BR112012024528B1

BR112012024528B1 - método e dispositivo para decodificar uma representação para campo de som de áudio para reprodução de áudio e meio legível por computador

Info

Publication number: BR112012024528B1
Application number: BR112012024528-7A
Authority: BR
Inventors: Johann-Markus Batke; Florian Keiler; Johannes Boehm
Original assignee: Dolby International Ab
Priority date: 2010-03-26
Filing date: 2011-03-25
Publication date: 2021-05-11
Also published as: JP6336558B2; EP2553947A1; AU2011231565B2; US20200273470A1; US20220189492A1; US10037762B2; US9100768B2; KR102294460B1; CN102823277B; KR101795015B1; KR20190022914A; JP6067773B2; KR20170084335A; PT2553947E; CN102823277A; US10629211B2; US20190139555A1; JP2014161122A; US20190341062A1; KR20240009530A

Abstract

MÉTODO E DISPOSITIVO PARA DECODIFICAR UMA REPRESENTAÇÃO PARA CAMPO DE SOM DE ÁUDIO PARA REPRODUÇÃO DE ÁUDIO. A presente invenção se refere a sinais de campo de som tais como, por exemplo, Ambisonics que portam a representação de um campo de som desejado. O formato Ambisonics é baseado em decomposição harmônica esférica do campo de som, e Ambisonics de Ordem Mais Elevada (HOA) usa harmônicas esféricas de pelo menos segunda ordem. Entretanto, a configuração comumente usada dos altos-falantes são irregulares e levam a problemas na configuração do decodificador. Um método aprimorado para decodificar uma representação do decodificador. Um método aprimorado para decodificar uma representação para campo de som de áudio para reprodução de áudio compreende calcular (110) a função de ação panorâmica (W) usando um método geométrico baseado nas posições da pluralidade de alto-falantes e uma pluralidade de direções de fonte, calcular (120) a matriz de modo (equivalente) a partir das posições de alto-falante, calcular (130) a matriz de modo pseudo-inversa (equivalente+) e decodificar (140) a representação para campo de som de áudio. A decodificação é baseada na matriz de decodificação (D) que é obtida a partir da função de ação panorâmica (W) e na matriz de modo pseudo- inversa (...).

Description

Campo da invenção

[0001] A presente invenção se refere a um método e um dispositivo para decodificar uma representação para campo de som de áudio, e em particular uma representação de áudio Ambisonics formatada, para reprodução de áudio.

Antecedentes

[0002] A presente seção pretende introduzir ao leitor os diversos aspectos da técnica, que podem estar relacionados aos diversos aspectos da presente invenção que são descritos e/ou reivindicados abaixo. Acredita-se que a presente discussão seja útil em proporcionar ao leitor com informação de antecedentes para facilitar um melhor entendimento dos diversos aspectos da presente invenção. Assim, deve ser entendido que as referidas determinações devem ser lidas na luz, e não como admissões da técnica anterior, a não ser que uma fonte seja expressamente mencionada.

[0003] A localização precisa é um objetivo chave para qualquer sistema espacial de reprodução de áudio. Os referidos sistemas de reprodução são altamente aplicáveis para sistemas de conferencia, jogos, ou outros ambientes virtuais que se beneficiam do som 3D. Cenas de som em 3D podem ser sintetizadas ou capturadas como um campo de som natural. Sinais de campo de som tais como, por exemplo, Ambisonics portam uma representação de um campo de som desejado. O formato Ambisonics é baseado em decomposição harmônica esférica do campo de som. Embora o formato Ambisonics básico ou formato-B usem harmônicas esféricas de ordem zero e uma, a assim chamada Ambisonics de Ordem Mais Elevada (HOA) usa também harmônicas esféricas adicionais de pelo menos segunda ordem. Um processo de decodificação é necessário para obter os sinais individuais de alto-falante. Para sintetizar cenas de áudio, funções de ação panorâmica que se referem ao arranjo espacial de alto-falante, são necessárias para se obter uma localização espacial da determinada fonte de som. Se um campo de som natural tiver que ser registrado, estruturas de microfones são necessárias para capturar a informação espacial. A abordagem conhecida Ambisonics é uma ferramenta bem adequada para realizar isto. Sinais formatados Ambisonics portam uma representação do campo de som desejado. Um processo de decodificação é necessário para se obter os sinais individuais de alto-falante a partir dos referidos sinais formatados Ambisonics. Uma vez também neste caso as funções de ação panorâmica podem ser derivadas a partir das funções de decodificação, as funções de ação panorâmica são o item chave para descrever a tarefa de localização espacial. O arranjo espacial de alto- falantes é referido aqui como a configuração do alto-falante.

[0004] Configurações dos alto-falantes comumente usadas são as configurações de estéreo, que empregam dois alto-falantes, a configuração surround padrão usando cinco alto-falantes, e extensões da configuração surround usando mais do que cinco alto-falantes. As referidas configurações são bem conhecidas. Entretanto, as mesmas são restritas a duas dimensões (2D), por exemplo, sem informação de altura é reproduzida.

[0005] A configuração dos alto-falantes para reprodução tridimensional (3D) é descrita, por exemplo, em "Wide listening area with exceptional spatial sound quality of a 22.2 multichannel sound system", K. Hamasaki, T. Nishiguchi, R. Okumaura, e Y. Nakayama in Audio Engineering Society Preprints, Vienna, Austria, Maio de 2007, que é uma proposta para a TV de ultra alta definição NHK com formato 22.2, ou o arranjo 2+2+2 de Dabringhaus (mdg-musikproduktion dabringhaus und grimm, www.mdg.de) e uma configuração 10.2 em "Sound for Film and Television", T. Holman em 2nd ed. Boston: Focal Press, 2002. Um dos poucos sistemas conhecidos que se referem a estratégias de reprodução espacial e ação panorâmica é a abordagem de Ação Panorâmica de Amplitude com Base em Vetor (VBAP) em "Virtual sound source positioning using vector base amplitude panning", Journal of Audio Engineering Society, vol. 45, no. 6, pp. 456466, Junho de 1997, aqui Pulkki. VBAP (Vector Based Amplitude Panning) que foi usada por Pulkki para reproduzir sons acústicos virtuais com uma configuração arbitrária do alto-falante. Para se dispor uma fonte virtual em um plano 2D, um par de alto-falantes é necessário, enquanto que em um caso de 3D um grupo de três alto- falantes são necessários. Para cada fonte virtual, um sinal monofônico com diferentes ganhos (dependente da posição da fonte virtual) é alimentado para os alto-falantes selecionados a partir da configuração completa. Os sinais de alto-falante para todas as fontes virtuais são então somados. A VBAP aplica uma abordagem geométrica para calcular os ganhos dos sinais de alto-falante para a ação panorâmica entre os alto-falantes.

[0006] Uma configuração 3D exemplificativa do exemplo de alto- falante considerado e recém-proposta aqui tem 16 alto-falantes, que são posicionados como mostrado na figura 2. O posicionamento foi escolhido em virtude de considerações práticas, tendo quatro colunas com três alto-falantes cada e alto-falantes adicionais entre as referidas colunas. Em mais detalhes, oito dos alto-falantes são igualmente distribuídos em um círculo em torno da cabeça do ouvinte, encerrando ângulos de 45 graus. Quatro alto-falantes adicionais são localizados na parte de topo e na parte de fundo, encerrando ângulos de azimute de 90 graus. Com relação a Ambisonics, a referida configuração é irregular e ocasiona problemas na configuração do decodificador, como mencionado em "An ambisonics format for flexible reproduction layouts", por H. Pomberger e F. Zotter em Proceedings of the 1st Ambisonics Symposium, Graz, Austria, Julho de 2009.

[0007] Decodificação convencional de Ambisonics, como descrito em "Three-dimensional surround sound systems based on spherical harmonics" por M. Poletti em J. Audio Eng. Soc, vol. 53, no. 11, pp. 1004 - 1025, Novembro de 2005, emprega o processo de correspondência de modo comumente conhecido. Os modos são descritos pelos vetores de modo que contêm valores das harmônicas esféricas para uma direção distinta de incidência. A combinação de todas as direções dadas pelos alto-falantes individuais leva à matriz de modo da configuração do alto-falante, de modo que a matriz de modo representa as posições de alto-falante. Para reproduzir o modo de um sinal de fonte distinta, os modos dos alto-falantes são pesados em tal modo que os modos superpostos dos alto-falantes individuais se somam ao modo desejado. Para obter os pesos necessários, uma representação de matriz inversa da matriz de modo de alto-falante precisa ser calculada. Em termos de decodificação de sinal, os pesos formam o sinal de direcionamento dos alto-falantes, e a matriz inversa de modo de alto-falante é referida como "matriz de decodificação", que é aplicada para decodificar uma representação de sinal formatado de Ambisonics. Em particular, para muitas configurações dos alto- falantes, por exemplo, a configuração mostrada na figura 2, é difícil de obter o inverso da matriz de modo.

[0008] Como mencionado acima, a configuração comumente usada dos alto-falantes é restrita a 2D, isto é, nenhuma informação de altura é reproduzida. Decodificar uma representação de campo de som para uma configuração do alto-falante com distribuição espacial matematicamente não regular leva à problemas de localização e coloração com as técnicas comumente conhecidas. Para decodificar um sinal Ambisonics, a matriz de decodificação (isto é, uma matriz de coeficientes de decodificação) é usada. Na decodificação convencional de sinais Ambisonics, e particularmente sinais HOA, pelo menos dois problemas ocorrem. Primeiro, para corrigir a decodificação é necessário se conhecer as direções de fonte de sinal para obter a matriz de decodificação. Segundo, o mapeamento a uma configuração existente do alto-falante é sistematicamente errada em virtude do problema matemático a seguir: uma decodificação matematicamente correta resultará em não só em amplitudes alto-falante positivas, mas também em algumas negativas. Entretanto, as referidas são erroneamente reproduzidas como sinais positivos, assim conduzindo aos problemas acima mencionados.

Sumário da Invenção

[0009] A presente invenção descreve um método para decodificar uma representação de um campo de som para as distribuições espaciais não regulares com propriedades de localização e coloração altamente aprimoradas. Isto representa outro modo de se obter uma matriz de decodificação para os dados de campo de som, por exemplo, em formato Ambisonics, e emprega um processo em um modo de estimativa de sistema. Considerando um conjunto de possíveis direções de incidência, as funções de ação panorâmica relacionadas aos alto-falantes desejados são calculadas. As funções de ação panorâmica são tomadas como resultado de um processo de decodificação Ambisonics. O necessário sinal de entrada é uma matriz de modo de todas as direções consideradas. Portanto, como mostrado abaixo, a matriz de decodificação é obtida por multiplicar a matriz de ponderação por uma versão inversa da matriz de modo dos sinais de entrada.

[00010] Com relação ao segundo problema mencionado acima, foi observado que é também possível se obter a matriz de decodificação a partir do inverso da assim chamada matriz de modo, o que representa as posições de alto-falante, e funções de ponderação dependente de posição ("funções de ação panorâmica") W. um aspecto da presente invenção é que as referidas funções de ação panorâmica W podem ser derivadas usando a diferente método do que o comumente usado. Vantajosamente, um simples método geométrico é usado. O referido método não requer nenhum conhecimento de qualquer direção de fonte de sinal, assim solucionando o primeiro problema mencionado acima. O referido método é conhecido como "Ação Panorâmica de Amplitude com Base em Vetor" (VBAP). De acordo com a presente invenção, VBAP é usado para calcular as necessárias funções de ação panorâmica, que são então usadas para calcular a matriz de decodificação Ambisonics. Outro problema ocorre em que o inverso da matriz de modo (que representa a configuração do alto-falante) é necessário. Entretanto, o inverso exato é difícil de obter, que também leva a uma errada reprodução de áudio. Assim, um aspecto adicional é que para obter a matriz de decodificação uma pseudo matriz de modo inversa é calculada, que é muito mais fácil de obter.

[00011] A presente invenção usa uma abordagem de duas etapas. A primeira etapa é uma derivação das funções de ação panorâmica que são dependentes da configuração do alto-falante usada para reprodução. Na segunda etapa, uma matriz de decodificação Ambisonics é computada a partir das referidas funções de ação panorâmica para todos os alto-falantes.

[00012] Uma vantagem da presente invenção é que nenhuma descrição paramétrica das fontes de som é necessária; em vez disso, uma descrição de campo de som tal como Ambisonics pode ser usada.

[00013] De acordo com a presente invenção, um método para decodificar uma representação para campo de som de áudio para reprodução de áudio compreende etapas de etapas de calcular, para cada de uma da pluralidade de alto-falantes, a função de ação panorâmica usando um método geométrico baseado nas posições dos alto-falantes e na pluralidade de direções de fonte, calcular a matriz de modo a partir das direções de fonte, calcular a matriz de modo pseudo-inversa da matriz de modo, e decodificar a representação para campo de som de áudio, em que a decodificação é baseada em uma matriz de decodificação que é obtida a partir pelo menos da função de ação panorâmica e da matriz de modo pseudo-inversa.

[00014] De acordo com outro aspecto, um dispositivo para decodificar uma representação para campo de som de áudio para reprodução de áudio compreende primeiros meios de cálculo para calcular, para cada uma da pluralidade de alto-falantes, a função de ação panorâmica usando um método geométrico baseado nas posições dos alto-falantes e na pluralidade de direções de fonte, segundos meios de cálculo para calcular a matriz de modo a partir das direções de fonte, terceiros meios de cálculo para calcular a matriz de modo pseudo-inversa da matriz de modo, e meios de decodificação para decodificar a representação de campo de som, em que a decodificação é baseada na matriz de decodificação e os meios de decodificação usam pelo menos a função de ação panorâmica e a matriz de modo pseudo-inversa para obter a matriz de decodificação. Os primeiro, segundo e terceiro meios de cálculo podem ser um único processador ou dois ou mais processadores separados.

[00015] De acordo com ainda outro aspecto, um meio capaz de ser lido por computador tem armazenado no mesmo instruções executáveis para fazer com que um computador implemente um método para decodificar uma representação para campo de som de áudio para reprodução de áudio compreende etapas de calcular, para cada uma da pluralidade de alto-falantes, a função de ação panorâmica usando um método geométrico baseado nas posições dos alto-falantes e na pluralidade de direções de fonte, calcular a matriz de modo a partir das direções de fonte, calcular a pseudo-inversa da matriz de modo, e decodificar a representação para campo de som de áudio, em que a decodificação é baseada na matriz de decodificação que é obtida a partir de pelo menos a função de ação panorâmica e a matriz de modo pseudo-inversa.

[00016] Modalidades vantajosas da presente invenção são descritas nas concretizações, na descrição a seguir e nas figuras.

Breve Descrição dos Desenhos

[00017] Modalidades exemplificativas da presente invenção são descritas com referência aos desenhos anexos, que mostram: A figura 1 é um gráfico de fluxo do método; A figura 2 é uma configuração em 3D exemplificativa com 16 alto-falantes; A figura 3 é um padrão de feixes resultante da decodi- ficação usando modo de correspondência não regularizado; A figura 4 é um padrão de feixes resultante da decodi- ficação usando uma matriz de modo regularizado; A figura 5 é um padrão de feixes resultante da decodi- ficação usando a matriz de decodificação derivada a partir de VBAP; A figura 6 é um resultado de um teste de escuta; e A figura 7 é um diagrama de bloco de um dispositivo.

Descrição detalhada da presente invenção

[00018] Como mostrado na figura1, um método para decodificar uma representação para campo de som de áudio SFc para reprodução de áudio compreende etapas de calcular 110, para cada uma da pluralidade de alto-falantes, a função de ação panorâmica W usando um método geométrico baseado nas posições 102 dos alto-falantes (L é o número de alto-falantes) e a pluralidade de direções de fonte 103 (S é o número de direções de fonte), calcular 120 a matriz de modo Ξa partir das direções de fonte e uma determinada ordem N da representação de campo de som, calcular 130 a matriz de modo pseudo-inversa Ξ+ da matriz de modo Ξ, e decodificar 135, 140 a representação para campo de som de áudio SFC. Em que os dados de som decodificados AUdec são obtidos. A decodificação é baseada na matriz de decodificação D que é obtida 135 a partir de pelo menos a função de ação panorâmica W e a matriz de modo pseudo-inversa Ξ+. Em uma modalidade, a matriz de modo pseudo-inversa é obtida de acordo com Ξ+ = ΞH [ΞΞH]-1 . A ordem N da representação de campo de som pode ser pré-definida, ou a mesma pode ser extraída 105 a partir do sinal de entrada SFC.

[00019] Como mostrado na figura 7, um dispositivo para decodificar uma representação para campo de som de áudio para reprodução de áudio compreende primeiros meios de cálculo 210 para calcular, para cada uma da pluralidade de alto-falantes, a função de ação panorâmica W usando um método geométrico baseado nas posições 102 dos alto-falantes e a pluralidade de direções de fonte 103, segundos meios de cálculo 220 para calcular a matriz de modo Ξ a partir das direções de fonte, terceiros meios de cálculo 230 para calcular a matriz de modo pseudo-inversa Ξ+ da matriz de modo Ξ , e meios de decodificação 240 para decodificar a representação de campo de som. A decodificação é baseada na matriz de decodificação D, que é obtida a partir pelo menos da função de ação panorâmica W e da matriz de modo pseudo-inversa Ξ+ pela matriz de decodificação calcular meios 235 (por exemplo, um multiplicador). Os meios de decodificação 240 usam a matriz de decodificação D para obter um sinal de áudio decodificado AUdec- Os primeiro, segundo e terceiro meios de cálculo 220, 230, 240 podem ser um único processador, ou dois ou mais processadores separados. A ordem N da representação de campo de som pode ser predefinida, ou a mesma pode ser obtida pelos meios 205 para extrair a ordem a partir do sinal de entrada SFC.

[00020] Uma configuração 3D particularmente útil do alto-falante tem 16 alto-falantes. Como mostrado na figura2, há quatro colunas com três alto-falantes cada, e alto-falantes adicionais entre as referidas colunas. Oito dos alto-falantes são igualmente distribuídos em um círculo em torno da cabeça do ouvinte, encerrando ângulos de 45 graus. Quatro alto-falantes adicionais são localizados na parte de cima e na parte de baixo, encerrando ângulos de azimute de 90 graus. Com relação a Ambisonics, a referida configuração é irregular e em geral leva a problemas na configuração do decodificador.

[00021] No a seguir, a Ação Panorâmica de Amplitude com Base em Vetor (VBAP) é descrita em detalhes. Em uma modalidade, VBAP é usada aqui para dispor fontes acústicas virtuais com uma configuração arbitrária do alto-falante onde a mesma distância dos alto-falantes a partir da posição de escuta é assumida. VBAP usa três alto-falantes para dispor a fonte virtual no espaço 3D. Para cada fonte virtual, um sinal monofônico com diferentes ganhos é alimentado aos alto-falantes a ser usado. Os ganhos para os diferentes alto-falantes são dependentes da posição da fonte virtual. VBAP é a abordagem geométrica para calcular os ganhos dos sinais de alto-falante para a ação panorâmica entre os alto-falantes. No caso de 3D, três alto- falantes arranjados em um triângulo constrói uma base de vetor. Cada base de vetor é identificada pelos números do alto-falante k, m, n e os vetores de posição do alto-falante lk, lm, ln dados em coordenadas cartesianas normalizadas ao comprimento de unidade. A base de vetor para os alto-falantes k, m, n é definida por

[00022] A direção desejada Ω = (θ, Φ) da fonte virtual tem que ser dada como um ângulo de azimute Φ e ângulo de inclinação Θ. O vetor de posição de comprimento de unidade p(Ω) da fonte virtual em coordenadas cartesianas é portanto definido por

A posição da fonte virtual pode ser representada com a base de vetor e os fatores de ganho g(Ω) = ( ~gk, ~gm, ~gn)T por

Ao inverter a base da matriz de vetor os fatores de ganho necessários podem ser computados por

[00023] A base de vetor a ser usada é determinada de acordo com o documento de Pulkki: Primeiro os ganhos são calculados de acordo com Pulkki para todos as bases de vetores. Então para cada base de vetor o mínimo sobre os fatores de ganho é avaliado por ~gmin = min {~gk, ~gm, ~gn}. Finalmente a base de vetor onde ~gmin tem o valor mais alto é usada. Os fatores de ganho resultantes não devem ser negativos. Dependendo da acústica do ambiente de escura os fatores de ganho podem ser normalizados para preservação de energia.

[00024] No a seguir, o formato Ambisonics é descrito, que é um formato de campo de som exemplificativo. A representação Ambisonics é uma descrição do método de campo de som empregando uma aproximação matemática do campo de som em um local. Ao se usar o sistema de coordenada esférica, a pressão no ponto r = (r, θ, Φ) no espaço é descrita por meios da transformada esférica de Fourier

onde k é o número de onda. Normalmente n vai a uma ordem finita M. Os coeficientes Amn(k) da série descreve o campo de som (assumindo fontes fora da região de validade), jn(kr) é a função esférica de Bessel de primeiro tipo e Ymn (θ, Φ) denota as harmônicas esféricas. Coeficientes Amn (k) são observados como coeficientes Ambisonics no presente contexto. As harmônicas esféricas Ym n (θ, Φ) dependem apenas da inclinação e ângulos de azimute e descrevem uma função na esfera de unidade.

[00025] Por razões de simplicidade com frequência ondas planas são assumidas para reprodução do campo de som. Os coeficientes Ambisonics descrevendo uma onda plana como uma fonte acústica a partir da direção Q5 são

[00026] A dependência das mesmas no número de onda k diminui para uma pura dependência direcional neste caso especial. Para uma ordem M limitada os coeficientes formam um vetor A que pode ser arranjado como

mantendo O = (M + 1 )2 elementos. O mesmo arranjo é usado para os coeficientes de harmônicas esféricas produzindo um vetor

[00027] O sobrescrito H denota a transposição conjugada complexa.

[00028] Para calcular os sinais de alto-falante a partir de umarepresentação Ambisonics de um campo de som, a correspondência de modo é uma abordagem comumente usada. A ideia básica é de expressar uma determinada descrição Ambisonics de campo de som A(Ω5) por uma soma pesada das descrições dos campos de som dos alto-falantes A(Ω|)

onde Ω| denote as direções dos alto-falantes, W| são pesos, e L é o número de alto-falantes. Para derivar funções de ação panorâmica a partir da equação (8), assumimos uma direção de incidência conhecida Ω5. Se a fonte e os campos de som dos alto- falantes são ambos em ondas planas, o fator 4πin (vide equação (6)) pode ser reduzido e a equação (8) depende apenas dos conjugados complexos dos vetores das harmônicas esféricas, também referidos como "modos". Usando a notação de matriz, isto é escrito como

onde Ψ é a matriz de modo da configuração do alto-falante

com O x L elementos. Para se obter o vetor de ponderação desejado w, diversas estratégias para realizar isto são conhecidas. Se M = 3 é escolhido, Ψ é quadrado e pode ser invertido. Em virtude da configuração irregular do alto-falante a matriz é entretanto mal escalada. Em tal caso, com frequência a matriz pseudo-inversa é escolhida e

[00029] Produz uma matriz de decodificação D L x O. Finalmente se pode escrever

onde os pesos W (Ωs) são a solução de energia mínima para a equação (9). As consequências a partir do uso da pseudo- inversa são descritas abaixo.

[00030] O a seguir descreve a ligação entre as funções de ação panorâmica e a matriz de decodificação Ambisonics. Iniciando com Ambisonics, as funções de ação panorâmica para os alto-falantes individuais podem ser calculada usando a equação (12). Considerando

ser a matriz de modo das direções de sinal de entrada S (Ω3), por exemplo uma grade esférica com um ângulo de inclinação que percorre em etapas de um grau a partir de 1 ...180° e um ângulo de azimute a partir de 1 ...360° respectivamente. A referida matriz de modo tem O x S elementos. Usando a equação (12), a matriz resultante W tem L x S elementos, a fileira I mantém os pesos de ação panorâmica S para o respectivo alto-falante:

[00031] Como um exemplo representativo, a função de ação panorâmica de um único alto-falante 2 é mostrada como padrão de feixes na figura3. A matriz de decodificação D da ordem M = 3 no referido exemplo. Como pode ser visto, os valores da função de ação panorâmica não se referem de modo algum ao posicionamento físico do alto-falante. Isto é em virtude do posicionamento matemático irregular dos alto-falantes, que não é suficiente como um esquema de amostragem espacial para a ordem escolhida. A matriz de decodificação é, portanto, referida como uma matriz de modo não regularizado. Este problema pode ser superado pela regularização da matriz de modo de alto-falante Ψ na equação (11). Esta solução funciona em função da resolução espacial da matriz de decodificação, o que por sua vez pode ser expressa como uma ordem Ambisonics inferior. A figura 4 mostra um padrão exemplificativo de feixes resultantes da decodificação usando a matriz de modo regularizado, e particularmente usando a média de autovalores da matriz de modo para regularização. Comparado com a figura 3, a direção do alto- falante endereçado é agora claramente reconhecida.

[00032] Como delineado na introdução, outro modo de se obter a matriz de decodificação D para a reprodução de sinais Ambisonics é possível quando as funções de ação panorâmica já são conhecidas. As funções de ação panorâmica W são vistas como sinal desejado definido em um conjunto de direções de fonte virtual Ω, e a matriz de modo Ξ das referidas direções serve como o sinal de entrada. Então a matriz de decodificação pode ser calculada usando

onde ΞH [Ξ ΞH]-1 ou simplesmente Ξ+ é a pseudo-inversa da matriz de modo Ξ. Na nova abordagem, tomamos as funções de ação panorâmica em W a partir de VBAP e calculamos uma matriz de decodificação Ambisonics a partir da referida.

[00033] As funções de ação panorâmica para W são tomados como valores de ganho g(Q) calculada usando a equação (4), onde Q é escolhido de acordo com a equação (13). A matriz de decodificação resultante usando a equação (15) é uma matriz de decodificação Ambisonics que facilita as funções VBAP de ação panorâmica. Um exemplo é ilustrado na figura5, que mostra um padrão de feixes resultante da decodificação usando a matriz de decodificação derivada a partir de VBAP. Vantajosamente, os lobos laterais SL são significativamente menores do que os lobos laterais SLreg do resultado da correspondência de modo regularizado da figura 4. Ademais, o padrão de feixes derivado de VBAP para os alto-falantes individuais segue a geometria da configuração do alto-falante na medida em que as funções de ação panorâmica VBAP dependem da base de vetor da direção endereçada. Como uma consequência, a nova abordagem de acordo com a presente invenção produz melhores resultados por todas as direções da configuração do alto-falante.

[00034] As direções de fonte 103 podem ser relativamente livremente definidas. Uma condição para o número de direções de fonte S é que ela deve ser pelo menos (N+1)2. Assim, tendo uma determinada ordem N do sinal do campo de som SFC é possível se definir S de acordo com S > (N+1)2, e distribuir as direções S de fonte uniformemente sobre a esfera de unidade. Como mencionado acima, o resultado pode ser uma grade esférica com um ângulo de inclinação θ percorrendo em etapas constantes de x (por exemplo, x = 1 ...5 ou x = 10, 20 etc.) graus a partir de 1 ...180° e um ângulo de azimute Φ a partir de 1 ...360° respectivamente, em que cada direção de fonte Ω = (θ, Φ) pode ser dada pelo ângulo de azimute Φ e ângulo de inclinação θ.

[00035] O efeito vantajoso foi confirmado em um teste de escuta. Para a avaliação da localização de uma única fonte, a fonte virtual é comparada contra uma fonte real como uma referência. Para a fonte real, um alto-falante na posição desejada é usado. Os métodos de reprodução usados são VBAP, decodificação de correspondência de modo Ambisonics, e a decodificação recém proposta usando as funções de ação panorâmica VBAP de acordo com a presente invenção. Para os últimos dois métodos, para cada posição testada e cada sinal de entrada testado, um sinal Ambisonics de terceira ordem é gerado. O referido sinal Ambisonics sintético é então decodificado usando as matrizes de decodificação de correspondência. Os sinais de teste usados são ruído rosa de banda larga e um sinal de fala de homem. As posições testadas são dispostas na região frontal com as direções

[00036] O teste de escuta foi conduzido em um ambiente acústico com um tempo de reverberação média de aproximadamente 0.2 s. Nove pessoas participaram do teste de escuta. Os indivíduos de teste foram solicitados para classificar o desempenho da reprodução espacial de todos os métodos de reprodução comparados ao de referência. Um único valor de classificação tem que ser encontrado para representar a localização da fonte virtual e as alterações de timbre. A figura 5 mostra os resultados do teste de escuta.

[00037] Como os resultados mostram, a decodificação de correspondência do modo Ambisonics não regularizado é classificado como perceptivamente ruim do que os outros métodos sendo testados. Este resultado corresponde à figura 3. O método de correspondência do modo Ambisonics serve como âncora neste teste de escuta. Outra vantagem é que os intervalos de confidencia para o ruído de sinal são maiores para VBAP do que para os outro métodos. Os valores médios mostram os valores mais altos para a decodificação Ambisonics usando funções de ação panorâmica VBAP. Assim, embora a resolução espacial seja reduzida - em virtude da ordem Ambisonics usada - o referido método mostra vantagens em relação à abordagem paramétrica VBAP. Em comparação à VBAP, não só a decodificação Ambisonics com robusta mas também as funções de ação panorâmica VBAP tem a vantagem de não só três alto-falantes serem usados para tornar a fonte virtual. Em VBAP um único alto-falante pode ser dominante se a posição da fonte virtual estiver próxima de lima das posições fixas dos alto-falantes. A maioria dos indivíduos reportou menos alterações de timbre para VBAP acionada por Ambisonics do que para a VBAP aplicada diretamente. O problema de alterações de timbre para VBAP já é conhecido a partir de Pulkki.

[00038] Em oposição à VBAP, o método recém proposto usa mais do que três alto-falantes para a reprodução de uma fonte virtual, mas surpreendentemente produz menos coloração.

[00039] Concluindo, um novo modo de se obter uma matriz de decodificação Ambisonics a partir das funções de ação panorâmica VBAP é descrito. Para uma diferente configuração dos alto-falantes, a referida abordagem é vantajosa em comparação às matrizes da abordagem do modo de correspondência. As propriedades e as consequências das referidas matrizes de decodificação são discutidas acima. Em suma, a decodificação Ambisonics recém proposta com funções de ação panorâmica VBAP evita os problemas típicos de todas as abordagens e correspondência conhecidas. Um teste de escuta mostrou que a decodificação Ambisonics VBAP-derivada pode produzir uma qualidade de reprodução espacial melhor do que o uso direto de VBAP pode produzir. O método proposto requer apenas a descrição de campo de som enquanto VBAP requer a descrição paramétrica das fontes virtuais a serem renderizadas.

[00040] Embora tenha sido mostrado, descrito, e apontado características novas e fundamentais da presente invenção como aplicada à modalidade preferida da mesma, será entendido que diversas omissões e substituições e mudanças nos aparelhos e método descrito, na forma e detalhes dos dispositivos descritos, e em sua operação, podem ser realizadas por aqueles versados na técnica sem se desviar a partir do espírito da presente invenção. É expressamente pretendido que todas as combinações dos referidos elementos que realizam substancialmente a mesma função substancialmente da mesma maneira para alcançar os mesmos resultados estão inseridos no âmbito da presente invenção. Substituições dos elementos a partir de uma modalidade descrita para outra estão também amplamente pretendidas e contempladas. Será entendido que modificações dos detalhes podem ser realizadas sem se desviar a partir do âmbito da presente invenção. Cada característica descrita na descrição e (onde apropriado) as concretizações e os desenhos podem ser proporcionados independentemente ou em qualquer combinação apropriada. As características podem, onde apropriado, ser implementadas em hardware, software, ou em uma combinação dos dois.

[00041] Os numerais de referência que aparecem nas concretizações são apenas por ilustração e não devem limitar o âmbito das concretizações.

Claims

1. Método para decodificar uma representação para campo de som de áudio para reprodução de áudio, caracterizado pelo fato de que compreende as etapas de: - calcular (110), para cada um dentre uma pluralidade de alto-falantes, uma função de ação panorâmica (W) usando um método geométrico baseado nas posições dos alto-falantes e na pluralidade de direções de fonte; - calcular (120) uma matriz de modo (Ξ N) a partir das direções de fonte; - calcular (130) uma matriz de modo pseudo-inversa (Ξ +) da matriz de modo (Ξ.); e - decodificar (140) a representação para campo de som de áudio, em que a decodificação é baseada em uma matriz de decodificação (D) que é obtida a partir de pelo menos a função de ação panorâmica (W) e a matriz de modo pseudo-inversa (Ξ +).

2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que o método geométrico usado na etapa de calcular a função de ação panorâmica é Ação Panorâmica de Amplitude com Base em Vetor (VBAP).

3. Método, de acordo com a reivindicação 1 ou 2, caracterizado pelo fato de que a matriz de modo pseudo-inversa (Ξ +) é obtida de acordo com Ξ H [Ξ ΞH]-1 , em que Ξ é a matriz de modo da pluralidade de direções de fonte.

4. Método, de acordo com a reivindicação 3, caracterizado pelo fato de que a matriz de decodificação (DN) é obtida (135) de acordo com D =W Ξ H [Ξ ΞH]-1 = W Ξ+, em que W é o conjunto de funções de ação panorâmica para cada alto-falante.

5. Dispositivo para decodificar uma representação para campo de som de áudio para reprodução de áudio, caracterizadopelo fato de que compreendendo: - primeiros meios de cálculo (210) para calcular, para cada um dentre uma pluralidade de alto-falantes, uma função de ação panorâmica (W) usando um método geométrico baseado nas posições dos alto-falantes e na pluralidade de direções de fonte; - segundos meios de cálculo (220) para calcular uma matriz de modo (Ξ) a partir das direções de fonte; - terceiros meios de cálculo (230) para calcular uma matriz de modo pseudo-inversa (Ξ +) da matriz de modo (Ξ); e - meios de decodificação (240) para decodificar a representação de campo de som, em que a decodificação é baseada em uma matriz de decodificação (D) e os meios de decodificação usam pelo menos a função de ação panorâmica (W) e a matriz de modo pseudo-inversa (Ξ +) para obter a matriz de decodificação (D).

6. Dispositivo, de acordo com a reivindicação 5, carac-terizado pelo fato de que o dispositivo para decodificar adicionalmente compreende meios (235) para calcular a matriz de decodificação (D) a partir da função de ação panorâmica (W) e a matriz de modo pseudo-inversa (Ξ +).

7. Dispositivo, de acordo com a reivindicação 5 ou 6, carac-terizado pelo fato de que o método geométrico usado na etapa de calcular a função de ação panorâmica é Ação Panorâmica de Amplitude com Base em Vetor (VBAP).

8. Dispositivo, de acordo com qualquer uma das reivindi-cações 5 a 7, caracterizado pelo fato de que a matriz de modo pseudo-inversa Ξ + é obtida de acordo com Ξ+ = ΞH [Ξ ΞH]-1, em que Ξ é a matriz de modo da pluralidade de direções de fonte.

9. Dispositivo, de acordo com a reivindicação 8, caracte-rizado pelo fato de que a matriz de decodificação (DN) é obtida em meios (245) para calcular a matriz de decodificação, de acordo com D=W ΞH [Ξ ΞH]-1 = W Ξ+, em que W é o conjunto de funções de ação panorâmica para cada alto-falante.

10. Meio legível por computador tendo armazenado no mesmo um método a ser implementado por um computador para decodificar uma representação para campo de som de áudio para reprodução de áudio, o método caracterizado pelo fato de que compreende as etapas de: - calcular (110), para cada um dentre uma pluralidade de alto-falantes, uma função de ação panorâmica (W) usando um método geométrico baseado nas posições dos alto-falantes e na pluralidade de direções de fonte; - calcular (120) uma matriz de modo (Ξ) a partir das direções de fonte; - calcular (130) uma matriz de modo pseudo-inversa (Ξ+) da matriz de modo (Ξ); e - decodificar (140) a representação para campo de som de áudio, em que a decodificação é baseada em uma matriz de decodificação (D) que é obtida a partir de pelo menos uma função de ação panorâmica (W) e a matriz de modo pseudo-inversa (Ξ+).

11. Meio legível por computador, de acordo com a reivin-dicação 10, caracterizado pelo fato de que o método geométrico usado na etapa de calcular a função de ação panorâmica é Ação Panorâmica de Amplitude com Base em Vetor (VBAP).

12. Meio legível por computador, de acordo com a reivin-dicação 10 ou 11, caracterizado pelo fato de que a matriz de modo pseudo-inversa Ξ+ é obtida de acordo com Ξ+ = ΞH [Ξ ΞH]-1 , em que Ξ é a matriz de modo da pluralidade de direções de fonte.