão para cada uma das fontes de som.

A Figura 3a ilustra um fluxo de dados de áudio de acordo com uma aplicação. O fluxo de dados de áudio compreende dados de áudio referentes a duas fontes de som sendo ativas em uma posição de tempo/frequência. Em particular, a Figura 3a ilustra os dados de áudio que são transmitidos para uma posição de tempo/frequência (k, n) , em que k denota o indice de frequência e n denota o indice de tempo. Os dados de áudio compreendem um valor de pressão Pl, um valor da posição Q1 e um valor da difusão ilil de uma primeira fonte de som. O valor da posição Q1 compreende três valores de coordenada XI, Y1 e Z1 indicando a posição da primeira fonte de som. Além disso, os dados de áudio compreendem um valor de pressão P2, um valor da posição Q2 e um valor da difusão Φ 2 de uma segunda fonte de som. O valor da posição Q2 compreende três valores de coordenada X2, Y2 e Z2 indicando a posição da segunda fonte de som.

A Figura 3b ilustra um fluxo de áudio de acordo com outra aplicação. Novamente, os dados de áudio compreendem um valor de pressão Pl, um valor da posição Q1 e um valor da difusão i|r 1 de uma primeira fonte de som. O valor da posição Q1 compreende três valores de coordenada XI, Yl e Z1 indicando a posição da primeira fonte de som. Além disso, os dados de áudio compreendem um valor de pressão P2, um valor da posição Q2 e um valor da difusão Φ 2 de uma segunda fonte de som. O valor da posição Q2 compreende três valores de coordenada X2, Y2 e Z2 indicando a posição da segunda fonte de som.

A Figura 3c fornece outra ilustração do fluxo de dados de áudio. Conforme o fluxo de dados de áudio fornece informações de codificação de áudio espacial com base em geometria (GAC I geometry-based spatial audio coding), ele também é referido como "fluxo de codificação de áudio espacial com base em geometria" ou "fluxo GAC". O fluxo de dados de áudio compreende informações que se referem a uma ou mais fontes de som, por exemplo, uma ou mais fonte isotrópica do tipo ponto (IPLS). Conforme já explicado acima, o fluxo GAC pode compreender os seguintes sinais, em que k e n denotam o indice de frequência e o indice de tempo da posição de tempo/frequência considerado: P(k, n) : Pressão complexa na fonte de som, por exemplo, nas IPLS. Este sinal possivelmente compreende som direto (o som originado da própria IPLS) e som difuso. Q(k,n): Posição (por exemplo, coordenadas cartesianas em 3D) da fonte de som, por exemplo, da IPLS: A posição pode, por exemplo, compreender as coordenadas cartesianas X(k,n) , Y(k,n) , Z (k,n) .

Difusão na IPLS: i|r(k,n). Este parâmetro é relacionado à razão de potência do som direto ao som difuso compreendido em P(k,n). Se P(k,n) = Pdir(k,n) + Pdiff(k,n), então uma possibilidade de expressar a difusão é ψ(k,n) = |Pdiff(k,n) |2 / |P(k,n)I2. Se |P(k,n)l; for conhecido, outras representações equivalentes são concebíveis, por exemplo, a Razão Direto para Difuso (DDR I Direct to Diffuse Ratio) r=|Pdir(k,n)|2/|Pdiff(k,n)|2. Conforme já estabelecido, k e n denotam os índices de frequência e tempo, respectivamente. Se desejado e se a análise permitir, mais do que uma IPLS pode ser representada em um dado intervalo de tempo/frequência. Isto é descrito na Figura 3c como várias camadas M, de modo que o sinal de pressão para a camada i-th (ou seja, para a IPLS i-th) seja denotada com Pi(k, n).Para conveniência, a posição da IPLS pode ser expressa como o vetor Qi(k, n) = [Xd(k, n), Y±(k, n) , Zd(k, n)]T. Diferentemente do que o estado da técnica, todos os parâmetros no fluxo GAC são expressos com relação a uma ou mais fonte de som, por exemplo, com relação à IPLS, assim obtendo independência da posição de gravação. Na Figura 3c, bem como na Figura 3a e 3b, todas as quantidades na figura são consideradas no domínio de tempo/frequência; a (k,n) notação foi negligenciada por razões de simplicidade, por exemplo, Pi significa Pi(k,n), por exemplo Pi — Pi (k,n) .

A seguir, um aparelho para gerar um fluxo de dados de áudio de acordo com uma aplicação é explicado em mais detalhes. Como o aparelho da Figura 2, o aparelho da Figura 4 compreende um determinador 210 e um gerador de fluxo de dados 220 que pode ser semelhante ao determinador 210. Como o determinador analisa os dados de entrada de áudio para determinar os dados da fonte de som com base no gerador de fluxo de dados gera o fluxo de dados de áudio, o determinador e o gerador de fluxo de dados podem juntos ser referidos como um "módulo de análise", (veja módulo de análise 410 na Figura 4). O módulo de análise 410 calcula o fluxo GAC a partir das gravações de N microfones espaciais. Dependendo do número M de camadas desejado (por exemplo, o número de fontes de som no qual as informações devem ser compreendidas no fluxo de dados de áudio para uma posição de tempo/frequência particular), o tipo e número de N microfones espaciais, diferentes métodos para a análise são concebíveis. Alguns exemplos são dados a seguir.

Como um primeiro exemplo, a estimativa do parâmetro para uma fonte de som, por exemplo, uma IPLS, por intervalo de tempo/frequência é considerada. No caso de M = 1, o fluxo GAC pode ser prontamente obtido com os conceitos explicados acima para o aparelho para gerar um sinal de saída de áudio de um microfone virtual, em que um microfone espacial virtual pode ser colocado na posição da fonte de som, por exemplo, na posição da IPLS. Isso permite que os sinais de pressão sejam calculados na posição da IPLS, junto com as estimativas de posição correspondentes, e possivelmente a difusão. Estes três parâmetros sâo agrupados juntos em um fluxo GAC e também podem ser manipulados pelo módulo 102 na Figura 8 antes de ser transmitidos ou armazenados. Por exemplo, o determinador pode determinar a posição de uma fonte de som empregando os conceitos propostos para a estimativa da posição de eventos sonoros do aparelho para gerar um sinal de saida de áudio de um microfone virtual.

Além disso, o determinador pode compreender um aparelho para gerar um sinal de saída de áudio e pode utilizar a posição da fonte de som determinada como a posição do microfone virtual para calcular os valores de pressão (por exemplo, os valores do sinal de saida de áudio a ser gerados) e a difusão na posição da fonte de som.

Em particular, o determinador 210, por exemplo, na Figura 4, é configurado para determinar os sinais de pressão, as estimativas de posição correspondentes, e a difusão correspondente, enquanto o gerador de fluxo de dados 220 é configurado para gerar o fluxo de dados de áudio com base nos sinais de pressão calculados, estimativas de posição e difusão.

Conforme outro exemplo, a estimativa do parâmetro para 2 fontes de som, por exemplo, 2 IPLS, por intervalo de tempo/frequência é considerada. Se o módulo de análise 410 estimar duas fontes de som por posição de tempo/frequência, então o seguinte conceito com base nos avaliadores do estado da técnica pode ser utilizado.

A Figura 5 ilustra uma cena sonora composta por duas fontes de som e dois conjuntos uniformes de microfone linear.

A referência é feita a ESPRIT, vide [26] R. Roy and T. Kailath. ESPRIT-estimation of signal parameters via rotational invariance techniques. Acoustics, Speech and Signal Processing, IEEE Transactions on, 37 (7) :984-995, July 1989. ESPRIT ( [26]) pode ser empregado separadamente em cada conjunto para obter duas estimativas de DOA para cada posição de tempo/frequência em cada conjunto. Devido à ambiguidade de pareamento, isso leva a duas possíveis soluções para as posições da fonte. Como pode ser visto da Figura 5, as duas possíveis soluções são dadas por (1, 2) e (1', 2') . Para solucionar esta ambiguidade, a solução seguinte pode ser aplicada. O sinal emitido em cada fonte é estimado utilizando um gerador de feixe orientado na direção das posições estimadas da fonte e aplicando o fator correto para compensar a propagação (por exemplo, multiplicação pelo inverso da atenuação apresentada pela onda) . Isso pode ser realizado para cada fonte em cada conjunto para cada uma das possíveis soluções. Nós podemos então definir um erro de estimativa para cada par de fontes (i, j) como: Eirj = IPi.i - Pi,2l + |Pj;i - Pj/2I , d) onde (i, j) £ {(1, 2), (1', 2')} (vide Figura 5) e Pj.,1 é responsável pela potência do sinal compensado vista pelo conjunto r da fonte de som i. 0 erro é mínimo para o par de fontes de som verdadeiro. Visto que a questão de pareamento está solucionada e as estimativas da DOA corretas são calculadas, estes são agrupadas, juntas com os sinais de pressão correspondentes e estimativas de difusão em um fluxo GAC. Os sinais de pressão e estimativas de difusão podem ser obtidos usando o mesmo método já descrito para a estimativa do parâmetro para uma fonte de som.

A Figura 6a ilustra um aparelho 600 para gerar, pelo menos, um sinal de saída de áudio com base em um fluxo de dados de áudio de acordo com uma aplicação. O aparelho 600 compreende um receptor 610 e um módulo de síntese 620. O receptor 610 compreende um módulo de modificação 630 para modificar os dados de áudio do fluxo de dados de áudio recebido pela modificação de pelo menos um dos valores de pressão dos dados de áudio, pelo menos um dos valores de posição dos dados de áudio ou pelo menos um dos valores de difusão dos dados de áudio referentes a pelo menos uma das fontes de som.

A Figura 6b ilustra um aparelho 660 para gerar um fluxo de dados de áudio compreendendo dados da fonte de som referentes a uma ou mais fontes de som de acordo com uma aplicação. O aparelho para gerar um fluxo de dados de áudio compreende um determinador 670, um gerador de fluxo de dados 680 e ainda um módulo de modificação 690 para modificar o fluxo de dados de áudio gerado pelo gerador de fluxo de dados modificando pelo menos um dos valores de pressão dos dados de áudio, pelo menos um dos valores de posição dos dados de áudio ou pelo menos um dos valores de difusão dos dados de áudio referentes pelo menos a uma das fontes de som.

Enquanto o módulo de modificação 610 da Figura 6a é empregado em um lado do receptor/síntese, o módulo de modificação 660 da Figura 6b é empregado em um lado do transmissor/análise.

As modificações do fluxo de dados de áudio conduzidas pelos módulos de modificação 610, 660 também podem ser consideradas como modificações da cena sonora. Assim, os módulos de modificação 610, 660 também podem ser referidos como módulos de manipulação da cena sonora.

A representação do campo sonoro fornecida pelo fluxo GAC permite diferentes tipos de modificações do fluxo de dados de áudio, ou seja, como uma consequência, manipulações da cena sonora. Alguns exemplos neste contexto são: 1. Expandir seções arbitrárias de espaço/volumes na cena sonora (por exemplo, expansão de uma fonte de som do tipo ponto para torná-la mais ampla à escuta); 2. Transformar uma seção selecionada de espaço/volume em qualquer outra seção arbitrária de espaço/volume na cena sonora (o espaço/volume transformado poderia, por exemplo, conter uma fonte que é necessária ser movido a uma nova localização); 3. Filtrar com base na posição, onde as regiões selecionadas da cena sonora são melhoradas ou parcialmente/completamente suprimidas.

A seguir uma camada de um fluxo de dados de áudio, por exemplo, um fluxo GAC, é assumida para compreender todos os dados de áudio de uma das fontes de som com relação a uma posição de tempo/frequência particular. A Figura 7 descreve um módulo de modificação de acordo com uma aplicação. A unidade de modificação da Figura 7 compreende um demultiplexador 401, um processador de manipulação 420 e um multiplexador 405. O demultiplexador 401 é configurado para separar as diferentes camadas do fluxo GAC da camada M e formar os fluxos GAC de camada única M. Além disso, o processador de manipulação 420 compreende unidades 402, 403 e 404, que são aplicadas em cada um dos fluxos GAC separadamente. Além disso, o multiplexador 405 é configurado para formar o fluxo GAC da camada M resultante dos fluxos GAC de camada única manipulados.

Com base nos dados de posição do fluxo GAC e no conhecimento sobre a posição das fontes reais (por exemplo, transmissores), a energia pode ser associada com uma determinada fonte real para cada posição de tempo/frequência. Os valores de pressão P são, então, ponderados corretamente para modificar o ruído da respectiva fonte real (por exemplo, transmissor). Requer informações a priori ou uma estimativa da localização das fontes de som reais (por exemplo, transmissores).

Em algumas aplicações, se o conhecimento sobre a posição das fontes reais estiver disponível, então, com base nos dados da posição do fluxo GAC, a energia pode ser associada com uma determinada fonte real para cada posição de tempo/frequência.

A manipulação do fluxo de dados de áudio, por exemplo, o fluxo GAC, pode ocorrer no módulo de modificação 630 do aparelho 600 para gerar, pelo menos, um sinal de saída de áudio da Figura 6a, ou seja, em um lado do receptor/síntese e/ou no módulo de modificação 690 do aparelho 660 para gerar um fluxo de dados de áudio da Figura 6b, ou seja, em um lado do transmissor/análise. Por exemplo, o fluxo de dados de áudio, ou seja, o fluxo GAC, pode ser modificado antes da transmissão, ou antes da síntese após a transmissão.

Diferente do módulo de modificação 630 da Figura 6a no lado do receptor/síntese, o módulo de modificação 690 da Figura 6b no lado do transmissor/análise pode explorar as informações adicionais das entradas 111 a 11N (os sinais gravados) e 121 a 12N (posição e orientação relativa dos microfones espaciais) , pois estas informações estão disponíveis no lado do transmissor. Utilizar estas informações, uma unidade de modificação de acordo com uma aplicação alternativa pode ser observada, que é descrita na Figura 8.

A Figura 9 descreve uma aplicação ilustrando uma visão geral esquemática de um sistema, caracterizado por um fluxo GAC ser gerado em um lado do transmissor/análise, onde, opcionalmente, o fluxo GAC pode ser modificado por um módulo de modificação 102 em um lado do transmissor/análise, onde o fluxo GAC pode, opcionalmente, ser modificado em um lado do receptor/sintese pelo módulo de modificação 103 e em que o fluxo GAC é utilizado para gerar uma pluralidade de sinais de áudio de saida 191 ... 19L. No lado do transmissor/análise, a representação do campo sonoro (por exemplo, o fluxo GAC) é calculada na unidade 101 das entradas 111 a 11N, ou seja, os sinais gravados com N > 2 microfones espaciais, e das entradas 121 a 12N, ou seja, posição e orientação relativa dos microfones espaciais.

A saida da unidade 101 é a representação do campo sonoro previamente mencionada, que a seguir é denotada como fluxo de Codificação de Áudio espacial com base em Geometria (GAC). Semelhantemente à proposta em Giovanni Del Galdo, Oliver Thiergart, Tobias Weller, and E. A. P. Habets. Generating virtual microphone signals using geometrical information gathered by distributed arrays. In Third Joint Workshop on Hands-free Speech Communication and Microphone Arrays (HSCMA 'll), Edinburgh, United Kingdom, May 2011. e conforme descrito para o aparelho para gerar um sinal de saida de áudio de um microfone virtual em uma posição virtual configurável, uma cena sonora complexa é modelada por meios de fontes de som, por exemplo, fontes de som isotrópicas do tipo ponto (IPLS), que são ativas nas aberturas específicas em uma representação de tempo/frequência, como a fornecida pela Transformada de Fourier de Curta Duração (STFT). O fluxo GAC pode ser ainda processado no módulo de modificação opcional 102, que também pode ser referido como uma unidade de manipulação. O módulo de modificação 102 permite uma variedade de aplicações. O fluxo GAC então pode ser transmitido ou armazenado. A natureza paramétrica do fluxo GAC é altamente eficiente. No lado do receptor/síntese, um ou mais módulos de modificação opcionais (unidades de manipulação) 103 podem ser empregados. O fluxo GAC resultante entra na unidade da sintese 104 o que gera os sinais do alto-falante. Dada a independência da representação da gravação, o usuário final no lado da reprodução pode potencialmente manipular a cena sonora e decidir a posição de escuta e orientação dentro da cena sonora livremente.

A modificação/manipulação do fluxo de dados de áudio, por exemplo, o fluxo GAC, pode ocorrer nos módulos de modificação 102 e/ou 103 na Figura 9, pela modificação do fluxo GAC corretamente mesmo antes da transmissão no módulo 102 ou após a transmissão antes da síntese 103. Diferente no módulo de modificação 103 no lado do receptor/sintese, o módulo de modificação 102 no lado do transmissor/análise pode explorar as informações adicionais das entradas 111 a 11N (os dados de áudio fornecidos pelos microfones espaciais) e 121 a 12N (posição e orientação relativas dos microfones espaciais), pois estas informações estão disponíveis no lado do transmissor. A Figura 8 ilustra uma aplicação alternativa de um módulo de modificação que emprega estas informações.

Exemplos de diferentes conceitos para a manipulação do fluxo GAC são descritos a seguir com referência à Figura 7 e à Figura 8. Unidades com sinais de referência iguais têm função igual. 1. Expansão de volume

Assume-se que uma determinada energia na cena está localizada dentro do volume V. O volume V pode indicar uma área predefinida de um ambiente. © denota o conjunto de posições de tempo/frequência (k, n) no qual as fontes de som correspondentes, por exemplo, IPLS, estão localizadas dentro do volume V. Se a expansão do volume V em outro volume V' for desejada, isto pode ser obtido adicionando um termo aleatório aos dados de posição no fluxo GAC sempre (k, n) G θ (avaliado nas unidades de decisão 403) e substituindo Q(k, n) = [X(k, n), Y (k, n) ,Z(k, n)]T (a camada do índice é reduzida para simplicidade) de modo que as saídas 431 a 43M das unidades 404 na Figura 7 e 8 se tornem Q(k, n) = [X(k, n) + Φx(k, n) ; Y (k, n) + Φy(k, n) Z (k, n) + Φz (k, n) ]T (2) onde Φx, Φy e Φz são variáveis aleatórias cuja faixa depende da geometria do novo volume V' com relação ao volume original V. Este conceito pode, por exemplo, ser empregado para fazer com que uma fonte de som seja percebida mais ampla. Neste exemplo, o volume original V é extremamente pequeno, ou seja, a fonte de som, por exemplo, a IPLS, deve estar localizada no mesmo ponto Q(k, n) = [X(k, n) , Y (k, n) , Z(k, n)]'r para todos (k, n) G 0. Este mecanismo pode ser visto como uma forma de hesitação do parâmetro de posição Q(k, n). De acordo com uma aplicação, cada um dos valores de posição de cada uma das fontes de som compreende pelo menos dois valores de coordenada, e o módulo de modificação é adaptado para modificar os valores de coordenada adicionando pelo menos um número aleatório aos valores de coordenada, quando os valores de coordenada indicam que uma fonte de som está localizada em uma posição dentro de uma área predefinida de um ambiente. 2. Transformação de Volume Além da expansão do volume, os dados de posição do fluxo GAC podem ser modificados para realocar as seções de espaço/volumes dentro do campo sonoro. Neste caso também, os dados a ser manipulados compreendem as coordenadas espaciais da energia localizada. V denota novamente o volume que deve ser realocado, e © denota o conjunto de todos as posições de tempo/frequência (k, n) para os quais a energia está localizada dentro do volume V. Novamente, o volume V pode indicar uma área predefinida de um ambiente. A realocação do volume pode ser obtida pela modificação do fluxo GAC, de modo que todas as posições de tempo/frequência (k,n) e ©, Q(k,n) sejam substituídas por f(Q(k,n)) nas saidas 431 a 43M das unidades 404, onde f é uma função das coordenadas espaciais (X, Y, Z) , descrevendo a manipulação do volume a ser realizada. A função f pode representar uma simples transformação linear como rotação, tradução ou qualquer outro mapeamento não linear complexo. Esta técnica pode ser usada, por exemplo, para mover fontes de som de uma posição para outra dentro da cena sonora garantindo que © corresponde ao conjunto de posições de tempo/frequência nos quais as fontes de som foram localizadas dentro do volume V. A técnica permite uma variedade de outras manipulações complexas de toda a cena sonora, como reflexão da cena, rotação da cena, ampliação da cena e/ou compressão, etc. Por exemplo, aplicando um mapeamento linear apropriado no volume V, o efeito complementar da expansão do volume, ou seja, redução do volume pode ser obtido. Isto poderia, por exemplo, ser feito pelo mapeamento Q(k,n) para (k,n) © © a f(Q(k,n)) © V', onde V' c V e V' compreende um volume significativamente menor do que V.

De acordo com uma aplicação, o módulo de modificação é adaptado para modificar os valores de coordenada aplicando uma função deterministica nos valores de coordenada, quando os valores de coordenada indicam que uma fonte de som está localizada em uma posição dentro de uma área predefinida de um ambiente. 3. Filtração com base na posição

A ideia de filtração com base na geometria (ou filtração com base na posição) oferece um método para melhorar ou remover completamente/parcialmente as seções de espaço/volumes da cena sonora. Comparado com a expansão do volume e técnicas de transformação, neste caso, entretanto, apenas os dados de pressão do fluxo GAC são modificados pela aplicação das ponderações em escala. Na filtração com base na geometria, uma distinção pode ser feita entre o lado do transmissor 102 e o módulo de modificação do lado do receptor 103, em que o anterior pode utilizar entradas 111 a 11N e 121 A 12N para auxiliar o cálculo computacional de ponderações de filtro apropriadas, conforme descrito na Figura 8. Assumindo que o objetivo é suprimir/melhorar a energia originada de uma seção selecionada de espaço/volume V, a filtração com base na geometria pode ser aplicada como segue: Para todos os (k, n) 6 ©, a pressão complexa P(k, n) no fluxo GAC é modificada para r|P(k, n) nas saldas de 402, onde g é um fator de ponderação real, por exemplo, calculado pela unidade 402. Em algumas aplicações, o módulo 402 pode ser adaptado para calcular um fator de ponderação também dependente da difusão. O conceito da filtração com base na geometria pode ser utilizado em uma pluralidade de aplicações, como melhoria do sinal e separação da fonte. Algumas das aplicações e as informações necessárias a priori compreendem:

Desreverberação. Conhecendo a geometria do ambiente, o filtro espacial pode ser utilizado para suprimir a energia localizada fora dos cantos do ambiente que podem ser causados pela propagação de várias passagens. Esta aplicação pode ser de interesse, por exemplo, para comunicação sem mãos em salas de reunião e . carros. Observe que para suprimir a reverberação tardia, é suficiente fechar o filtro em caso de alta difusão, pelo qual suprime reflexões prematuramente e um filtro dependente de posição é mais efetivo. Neste caso, conforme já mencionado, a geometria da sala precisa ser conhecida a-priori. Supressão do Ruído de Fundo. Um conceito semelhante também pode ser utilizado para suprimir o ruído de fundo. Se as regiões potenciais onde as fontes podem estar localizadas, (por exemplo, as cadeiras dos participantes em salas de reunião ou os assentos em um carro) forem conhecidas, então, a energia localizada fora destas regiões está associada ao ruído de fundo e é assim suprimida pelo filtro espacial. Esta aplicação requer informações a priori ou uma estimativa, com base nos dados disponíveis nos fluxos GAC, da localização aproximada da fontes.

A supressão de um intervencionista do tipo ponto. Se o intervencionista é claramente localizada no espaço, ao invés de difuso, a filtração com base na posição pode ser aplicada para atenuar a energia localizada na posição do intervencionista. Requer informações a priori informações ou uma estimativa da localização do intervencionista. Controle de Eco. Neste caso os intervencionistas a ser suprimidos são os sinais do alto-falante. Para esta finalidade, semelhantemente ao caso para intervencionistas do tipo ponto, a energia localizada exatamente ou próxima da posição dos alto-falantes é suprimida. Requer informações a priori informações ou uma estimativa das posições do alto-falante.

Detecção de voz melhorada. As técnicas de melhoria de sinal associadas com a invenção de filtração com base na geometria podem ser implementadas como uma etapa de processamento em um sistema de detecção da atividade vocal convencional, por exemplo, em carros. A desreverberação, ou supressão do ruido pode ser utilizada como adicionais para melhorar o desempenho do sistema.

Supervisão. Preservar apenas a energia de certas áreas e suprimir o resto é uma técnica muito utilizada nas aplicações de supervisão. Requer informações a priori sobre a geometria e localização da área de interesse.

Separação da Fonte. Em um ambiente com várias fontes simultaneamente ativas a filtração espacial com base na geometria pode ser aplicada para a separação da fonte. Colocar um filtro espacial apropriadamente desenhado centralizado na localização de uma fonte resulta na supressão/atenuação de outras fontes simultaneamente ativas. Esta inovação pode ser usada, por exemplo, como frontal em SAOC. Informações a priori ou uma estimativa das localizações da fonte são necessárias.

Controle de Ganho Automático dependente da Posição (AGC I Automatic Gain Control) . Ponderações dependentes da posição podem ser utilizados, por exemplo, para equalizer o ruido de diferentes transmissores em aplicações de teleconferência.

A seguir, os módulos de sintese de acordo com as aplicações são descritos. De acordo com uma aplicação, um módulo de sintese pode ser adaptado para gerar pelo menos um sinal de saida de áudio com base pelo menos em um valor de pressão de dados de áudio de um fluxo de dados de áudio e com base pelo menos em um valor da posição dos dados de áudio do fluxo de dados de áudio. Pelo menos um valor de pressão pode ser um valor de pressão de um sinal de pressão, por exemplo, um sinal de áudio.

Os princípios da operação atrás da síntese GAC são motivados pelas suposições da percepção de som espacial dado em [27] WC2004077884: Tapio Lokki, Juha Merimaa, and Ville Pulkki. Method for reproducing natural or modified spatial impression in multichannel listening, 2006.

Em particular, os sinais espaciais necessários para corretamente perceber a imagem espacial de uma cena sonora podem ser obtidos reproduzindo corretamente uma direção de chegada do som não difuso para cada posição de tempo/frequência. A síntese, descrita na Figura 10a é assim dividida em dois estágios. O primeiro estágio considera a posição e orientação do escuta dentro da cena sonora e determina qual M IPLS é dominante para cada posição de tempo/frequência. Consequentemente, seu sinal de pressão Pdir e direção de chegada θ pode ser calculado.

As fontes remanescentes e o som difuso são coletados em um segundo sinal de pressão Pdiff. O segundo estágio é idêntico à segunda metade da síntese DirAC descrita em [27]. O som não difuso é reproduzido com um mecanismo de posicionamento que produz uma fonte do tipo ponto, onde o som difuso é reproduzido a partir de todos os alto-falantes após serem descorrelacionados.

A Figura 10a descreve um módulo de síntese de acordo com uma aplicação ilustrando a síntese do fluxo GAC.

A primeira unidade de síntese de estágio 501, calcula os sinais de pressão Pdir e Pdiff que precisam ser reproduzidos diferentemente. De fato, enquanto Pdlr compreende o som que tem que ser reproduzido coerentemente no espaço, Pdiff compreende o som difuso. A terceira saida da primeira unidade de sintese de estágio 501 é a Direção de Chegada (DOA) θ 505 do ponto de vista da posição de escuta desejada, ou seja, as informações de direção de chegada. Observe que a Direção de chegada (DOA) pode ser expressa como um ângulo azimutal se espaço 2D, ou por um par de ângulos azimutal e de elevação em 3D. Equivalentemente, um vetor padrão da unidade indicado na DOA pode ser utilizado.

A DOA especifica de qual direção (relativo à posição de escuta desejada) o sinal Pdir deve vir. A primeira unidade de sintese de estágio 501 considera o fluxo GAC como uma entrada, ou seja, uma representação paramétrica do campo sonoro, e calcula os sinais previamente mencionados com base na posição do escuta e orientação especificada pela entrada 141.

De fato, o usuário final pode decidir livremente a posição de escuta e orientação dentro da cena sonora descrita pelo fluxo GAC.

A segunda unidade de sintese de estágio 502 calcula os sinais L do alto-falante 511 a 51L com base no conhecimento da configuração do alto-falante 131. Favor lembrar que a unidade 502 é idêntica à segunda metade da sintese DirAC descrita em [27].

A Figura 10b descreve uma primeira unidade de armazenamento de sintese de acordo com uma aplicação. A entrada fornecida ao bloco é um fluxo GAC composto por camadas. Em uma primeira etapa, a unidade 601 demultiplexa as camadas M no fluxo GAC paralelo M de uma camada cada. O fluxo GAC i-th compreende um sinal de pressão Pi, uma difusão Φi e um vetor de posição Q± = [XiA Y±, ZiJT. O sinal de pressão Pi compreende um ou mais valores de pressão. O vetor de posição é um valor da posição. Pelo menos um sinal de saida de áudio é agora gerado com base nestes valores.

O sinal de pressão para som direto e difuso Pdir/i e Pdiffziz θ obtido de Pj aplicando um fator correto derivado da difusão Φi. Os sinais de pressão compreendem o som direto entram em um bloco de compensação da propagação 602, que calcula os atrasos correspondentes à propagação do sinal da posição da fonte de som, por exemplo, a posição de IPLS, na posição de escuta. Além disso, o bloco também calcula os fatores de ganho necessários para compensar os diferentes declínios de magnitude. Em outras aplicações, apenas os diferentes declínios de magnitude são compensados, enquanto os atrasos não são compensados.

Os sinais de pressão compensados, denotados por entram no bloco 603, que emite o índice imax da entrada mais forte

A ideia principal por trás deste mecanismo é que a M IPLS ativa na posição de tempo/frequência em estudo, apenas a mais forte (com relação à posição do escuta) será reproduzida coerentemente (ou seja, como som direto). Blocos 604 e 605 selecionam de suas entradas o que é definido por imax. O bloco 607 calcula a direção de chegada da imax-th IPLS com relação à posição e orientação do ouvinte (entrada 141). A saída do bloco 604corresponde à saída do bloco 501, a saber, o som sinal Pdir que será reproduzido como som direto pelo bloco 502. O som difuso, a saber, a saída 504 Pdiff, compreende à soma de todo o som difuso nas ramificações M, bem como todos os sinais de som direto exceto para imax-th, a saber Vj + imax.

A Figura 10c ilustra uma segunda unidade de armazenamento de síntese 502. Conforme previamente mencionado, este estágio é idêntico à segunda metade do módulo de síntese proposto em [27] . O som não difuso Pdir 503 é reproduzido como uma fonte do tipo ponto, por exemplo, por posicionamento, cujos ganhos são calculados no bloco 701 com base na direção de chegada (505) . Por outro lado, o som difuso, Pdiff, passa pelos descorrelacionadores distintos L (711 a 71L) . Para cada um dos sinais do alto-falante L, o som direto e as passagens difusas são adicionados antes de passar pelo filtro de banco inverso (703).

A Figura 11 ilustra um módulo de síntese de acordo com uma aplicação alternativa. Todas as quantidades na figura são consideradas no domínio de tempo/frequência; a notação (k,n) foi negligenciada por razões de simplicidade, por exemplo, Pi = Pi(k,n) . Para melhorar a qualidade do áudio da representação no caso de cenas sonoras particularmente complexas, por exemplo, várias fontes ativas ao mesmo tempo, o módulo de síntese, por exemplo, módulo de síntese 104 pode, por exemplo, ser observado conforme mostrado na Figura 11. Ao invés de selecionar a maioria das IPLS dominantes a ser reproduzidas coerentemente a síntese na Figura 11 realiza uma síntese completa de cada uma das camadas M separadamente. Os sinais do alto-falante L da camada i-th são a saída do bloco 502 e são denotados por 191i a 19Li. O sinal do alto-falante h-th 19h na saída da primeira unidade de armazenamento de síntese 501 é a soma de 19hf a 19hM. Por favor, observe que diferentemente da Figura 10b, a etapa de estimativa de

DOA no bloco 607 precisa ser realizada para cada uma das camadas M.

A Figura 26 ilustra um aparelho 950 para gerar um fluxo de dados do microfone virtual de acordo com uma aplicação. O aparelho 950 para gerar um fluxo de dados do microfone virtual compreende um aparelho 960 para gerar um sinal de saída de áudio de um microfone virtual de acordo com uma das aplicações descritas acima, por exemplo, de acordo com a Figura 12, e um aparelho 970 para gerar um fluxo de dados de áudio de acordo com uma das aplicações descritas acima, por exemplo, de acordo com a Figura 2, em que o fluxo de dados de áudio gerado pelo aparelho 97 0 para gerar um fluxo de dados de áudio é o fluxo de dados do microfone virtual.

O aparelho 960, por exemplo, na Figure 26 para gerar um sinal de saida de áudio de um microfone virtual compreende um avaliador de posição dos eventos sonoros e um módulo de cálculo computacional de informação como na Figura 12. O avaliador de posição dos eventos sonoros é adaptado para estimar uma posição da fonte de som indicando uma posição de uma fonte de som no ambiente, em que o avaliador de posição dos eventos sonoros é adaptado para estimar a posição da fonte de som com base em uma primeira informação de direção fornecida por um primeiro microfone espacial real sendo localizado em uma primeira posição do microfone real no ambiente, e com base em uma segunda informação de direção fornecida por um segundo microfone espacial real sendo localizado em uma segunda posição do microfone real no ambiente. 0 módulo de cálculo computacional de informação é adaptado para gerar o sinal de saida de áudio com base em um sinal de entrada de áudio gravado, com base na primeira posição do microfone real e com base na posição do microfone calculada.

O aparelho 960 para gerar um sinal de saída de áudio de um microfone virtual é disposto para fornecer o sinal de saída de áudio ao aparelho 970 para gerar um fluxo de dados de áudio. O aparelho 97 0 para gerar um fluxo de dados de áudio compreende um determinador, por exemplo, o determinador 210 descrito com relação à Figura 2. O determinador do aparelho 970 para gerar um fluxo de dados de áudio determina os dados da fonte de som com base no sinal de saída de áudio fornecido pelo aparelho 960 para gerar um sinal de saída de áudio de um microfone virtual.

A Figura 27 ilustra um aparelho 980 para gerar, pelo menos, um sinal de saída de áudio com base em um fluxo de dados de áudio de acordo com uma das aplicações descritas acima, por exemplo, o aparelho de acordo com a reivindicação 1, sendo configurado para gerar o sinal de saída de áudio com base em um fluxo de dados do microfone virtual como o fluxo de dados de áudio fornecido por um aparelho 950 para gerar um fluxo de dados do microfone virtual, por exemplo, o aparelho 950 na Figura 26.

O aparelho 980 para gerar um fluxo de dados do microfone virtual insere o sinal do microfone virtual gerado no aparelho 980 para gerar pelo menos um sinal de saída de áudio com base em um fluxo de dados de áudio. Deve ser observado que o fluxo de dados do microfone virtual é um fluxo de dados de áudio. O aparelho 980 para gerar pelo menos um sinal de saída de áudio com base em um fluxo de dados de áudio gera um sinal de saída de áudio com base no fluxo de dados do microfone virtual como fluxo de dados de áudio, por exemplo, conforme descrito com relação ao aparelho da Figura 1.

Embora alguns aspectos tenham sido descritos no contexto de um aparelho, é claro que estes aspectos também representam uma descrição do método correspondente, onde um bloco ou dispositivo corresponde a uma etapa do método ou a uma característica de uma etapa do método. De modo análogo, os aspectos descritos no contexto de uma etapa do método também representam uma descrição de um bloco ou item ou característica correspondente de um aparelho correspondente.

O sinal decomposto inventivo pode ser armazenado em um meio de armazenamento digital ou pode ser transmitido em um meio de transmissão como um meio de transmissão sem fio ou um meio de transmissão com fio como a Internet.

Dependendo de certas exigências da implementação, aplicações da invenção podem ser implementadas em hardware ou em software. A implementação pode ser realizada utilizando um meio de armazenamento digital, por exemplo, um disquete, um DVD, um CD, uma memória ROM, uma PROM, uma EPROM, uma EEPROM ou uma FLASH, tendo sinais de controle legíveis eletronicamente armazenados nele, que cooperam (ou são capazes de cooperar) com um sistema de computador programável de modo que o respectivo método seja realizado.

Algumas aplicações de acordo com a invenção compreendem um transportador de dados não transitório, tendo sinais de controle legíveis eletronicamente que são capazes de cooperar com um sistema de computador programável, de modo que um dos métodos descritos aqui seja realizado.

Geralmente, as aplicações da presente invenção podem ser implementadas como um produto do programa de computador com um código do programa, o código do programa sendo operativo para realizar um dos métodos quando o produto do programa de computador opera em um computador. O código do programa pode, por exemplo, ser armazenado em um transportador legivel por máquina.

Outras aplicações compreendem o programa de computador para realizar um dos métodos descritos aqui, armazenados em um transportador legivel por máquina.

Em outras palavras, uma aplicação do método inventivo é, desta forma, um programa de computador, tendo um código do programa para realizar um dos métodos descritos aqui, quando o programa de computador opera em um computador. Outra aplicação dos métodos inventivos é, desta forma, um transportador de dados (ou um meio de armazenamento digital, ou um meio legivel por computador) compreendendo, gravado nele, o programa de computador para realizar um dos métodos descritos aqui. Outra aplicação do método inventivo é, desta forma, um fluxo de dados ou uma sequência de sinais que representa o programa de computador para realizar um dos métodos descritos aqui. O fluxo de dados ou a sequência de sinais pode, por exemplo, ser configurado para ser transferido através de uma conexão de comunicação de dados, por exemplo, através da Internet. Outra aplicação compreende um meio de processamento, por exemplo, um computador, ou um dispositivo de lógica programável, configurado ou adaptado para realizar um dos métodos descritos aqui. instalado nele o programa de computador para realizar um dos métodos descritos aqui.

Em algumas aplicações, um dispositivo de lógica programável (por exemplo, um conjunto de portas lógicas programáveis) pode ser utilizado para realizar algumas ou todas as funcionalidades dos métodos descritos aqui. Em algumas aplicações, um conjunto de portas lógicas programáveis pode cooperar com um microprocessador para realizar um dos métodos descritos aqui. Geralmente, os métodos são preferivelmente realizados por qualquer aparelho de hardware.

As aplicações descritas acima são meramente ilustrativas para os princípios da presente invenção. É entendido que as modificações e variações das disposições e os detalhes descritos aqui serão evidentes a outros especialistas na técnica. É a intenção, portanto, ser limitada apenas pelo escopo das reivindicações de patente iminentes e não pelos detalhes específicos apresentados em forma de descrição e explicação das aplicações aqui. Literatura: Michael A. Gerzon. Ambisonics in multichannel broadcasting and video. J. Audio Eng. Soc, 33(11):859-871, 1985. V. Pulkki, "Directional audio coding in spatial sound reproduction and stereo upmixing," in Proceedings of the AES 28th International Conference, pp. 251-258, Piteâ, Sweden, June 30 - July 2, 2006. V. Pulkki, "Spatial sound reproduction with directional audio coding," J. Audio Eng. Soc., vol. 55, no. 6, pp. 503-516, June 2007. C. Faller: "Microphone Front-Ends for Spatial Audio Coders", in Proceedings of the AES 125th International Convention, San Francisco, Oct. 2008. M. Kallinger, H. Ochsenfeld, G. Del Galdo, F. Küch, D. Mahne, R. Schultz-Amling. and 0. Thiergart, "A spatial filtering approach for directional audio coding," in Audio Engineering Society Convention 126, Munich, Germany, May 2009. R. Schultz-Amling, F. Küch, O. Thiergart, and M. Kallinger, "Acoustical zooming based on a parametric sound field representation," in Audio Engineering Society Convention 128, London UK, May 2010. J. Herre, C. Falch, D. Mahne, G. Del Galdo, M. Kallinger, and 0. Thiergart, "Interactive teleconferencing combining spatial audio object coding and DirAC technology," in Audio Engineering Society Convention 128, London UK, May 2010. E. G. Williams, Fourier Acoustics: Sound Radiation and Nearfield Acoustical Holography, Academic Press, 1999. A. Kuntz and R. Rabenstein, "Limitations in the extrapolation of wave fields from circular measurements," in 15th European Signal Processing Conference (EUSIPCO 2007), 2007. A. Walther and C. Faller, "Linear simulation of spaced microphone arrays using b-format recordings," in Audio Engiineering Society Convention 128, London UK, May 2010. US61/287,596: An Apparatus and a Method for Converting a First Parametric Spatial Audio Signal into a Second Parametric Spatial Audio Signal. S. Rickard and Z. Yilmaz, "On the approximate W- disjoint orthogonality of speech," in Acoustics, Speech and Signal Processing, 2002. ICASSP 2002. IEEE International Conference on, April 2002, vol. 1. R. Roy, A. Paulraj, and T. Kailath, "Direction- of-arrival estimation by subspace rotation methods - ESPRIT," in IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP), Stanford, CA, USA, April 1986. R. Schmidt, "Multiple emitter location and signal parameter estimation," IEEE Transactions on Antennas and Propagation, vol. 34, no. 3, pp. 276-280, 1986. J. Michael Steele, "Optimal Triangulation of Random Samples in the Plane", The Annals of Probability, Vol. 10, No.3 (Aug., 1982), pp. 548-553. F. J. Fahy, Sound Intensity, Essex: Elsevier Science Publishers Ltd., 1989. R. Schultz-Amling, F. Küch, M. Kallinger, G. Del Galdo, T. Ahonen and V. Pulkki, "Planar microphone array processing for the analysis and reproduction of spatial audio using directional audio coding," in Audio Engineering Society Convention 124, Amsterdam, The Netherlands, May 2008. M. Kallinger, F. Küch, R. Schultz-Amling, G. Del Galdo, T. Ahonen and V. Pulkki, "Enhanced direction estimation using microphone arrays for directional audio coding;" in HandsFree Speech Communication and Microphone Arrays, 2008. HSCMA 2008, May 2008, pp. 45-48. R. K. Furness, "Ambisonics - An overview," in AES 8th International Conference, April 1990, pp. 181-189. TobiasWeller, and E. A. P. Habets. Generating virtual microphone signals using geometrical information gathered by distributed arrays. In Third Joint Workshop on Hands-free Speech Communication and Microphone Arrays (HSCMA 'll), Edinburgh, United Kingdom, May 2011. J. Herre, K. Kjbrling, J. Breebaart, C. Faller, S. Disch, H. Purnhagen, J. Koppens, J. Hilpert, J. Rõdén, W. Oomen, K. Linzmeier, K.S. Chong: "MPEG Surround - The ISO/MPEG Standard for Efficient and Compatible Multichannel Audio Coding", 122nd AES Convention, Vienna, Austria, 2007, Preprint 7084. Ville Pulkki. Spatial sound reproduction with directional audio coding. J. Audio Eng. Soc, 55(6):503-516, June 2007 . C. Faller. Microphone front-ends for spatial audio coders. In Proc, of the AES 125th International Convention, San Francisco, Oct. 2008. Emmanuel Gallo and Nicolas Tsingos. Extracting and re-rendering structured auditory scenes from field recordings. In AES 30th International Conference on Intelligent Audio Environments, 2007. Jeroen Breebaart, Jonas Engdegârd, Cornelia Falch, Oliver Hellmuth, Johannes Hilpert, Andreas Hoelzer, Jeroens Koppens, Werner Oomen, Barbara Resch, Erik Schuijers, and Leonid Terentiev. Spatial audio object coding (saoc) - the upcoming mpeg standard on parametric object based audio coding. In Audio Engineering Society Convention 124, 5 2008. R. Roy and T. Kailath. ESPRIT-estimation of signal parameters via rotational invariance techniques. Acoustics Speech and Signal Processing, IEEE Transactions on, 37 (7):984-995, July 1989. W02004077884: Tapio Lokki, Juha Merimaa, and Ville Pulkki. Method for reproducing natural or modified spatial 5 impression in multichannel listening, 2006. [28] Svein Berge. Device and method for converting spatial audio signal. US patent application, Appl. No. 10/547,151.

Claims (16)

1. Um dispositivo (150) para gerar pelo menos dois sinais de saída de áudio com base em um fluxo de dados de áudio que contém dados de áudio relacionados a duas ou mais fontes sonoras, em que o dispositivo (150) caracterizado por compreender: um receptor (160) para receber o fluxo de dados de áudio contendo os dados de áudio, em que os dados de áudio contêm, para cada uma das duas ou mais fontes sonoras, um ou mais valores de pressão sonora, em que os dados de áudio ainda contêm, para cada uma das duas ou mais fontes sonoras, um ou mais valores de posição que indicam a posição de uma das duas ou mais fontes sonoras, em que cada um dos um ou mais valores de posição compreende pelo menos dois valores de coordenadas, e em que os dados de áudio ainda contêm um ou mais valores de difusão sonora para cada uma das duas ou mais fontes sonoras; e um módulo de síntese (170; 620) para gerar os pelo menos dois sinais de saída de áudio com base nos um ou mais valores de pressão sonora de cada uma das duas ou mais fontes sonoras, com base nos um ou mais valores de posição de cada uma das duas ou mais fontes sonoras e com base nos um ou mais valores de difusão sonora de cada uma das duas ou mais fontes sonoras, em que o módulo de síntese (170; 620) compreende uma unidade de síntese de primeira etapa para gerar um sinal de pressão sonora direta compreendendo som direto, um sinal de pressão sonora difusa compreendendo som difuso e informações de direção de chegada com base nos valores de pressão sonora das duas ou mais fontes sonoras dos dados de áudio do fluxo de dados de áudio, com base nos valores de posição das duas ou mais fontes sonoras dos dados de áudio do fluxo de dados de áudio e com base nos valores de difusão sonora das duas ou mais fontes sonoras dos dados de áudio do fluxo de dados de áudio, e em que o módulo de síntese (170; 620) compreende uma unidade de síntese de segunda etapa para gerar os pelo menos dois sinais de saída de áudio com base no sinal de pressão sonora direta, no sinal de pressão sonora difusa e nas informações de direção de chegada, em que o sinal de pressão sonora direta compreende o valor de pressão sonora direta compensado daquela das duas ou mais fontes sonoras que possui um índice imax, com em que é o valor de pressão sonora direta compensado de uma das fontes sonoras i-ésimas das duas ou mais fontes sonoras, e em que o sinal de pressão sonora difusa depende de todos os valores de pressão difusa das duas ou mais fontes sonoras e de todos os valores de pressão sonora direta compensada das duas ou mais fontes sonoras, exceto o valor de pressão sonora direta compensado da fonte sonora imax.

2. O dispositivo (150) de acordo com a reivindicação 1, caracterizado por os dados de áudio são definidos em um domínio tempo-frequência.

3. O dispositivo (150) de acordo com a reivindicação 1, caracterizado por o receptor (160) compreende ainda um módulo de modificação (630) para modificar os dados de áudio do fluxo de dados de áudio recebido, modificando pelo menos um dos valores de pressão sonora de duas ou mais fontes sonoras dos dados de áudio, ou modificando pelo menos um dos valores de posição de duas ou mais fontes sonoras dos dados de áudio, ou modificando pelo menos um dos valores de difusão sonora das duas ou mais fontes sonoras dos dados de áudio, e em que o módulo de síntese (170; 620) é adaptado para gerar o pelo menos um sinal de saída de áudio com base no pelo menos um valor de pressão sonora que foi modificado ou com base no pelo menos um valor de posição que foi modificado ou com base no pelo menos um valor de difusão sonora que foi modificado.

4. O dispositivo (150) de acordo com a reivindicação 3, caracterizado por cada um dos valores de posição de cada uma das duas ou mais fontes sonoras compreende pelo menos dois valores de coordenadas, e em que o módulo de modificação (630) é adaptado para modificar os valores de coordenadas adicionando pelo menos um número aleatório aos valores de coordenadas, quando os valores de coordenadas indicam que uma fonte sonora está localizada em uma posição dentro de uma área pré-definida de um ambiente.

5. O dispositivo (150) de acordo com a reivindicação 3, caracterizado por cada um dos valores de posição de cada uma das duas ou mais fontes sonoras compreende pelo menos dois valores de coordenadas, e em que o módulo de modificação (630) é adaptado para modificar os valores de coordenadas aplicando uma função determinística aos valores de coordenadas, quando os valores de coordenadas indicam que uma fonte sonora está localizada em uma posição dentro de uma área pré-definida de um ambiente.

6. O dispositivo (150) de acordo com a reivindicação 3, caracterizado por cada um dos valores de posição de cada uma das duas ou mais fontes sonoras compreende pelo menos dois valores de coordenadas, e em que o módulo de modificação (630) é adaptado para modificar um valor de pressão sonora selecionado dos um ou mais valores de pressão sonora das duas ou mais fontes sonoras dos dados de áudio, o valor de pressão sonora selecionado relacionado à mesma fonte sonora que os valores de coordenadas, quando os valores de coordenadas indicam que uma fonte sonora está localizada em uma posição dentro de uma área pré-definida de um ambiente.

7. O dispositivo (150) de acordo com a reivindicação 6, caracterizado por o módulo de modificação (630) é adaptado para modificar o valor de pressão sonora selecionado dos um ou mais valores de pressão sonora das duas ou mais fontes sonoras dos dados de áudio com base em um dos um ou mais valores de difusão de som, quando os valores de coordenadas indicam que a fonte sonora está localizada na posição dentro da área pré-definida de um ambiente.

8. O dispositivo (150) de acordo com a reivindicação 1, configurado para gerar o sinal de saída de áudio com base em um fluxo de dados de microfone virtual como o fluxo de dados de áudio fornecido por um dispositivo para gerar um fluxo de dados de microfone virtual, compreendendo: um dispositivo para gerar um sinal de saída de áudio de um microfone virtual; e um dispositivo para gerar um fluxo de dados de áudio como o fluxo de dados de microfone virtual, caracterizado por o fluxo de dados de áudio compreende dados de áudio, em que os dados de áudio compreendem, para cada uma das uma ou mais fontes sonoras, um ou mais valores de posição que indicam a posição da fonte sonora, em que cada um dos um ou mais valores de posição compreende pelo menos dois valores de coordenadas, em que o dispositivo para gerar um fluxo de dados de áudio compreende: um determinador (210; 670) para determinar os dados da fonte sonora com base em pelo menos um sinal de entrada de áudio gravado por pelo menos um microfone e com base em informações adicionais de áudio fornecidas por pelo menos dois microfones espaciais, as informações adicionais de áudio sendo informações adicionais espaciais que descrevem o som espacial; e um gerador de fluxo de dados para gerar o fluxo de dados de áudio de forma que o fluxo de dados de áudio compreenda os dados da fonte sonora; em que cada um dos pelo menos dois microfones espaciais é um dispositivo para aquisição de som espacial capaz de recuperar a direção de chegada do som, e em que os dados da fonte sonora compreendem um ou mais valores de pressão sonora para cada uma das fontes sonoras, em que os dados da fonte sonora compreendem, além disso, um ou mais valores de posição que indicam a posição da fonte sonora para cada uma das fontes sonoras, e em que os dados da fonte sonora compreendem, além disso, um ou mais valores de difusão de som para cada uma das fontes sonoras.

9. Um sistema, compreendendo: um dispositivo (150) para gerar pelo menos dois sinais de saída de áudio com base em um fluxo de dados de áudio compreendendo dados de áudio relacionados a duas ou mais fontes sonoras, e um dispositivo (200) para gerar um fluxo de dados de áudio compreendendo dados da fonte sonora relacionados a duas ou mais fontes sonoras, caracterizado por o dispositivo (150) para gerar pelo menos dois sinais de saída de áudio compreende: um receptor (160) para receber o fluxo de dados de áudio compreendendo os dados de áudio, em que os dados de áudio compreendem, para cada uma das duas ou mais fontes sonoras, um ou mais valores de pressão sonora, em que os dados de áudio compreendem, além disso, para cada uma das duas ou mais fontes sonoras, um ou mais valores de posição que indicam a posição de uma das duas ou mais fontes sonoras, em que cada um dos um ou mais valores de posição compreende pelo menos dois valores de coordenadas, e em que os dados de áudio compreendem, além disso, um ou mais valores de difusão de som para cada uma das duas ou mais fontes sonoras; e um módulo de síntese (170; 620) para gerar os pelo menos dois sinais de saída de áudio com base no um ou mais valores de pressão sonora de cada uma das duas ou mais fontes sonoras, com base no um ou mais valores de posição de cada uma das duas ou mais fontes sonoras e com base no um ou mais valores de difusão de som de cada uma das duas ou mais fontes sonoras, em que o módulo de síntese (170; 620) compreende uma unidade de síntese de primeira etapa para gerar um sinal de pressão sonora direta compreendendo som direto, um sinal de pressão sonora difusa compreendendo som difuso e informações de direção de chegada com base nos valores de pressão sonora das duas ou mais fontes sonoras dos dados de áudio do fluxo de dados de áudio, com base nos valores de posição das duas ou mais fontes sonoras dos dados de áudio do fluxo de dados de áudio e com base nos valores de difusão de som das duas ou mais fontes sonoras dos dados de áudio do fluxo de dados de áudio, e em que o módulo de síntese (170; 620) compreende uma unidade de síntese de segunda etapa para gerar os pelo menos dois sinais de saída de áudio com base no sinal de pressão sonora direta, no sinal de pressão sonora difusa e nas informações de direção de chegada, em que o sinal de pressão sonora direta compreende o valor de pressão sonora direta compensado daquela das duas ou mais fontes sonoras que possui um índice imax, com em que é o valor de pressão sonora direta compensado de uma das fontes sonoras i-ésimas das duas ou mais fontes sonoras, e em que o sinal de pressão sonora difusa depende de todos os valores de pressão sonora difusa das duas ou mais fontes sonoras e de todos os valores de pressão sonora direta compensada das duas ou mais fontes sonoras, exceto o valor de pressão sonora direta compensado da fonte sonora imax -ésima. em que o dispositivo (200) para gerar um fluxo de dados de áudio compreende: um determinador (210; 670) para determinar os dados da fonte sonora com base em pelo menos um sinal de entrada de áudio gravado por pelo menos um microfone e com base em informações adicionais de áudio fornecidas por pelo menos dois microfones espaciais, as informações adicionais de áudio sendo informações adicionais espaciais que descrevem o som espacial; e um gerador de fluxo de dados para gerar o fluxo de dados de áudio de forma que o fluxo de dados de áudio compreenda os dados da fonte sonora; em que cada um dos pelo menos dois microfones espaciais é um dispositivo para aquisição de som espacial capaz de recuperar a direção de chegada do som, e em que os dados da fonte sonora compreendem um ou mais valores de pressão sonora para cada uma das duas ou mais fontes sonoras, em que os dados da fonte sonora compreendem, além disso, um ou mais valores de posição que indicam a posição da fonte sonora para cada uma das duas ou mais fontes sonoras, e em que os dados da fonte sonora compreendem, além disso, um ou mais valores de difusão de som para cada uma das duas ou mais fontes sonoras.

10. Um método para gerar pelo menos dois sinais de saída de áudio com base em um fluxo de dados de áudio compreendendo dados de áudio relacionados a duas ou mais fontes sonoras, caracterizado por o método compreender: receber o fluxo de dados de áudio compreendendo os dados de áudio, em que os dados de áudio compreendem, para cada uma das duas ou mais fontes sonoras, um ou mais valores de pressão sonora, em que os dados de áudio compreendem, além disso, para cada uma das duas ou mais fontes sonoras, um ou mais valores de posição que indicam a posição de uma das duas ou mais fontes sonoras, em que cada um dos um ou mais valores de posição compreende pelo menos dois valores de coordenadas, e em que os dados de áudio compreendem, além disso, um ou mais valores de difusão de som para cada uma das duas ou mais fontes sonoras; e gerar os pelo menos dois sinais de saída de áudio com base no valor de pressão sonora de cada uma das duas ou mais fontes sonoras, com base no valor de posição de cada uma das duas ou mais fontes sonoras e com base no valor de difusão de som de cada uma das duas ou mais fontes sonoras, em que gerar os pelo menos dois sinais de saída de áudio compreende gerar um sinal de pressão sonora direta compreendendo som direto, um sinal de pressão sonora difusa compreendendo som difuso e informações de direção de chegada com base nos valores de pressão sonora das duas ou mais fontes sonoras dos dados de áudio do fluxo de dados de áudio, com base nos valores de posição das duas ou mais fontes sonoras dos dados de áudio do fluxo de dados de áudio e com base nos valores de difusão de som das duas ou mais fontes sonoras dos dados de áudio do fluxo de dados de áudio, e em que gerar os pelo menos dois sinais de saída de áudio compreende gerar os pelo menos dois sinais de saída de áudio com base no sinal de pressão sonora direta, no sinal de pressão sonora difusa e nas informações de direção de chegada, em que o sinal de pressão sonora direta compreende o valor de pressão sonora direta compensado daquela das duas ou mais fontes sonoras que possui um índice imax, com em que é o valor de pressão sonora direta compensado de uma das fontes sonoras i-ésimas das duas ou mais fontes sonoras, e em que o sinal de pressão sonora difusa depende de todos os valores de pressão sonora difusa das duas ou mais fontes sonoras e de todos os valores de pressão sonora direta compensada das duas ou mais fontes sonoras, exceto o valor de pressão sonora direta compensado da fonte sonora imax -ésima.

11. O sistema de acordo com a reivindicação 9, caracterizado por os dados da fonte sonora são definidos em um domínio tempo-frequência.

12. O sistema de acordo com a reivindicação 9, caracterizado por o determinador (210; 670) do dispositivo (200) para gerar o fluxo de dados de áudio é adaptado para determinar o um ou mais valores de difusão de som dos dados da fonte sonora com base em informações de difusão de som relacionadas a pelo menos um microfone espacial dos pelo menos dois microfones espaciais, as informações de difusão de som indicando a difusão do som em pelo menos um dos pelo menos dois microfones espaciais.

13. O sistema de acordo com a reivindicação 12, caracterizado por o dispositivo (200) para gerar o fluxo de dados de áudio compreende, além disso, um módulo de modificação (690) para modificar o fluxo de dados de áudio gerado pelo gerador de fluxo de dados, modificando pelo menos um dos valores de pressão sonora das duas ou mais fontes sonoras dos dados de áudio, pelo menos um dos valores de posição das duas ou mais fontes sonoras dos dados de áudio ou pelo menos um dos valores de difusão de som das duas ou mais fontes sonoras dos dados de áudio relacionados a pelo menos uma das fontes sonoras.

14. O sistema de acordo com a reivindicação 13, caracterizado por cada um dos valores de posição de cada uma das fontes sonoras compreende pelo menos dois valores de coordenadas, e em que o módulo de modificação (690) do dispositivo (200) para gerar o fluxo de dados de áudio é adaptado para modificar os valores de coordenadas adicionando pelo menos um número aleatório aos valores de coordenadas ou aplicando uma função determinística nos valores de coordenadas, quando os valores de coordenadas indicam que uma fonte sonora está localizada em uma posição dentro de uma área pré-definida de um ambiente.

15. O sistema de acordo com a reivindicação 13, caracterizado por cada um dos valores de posição de cada uma das fontes sonoras compreende pelo menos dois valores de coordenadas, e, quando os valores de coordenadas de uma das fontes sonoras indicam que essa fonte sonora está localizada em uma posição dentro de uma área pré-definida de um ambiente, o módulo de modificação (690) do dispositivo (200) para gerar o fluxo de dados de áudio é adaptado para modificar um valor de pressão sonora selecionado dessa fonte sonora dos dados de áudio.

16. O sistema de acordo com a reivindicação 13, caracterizado por o módulo de modificação (690) do dispositivo (200) para gerar o fluxo de dados de áudio é adaptado para modificar os valores de coordenadas aplicando uma função determinística nos valores de coordenadas, quando os valores de coordenadas indicam que uma fonte sonora está localizada em uma posição dentro de uma área pré-definida de um ambiente.