DE102006033009B4

DE102006033009B4 - Anordnung zum Synthetisieren eines binauralen Raumsynthese-Audiosignals

Info

Publication number: DE102006033009B4
Application number: DE200610033009
Authority: DE
Inventors: Martin Link
Original assignee: Institut fuer Rundfunktechnik GmbH
Current assignee: WELPONER, CARL, DE; WELPONER, CLAUS, DE
Priority date: 2006-07-17
Filing date: 2006-07-17
Publication date: 2008-04-30
Anticipated expiration: 2026-07-18
Also published as: DE102006033009A1

Abstract

Anordnung zum Synthetisieren eines binauralen Raumsynthese-Audiosignals, mit einen am Kopf (1) des Hörers befestigten Headtracker (10), welcher kegelförmige Lichtbündel (110) in einer horizontalen Ebene (200) in einer zeitlichen Abfolge abstrahlt, und mit einem im Strahlengang der Lichtbündel (110) angeordneten Sensor, welcher Intensitätsunterschiede der von ihm erfassten, benachbarten Lichtbündel (110) als Information über Drehpositionen und/oder laterale Positionen des Kopfes (1) des Hörers beim Abhören eines binauralen Raumsynthese-Audiosignals (31) auswertet, wobei die erfasste Kopfposition als Rückmeldung einem Prozessor (30) zugeführt wird, welcher das binaurale Raumsynthese-Audiosignal (31) entsprechend der Kopfposition synthetisiert, dadurch gekennzeichnet, dass der Headtracker (10) in Form eines Kranzes von mehreren, kreisförmig angeordneten Lichtquellen (11) ausgebildet ist, derart, dass sich zumindest zwei benachbarte Lichtbündel (110) überlappen, und dass die Lichtquellen (11) mit ihrem optischen System (112) durch zylindrische Linsen vor den Lichtquellen (11) ausgebildet sind, wodurch die von benachbarten Lichtquellen (11) erzeugten Leuchtflecke auf dem Lichtsensor (20) in vertikaler Ausdehnung im...

Description

Die Erfindung bezieht sich auf eine Anordnung zum Synthetisieren eines binauralen Raumsynthese-Audiosignals. Eine derartige Anordnung ist aus der US 5526429 A bekannt.
Mit Hilfe der Binauraltechnik kann ein akustisches Ereignis durch Aufnahme per Kunstkopf und Wiedergabe per Kopfhörer übertragen werden. Die räumliche Qualität der durch die Binauraltechnik erreichten Wiedergabe ist einer Lautsprecherwiedergabe überlegen. Es können beispielsweise Quellen in allen Raumrichtungen im dreidimensionalen Raum wiedergegeben werden.
Dies gelingt am einfachsten, wenn die Ohrübertragungsfunktionen bekannt sind. Diese werden mit dem trockenen Eingangssignal gefaltet und auf dem Kopfhörer wiedergegeben. Befindet sich der Kopf bei der Aufnahme in einem Raum, spricht man von binauralen Raumübertragungsfunktionen ("BRIR" Binaural Room Impulse Response).
Dasselbe Prinzip wird erfolgreich im Verfahren "BRS" (Binaural Room Scanning, vergl. Mackensen, P., Felderhoff, U., Theile, G. "Binaural Room Scanning – A new Tool for Acoustic and Psychoacoustic Research" in Proceedings of the DAGA 1999 und Theile, G. Vortrag zur AES Convention Paris, 2000 auf www.hauptmikrofon.de/theile.htm) des Instituts für Rundfunktechnik eingesetzt. Hier wird zusätzlich ein dynamischer Austausch der BRIR vorgenommen und damit ein wesentliches Merkmal des natürlichen Hörens implementiert. Schon kleine Kopfbewegungen vermeiden nachweisbar die Artefakte der Binauraltechnik, nämlich Vorne-Hinten-Vertauschungen und Im-Kopf-Lokalisation. Deshalb wird bei BRS oder allgemein bei dynamischer Binauraltechnik die Kopfdrehung bzw. Kopfbewegung mit einem sogenannten Headtracker gemessen und an einen Prozessor übermittelt. Der Prozessor ermittelt die zu der jeweiligen Kopfdrehrichtung passende BRIR. Die Kopfdrehrichtung bestimmt den zugehörigen BRIR-Satz, der im Prozessor für die Faltung verwendet wird.
Mit Hilfe der Transauraltechnik können binaurale Signale (=Kunstkopfsignale) durch Lautsprecher wiedergegeben werden. Für einen Hörer können damit an einer bestimmten Hörposition (mit Kenntnis der jeweiligen Ohrübertragungsfunktionen) dieselben Ohrsignale erzeugt werden, die er auch mit einem Kopfhörer hätte. Dieser Effekt beschreibt eine Täuschung des Hörers: Tritt er auf, werden nicht die eigentlichen Schallquellen (nämlich die Lautsprecher) lokalisiert, sondern die virtuelle Quelle, zu der die binauralen Signale gehören. Dies kann mit dem so genannten "Crosstalk Cancelling" erreicht werden, bei dem mit Hilfe eines einfachen vorgeschalteten Prozessors (Ctc filter) das Übersprechen (Crosstalk) ausgelöscht werden kann. Die Theorie dazu ist seit langem bekannt, beispielsweise aus Bauck, J., Cooper, D.H. "Generalized Transaural Stereo and Applications" in Journal of the AES, Vol.44/9, 1996 und Schroeder, M.R. and Atal, B.S., "Computer Simulation of Sound Transmission in Rooms" in IEEE Conv. Rec., pt. 7, pp. 150-155 (1963).
Ein transaurales System lässt sich auch mit dynamisch veränderbaren Filtern verwirklichen (so genannte "dynamische Transauraltechnik", siehe Lentz, T., Renner, C. "A Four-Channel Dynamic Cross-Talk Cancellation System" in Proceedings of the CFA/DAGA 2004, Strasbourg, France; Gardner, B. "3-D Audio using Loudspeakers", Doktorarbeit am Massachusetts Institute of Technology, USA, 1997; Georgiou, G., Mouchtaris, A., Roumeliotis, S., Kyriakakis, C. "Immersive Sound Rendering Using Laser-Based Tracking" in Proceedings of the 109th AES Convention, Los Angeles, 2000, Preprint No.5227; Algazi, V., Duda, R., Thompson, D. "Motion-Tracked Binaural Sound" in Proceedings of the 116th AES Convention, Berlin, 2004, Preprint No.6015). Dabei wird wiederum wie bei der dynamischen Binauraltechnik die Kopfbewegung des Hörers ausgewertet. Wiederum werden die jeweiligen Ohrübertragungs-funktionen dynamisch ausgetauscht. Auch die Crosstalk-Cancelling-Filter sind vom Kopfwinkel abhängig, da sie auf Filtern basieren, die aus den Übersprech-Übertragungsfunktionen HLR und HRL errechnet werden. In einer Datenbank müssen nun sowohl die Übersprech-Übertragungsfunktionen als auch die Ohrübertragungs-funktionen bzw. BRIR für mehrere Kopfdrehwinkel vorliegen, so dass der gesamte Datensatz dynamisch ausgetauscht werden kann.
Das Problem bei der dynamischen Transauralisierung besteht darin, dass sich bei Kopfbewegungen die relative Position von Ohr und Transauralisierungs- Lautsprecher verändert. Von dieser relativen Position ist die Gestaltung der Crosstalk-Cancelling-Filter abhängig. Außerdem ist die Qualität der Transauralisierung davon stark abhängig. Da sich die relative Position der Transauralisierungs-Lautsprecher bei statischer Anordnung der Transauralisierungs-Lautsprecher bei jeder Kopfdrehung/-bewegung verändert, verändern sich auch die Crosstalk-Cancelling-Filter in gleichem Maße. Ebenso ändert sich ständig die Qualität der Transauralisierung.
Aus der US 5526429 A ist eine Anordnung zum Synthetisieren eines binauralen Audiosignals bekannt, welche die Drehpositionen des Kopfes eines Hörers beim Abhören des binauralen Audiosignals durch einen Sensor erfasst. Die erfasste Kopfposition wird als Rückmeldung einem Prozessor zugeführt, welcher das binaurale Raumsynthese-Audiosignal entsprechend der Kopfposition synthetisiert. Dabei weist der am Kopf des Hörers angeordnete Headtracker einen Lichtsensor auf, welcher Intensitätsunterschiede der von ihm erfassten, benachbarten Lichtbündel einer Lichtquelle als Information über die Kopfposition auswertet.
Aus der WO 9516929 A1 ist es ferner bekannt, den am Kopf des Hörers befestigten Headtracker in Form eines einzigen Kranzes von mehreren, kreisförmig angeordneten Lichtquellen auszubilden. Die Lichtquellen strahlen jeweils ein kegelförmiges Lichtbündel in einer horizontalen Ebene in einer zeitlichen Folge abstrahlen, derart, dass sich zumindest zwei benachbarte Lichtbündel überlappen. Im Strahlengang wenigstens zweiter Lichtbündel ist ein Lichtsensor angeordnet, welcher Intensitätsunterschiede der von ihm erfassten, benachbarten Lichtbündel als Information über die Kopfposition auswertet.
Die Aufgabe der Erfindung besteht darin, die Drehposition und/oder Kopfpositionen des Hörers eines binauralen Audiosignals auf einfache und für den Hörer bequeme Weise zu erfassen, um entsprechend der erfassten Kopfpositionen das binaurale Raumsynthese-Audiosignal zu synthetisieren.
Diese Aufgabe wird erfindungsgemäß durch die Merkmale des Patentanspruchs 1 gelöst.
Vorteilhafte Ausgestaltungen und Weiterbildungen der erfindungsgemäßen Anordnung ergeben sich aus den Unteransprüchen 2 und 3.
Die Erfindung wird im Folgenden an Hand von Ausführungsbeispielen in den Zeichnungen erläutert. Es zeigt:
1 eine schematische Darstellung einer Anordnung nach der Erfindung;
2 eine schematische Draufsicht auf einen am Kopf des Hörers zu befestigenden Headtracker in Form eines Kranzes von mehreren, kreisförmig angeordneten Lichtquellen;
3 eine schematische Ansicht zweier diametral am Kranz nach 2 angeordneter Lichtquellen mit ihrem optischen System und dem jeweils erzeugten, impulsförmigen Lichtbündel;
4 den zeitlichen Verlauf der Lichtstärke einer sequentiell angesteuerten LED-Lichtquelle des Kranzes nach 2;
5 sich überlappende kreisförmige Leuchtflecke, die bei Drehung des Kranzes nach 2 um eine vertikale Achse von drei benachbarten, gepulsten LED-Lichtquellen des Kranzes auf der Sensorfläche eines feststehenden Lichtsensors erzeugt werden, und
6 drei sich überlappende, elliptische Leuchtflecke, die bei Drehung des Kranzes nach 2 um eine vertikale Achse sowie bei gleichzeitiger Neigung des Kranzes um eine horizontale Achse von benachbarten, gepulsten drei LED-Lichtquellen des Kranzes auf der Sensorfläche eines feststehenden Lichtsensors erzeugt werden.
Die in 1 schematisch dargestellte Anordnung nach der Erfindung umfasst einen Headtracker 10 in Form eines Kranzes von mehreren, beispielsweise 32 kreisförmig angeordneten Lichtquellen 11, vorzugsweise LED's. Der Headtracker 10 wird in der gezeigten Weise als Stirnband am Kopf 1 eines Hörers befestigt, der beispielsweise über Kopfhörer 2 ein binaurales Raumsynthese-Audiosignal abhört. Anstelle eines Kopfhörers 2 kann das binaurale Raumsynthese-Audiosignal auch mittels Transauralisierungs-Lautsprecher wiedergegeben werden, wie vorstehend erläutert wurde. Mit Hilfe des Headtrackers 10 können in der nachfolgend beschriebenen Weise die Kopfbewegungen des Hörers um eine vertikale Achse 100 und in einer horizontalen Ebene 200 durch einen Lichtsensor 20 erfasst werden. Die erfassten Kopfpositionen werden von dem Lichtsensor 20 als Messsignal 21 einem Prozessor 30 zugeführt, welcher die zu der jeweiligen Kopfdrehrichtung passende binaurale Raumübertragungsfunktionen ("BRIR") ermittelt. Als Eingangssignal wird dem Prozessor 30 von einer Signalquelle 50 ein binaurales Signal (Kunstkopfsignal) zugeführt. Das von dem Prozessor 30 gebildete binaurale Raumsynthese-Audiosignal 31 wird dem Hörer im dargestellten Beispielsfall über den Kopfhörer 2 zugeführt.
In 2 ist eine schematische Draufsicht auf den Headtracker 10 in der horizontalen Ebene 200 gezeigt, wobei zur Vereinfachung von den kreisförmig unter gleichen gegenseitigen Abständen angeordneten Lichtquellen 11 (LED's) nur drei benachbarte Lichtquellen 11 eingezeichnet sind, welche jeweils eine etwa kegelförmige Lichtstrahlung aussenden. Die betreffenden Lichtkegel sind in 2 mit strichpunktierten bzw. gestrichelten bzw. gepunkteten Linien angedeutet. Die Lichtquellen 11 des Headtrackers 10 werden zu ihrer Unterscheidung sequentiell angesteuert. Die Unterdrückung von Störungen durch Fremdlicht aus den anderen Lichtquellen erfolgt dadurch, dass die Lichtintensität jeder Lichtquelle 11 mit einer hohen Trägerfrequenz impulsförmig moduliert wird. Der zeitliche Verlauf der Lichtstärke einer impulsförmig modulierten LED-Lichtquelle 11 ist in 4 veranschaulicht. Am Rand des Lichtkegels ist die Lichtstärke schwächer als in der dessen Mitte. Bei der zeitlichen Abfolge der Lichtabstrahlung der sequentiell angesteuerten Lichtquellen 11 muss die impulsförmige Modulation daher gewährleisten, dass eine ausreichend große Anzahl von impulsförmigen Lichtbündeln je Lichtquelle 11 auf wenigstens zwei Fotodioden der die Sensorfläche (Fotodioden-Array) des Lichtsensors 20 auftrifft. Entsprechend dieser notwendigen Anzahl von impulsförmigen Lichtbündeln je Lichtquelle 11 muss die Trägerfrequenz gewählt werden.
In 3 sind schematisch zwei diametral gegenüber liegende Lichtquellen 11 (LED's) des Headtrackers 10 mit ihrem optischen System 112 dargestellt. Das optische System 112 besteht beispielsweise aus einer zylindrischen Linse, welche das von der LED ausgesandte, relativ schmale, kegelförmige Lichtbündel 113 zu einem breiten elliptischen Lichtbündel 110 vertikal auffächert. Die von den Lichtbündeln 113 und 110 auf der Sensorfläche des Lichtsensors 20 erzeugten Leuchtflecke sind für drei benachbarte Lichtquellen 11 in den 5 und 6 dargestellt. 5 zeigt drei kreisförmige Leuchtflecke bei fehlender zylindrischen Linse 112, also für das kegelförmige Lichtbündel 113. Demgegenüber zeigt 6 drei benachbarte, elliptische Leuchtflecke, die mittels der zylindrischen Linse 112 von dem vertikal aufgefächerten Lichtbündel 110 erzeugt werden. Der Zweck der vertikalen Auffächerung des Lichtbündels 110 besteht darin, auch bei Nickbewegungen des Kopfes 1 in der horizontalen Ebene 200 (1) mindestens zwei Fotodioden der Sensorfläche (Fotodioden-Array) des Lichtsensors 20 anzustrahlen. Der Abstrahlwinkel der Lichtquellen 11 muss so groß sein, dass auf der Linie (bzw. dem Bereich), auf welcher (welchem) der feststehende Lichtsensor 20 getroffen werden, mindestens von zwei Lichtquellen 11 (z.B. LED's) gleichzeitig erfasst wird. Würde der Kopf 1 des Hörers exakt um die (fixierte) senkrechte Achse 100 drehen, müsste der Abstrahlwinkel der Lichtquellen 11 genau doppelt so groß sein wie der Winkel der Hauptachsen zweier benachbarter Lichtquellen 11.
In der Praxis sollte der Kopf 1 des Hörers aus der senkrechten Drehachse 100 abweichen dürfen. Damit der Lichtsensor 20 immer noch von mindestens zwei Lichtquellen (z.B. LED's) gleichzeitig getroffen wird, muss der Abstrahlwinkel der Lichtquellen 11 mehr als doppelt so groß sein wie der Winkel der Hauptachsen zweier benachbarter Lichtquellen 11. Unterstützend können die kreisförmigen Lichtkegel (5) durch die erwähnte zylindrischen Linse 112 vertikal zu stehenden Ellipsen aufgeweitet werden (6).
In beiden Fällen der 5 und 6 nimmt die Lichtintensität von der Mitte des Leuchtfleckes ausgehend bis zum Rand stetig ab. Dies wird z.B. von handelsüblichen LED's erfüllt. In den 5 und 6 ist diese stetige Lichtabnahme zum Rand hin nicht erkennbar. Rechts in 6 sind die am Ort des Lichtsensors 20 durch die Leuchtflecke a, b und c entstehenden elektrischen Impulse angedeutet.
Zahlenbeispiel:
32 LED's auf 360 Grad verteilt ergeben einen Winkel der Hauptachsen zweier benachbarter Lichtquellen 11 von 260/32 = 11,25 Grad. Mindestforderung an den Abstrahlwinkel der LED's ist 2·11,25 Grad, also 22.5 Grad, wobei ca. 30 bis 35 Grad praktisch möglich sind. 100 Messungen pro Sekunde sind gefordert, pro Messung werden alle 32 LED's umgeschaltet, was zu einer Umschaltfrequenz von 100·32 = 3200 Hz führt. Für die Trägerfrequenz gibt es einen weiten Spielraum; vorhandene Störbereiche, wie etwa der Bereich um 30....40 KHz von Energiesparlampen und Infrarot-Fernbedienungen, sollten gemieden werden. Beispielsweise sind 20 Pulse pro LED, also 20·3200 Hz = 64 KHz geeignet.
Um Drehwinkel von 1 Grad Genauigkeit auflösen zu können, muss der Helligkeitsverlauf zwischen benachbarten LED's überall entsprechend genau bestimmbar sein. Dies wird mit den 256 Stufen von einfachen A/D-Wandlern mit 8-Bit Genauigkeit ausreichend genau erfüllt.
Es versteht sich, dass der Headtracker 10 auch für andere Anwendungen als zum Synthetisieren eines binauralen Raumsynthese-Audiosignals geeignet ist, beispielsweise für Computer-Simulationen wie etwa die Grafik-Aufbereitung für eine LCD-Brille.

Claims

Anordnung zum Synthetisieren eines binauralen Raumsynthese-Audiosignals, mit einen am Kopf (1) des Hörers befestigten Headtracker (10), welcher kegelförmige Lichtbündel (110) in einer horizontalen Ebene (200) in einer zeitlichen Abfolge abstrahlt, und mit einem im Strahlengang der Lichtbündel (110) angeordneten Sensor, welcher Intensitätsunterschiede der von ihm erfassten, benachbarten Lichtbündel (110) als Information über Drehpositionen und/oder laterale Positionen des Kopfes (1) des Hörers beim Abhören eines binauralen Raumsynthese-Audiosignals (31) auswertet, wobei die erfasste Kopfposition als Rückmeldung einem Prozessor (30) zugeführt wird, welcher das binaurale Raumsynthese-Audiosignal (31) entsprechend der Kopfposition synthetisiert, dadurch gekennzeichnet, dass der Headtracker (10) in Form eines Kranzes von mehreren, kreisförmig angeordneten Lichtquellen (11) ausgebildet ist, derart, dass sich zumindest zwei benachbarte Lichtbündel (110) überlappen, und dass die Lichtquellen (11) mit ihrem optischen System (112) durch zylindrische Linsen vor den Lichtquellen (11) ausgebildet sind, wodurch die von benachbarten Lichtquellen (11) erzeugten Leuchtflecke auf dem Lichtsensor (20) in vertikaler Ausdehnung im Wesentlichen elliptisch sind, um Neigungen einer vertikalen Drehachse (100) des Kopfes (1) zuzulassen.
Anordnung nach Anspruch 1, dadurch gekennzeichnet, dass zur Vermeidung von Störungen durch Fremdlicht die Lichtquellen (11) in ihrer Lichtintensität mit einer derart hohen Trägerfrequenz impulsförmig moduliert werden, dass jede Lichtquelle (11) bei der Abstrahlung in zeitlicher Abfolge eine für die Auswertung ausreichend große Anzahl von impulsförmigen Lichtbündeln (110) abstrahlt.
Anordnung nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass der Öffnungswinkel jedes Lichtbündels (110) größer als der doppelte Wert des Winkels zwischen den Lichtachsen zweier benachbarter Lichtquellen (11) ist.