DE102013105375A1

DE102013105375A1 - Tonsignalerzeuger, Verfahren und Computerprogramm zum Bereitstellen eines Tonsignals

Info

Publication number: DE102013105375A1
Application number: DE102013105375.0A
Authority: DE
Inventors: Christoph Sladeczek; Annika Neidhardt; Martina Böhme
Original assignee: Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV
Current assignee: Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV
Priority date: 2013-05-24
Filing date: 2013-05-24
Publication date: 2014-11-27
Also published as: CN105264915B; KR20160012204A; EP3005737B1; US20160119734A1; EP3005737A2; KR101820224B1; JP2016522640A; JP6316407B2; WO2014187877A3; WO2014187877A2; US10075800B2; CN105264915A

Abstract

Ein Tonsignalerzeuger (100) zum Bereitstellen eines Tonsignales (120) für eine virtuelle Abhörposition (202) innerhalb eines Raumes (200), in dem eine akustische Szene von zumindest einem ersten Mikrofon (204) an einer ersten bekannten Position innerhalb des Raumes (200) als ein erstes Quellsignal (210) und von zumindest einem zweiten Mikrofon (206) an einer zweiten Position innerhalb des Raumes (200) als ein zweites Quellsignal (212) aufgezeichnet wird, umfasst eine Eingangsschnittstelle (102), die ausgebildet ist, um das von dem ersten Mikrofon (204) aufgenommene erste Quellsignal (210) und das von dem zweiten Mikrofon (206) aufgenommene zweite Quellsignal (212) zu empfangen. Ein Geometrieprozessor (104) des Tonsignalerzeugers (100) ist ausgebildet ist, um basierend auf der ersten Position und der virtuellen Abhörposition (202) eine erste Geometrieinformation (110) und um basierend auf der zweiten Position und der virtuellen Abhörposition (202) eine zweite Geometrieinformation (112) zu bestimmen. Ein Signalerzeuger (106) des Tonsignalerzeugers (100) ist ausgebildet, um zumindest das erste Quellsignal (210) und das zweite Quellsignal (212) gemäß einer die erste Geometrieinformation (110) und die zweite Geometrieinformation (112) verwendenden Kombinationsregel zu kombinieren.

Description

Ausführungsbeispiele der vorliegenden Erfindung befassen sich mit einer Vorrichtung, einem Verfahren und einem Computerprogramm zum Bereitstellen eines Tonsignals, das auf zumindest zwei Quellsignalen basiert, die von Mikrofonen, die innerhalb eines Raumes oder einer akustischen Szene angeordnet sind, aufgezeichnet werden.
Komplexere Aufnahmen bzw. akustische Szenen werden üblicherweise unter der Verwendung von Audiomischpulten aufgezeichnet, insoweit es die Aufzeichnung der Tonsignale betrifft. Als akustische Szene soll dabei jedwede Schallzusammensetzung bzw. jedwedes Schallsignal verstanden werden. Um der Tatsache Rechnung zu tragen, dass das bei einem Hörer bzw. an eine Abhörposition empfangene akustische Signal bzw. Schall- oder Audiosignal typischerweise von einer Vielzahl von unterschiedlichen Quellen herrührt, wird hierin der Begriff akustische Szene verwendet, wobei eine akustische Szene in dem hierin genannten Sinne selbstverständlich auch von lediglich einer einzigen Schallquelle erzeugt werden kann. Den Charakter einer solchen akustischen Szene bestimmt jedoch nicht nur die Anzahl bzw. die Verteilung der diese erzeugenden Schallquellen in einem Raum, sondern auch die Form bzw. Geometrie des Raumes selbst. Beispielsweise werden in geschlossenen Räumen als ein Anteil der Raumakustik den einen Zuhörer direkt von der Schallquelle erreichenden Schallanteilen durch die Begrenzungswände verursachte Reflexionen überlagert, die vereinfachend als unter Anderem zeitlich verzögerte und abgeschwächten Kopie der direkten Schallanteile verstanden werden können.
In solchen Umgebungen wird zur Produktion von Audiomaterial oft ein Audiomischpult verwendet, das eine Vielzahl von Kanälen bzw. Eingängen aufweist, die jeweils einem von vielen Mikrofonen zugeordnet sind, die wiederum innerhalb der akustischen Szene, beispielsweise innerhalb eines Konzertsaals oder dergleichen, angeordnet sind. Die einzelnen Audio- bzw. Quellsignale können dabei sowohl analog als auch digital vorliegen, beispielsweise als eine Serie von digitalen Samplewerten, wobei die Samplewerte zeitlich äquidistant sind und jeweils zu einer Amplitude des gesampelten Audiosignales korrespondieren. Je nach verwendetem Audiosignal kann ein solches Mischpult daher beispielsweise als dedizierte Hardware oder als Softwarekomponente auf einem PC bzw. einer programmierbaren CPU implementiert sein, sofern die Audiosignale digital vorliegen. Elektrische Tonsignale, die mit solchen Audiomischpulten verarbeitet werden können, können außer von Mikrofonen auch von anderen Zuspielern, beispielsweise von Instrumenten und Effektgeräten oder dergleichen herrühren. Jedes Einzeltonsignal bzw. jedes zu verarbeitende Audiosignal kann dabei einem separaten Kanalzug am Mischpult zugeordnet werden, wobei ein Kanalzug mehrere Funktionalitäten zur klanglichen Veränderung des assoziierten Audiosignals bereitstellen kann, beispielsweise eine Veränderung der Lautstärke, eine Filterung, eine Mischung mit anderen Kanalzügen, eine Verteilung bzw. ein Splitten des betreffenden Kanals oder dergleichen.
Bei der Aufnahme von komplexen Audioszenen, beispielsweise von Konzertmitschnitten, ist es häufig die Aufgabe, das Tonsignal bzw. die abgemischte Aufnahme so zu erzeugen, dass für einen Hörer beim Abhören der Aufnahme ein möglichst originalgetreuer Klangeindruck entsteht. Dabei muss diese sogenannte Abmischung der ursprünglich aufgenommenen Mikrofon- bzw. Quellsignale für unterschiedliche Wiedergabekonfigurationen möglicherweise unterschiedlich erfolgen, beispielsweise für unterschiedliche Anzahlen an Ausgangs-Kanälen bzw. Lautsprechern. Beispiele hierfür wären eine Stereo-Konfiguration und Mehrkanalkonfigurationen wie beispielsweise 4.0, 5.1 oder dergleichen. Um eine solche räumliche Tonmischung bzw. Abmischung erstellen zu können, wird bislang für jede Schallquelle bzw. für jedes Mikrofon- bzw. Quellsignal die Lautstärke am jeweiligen Kanalzug so eingestellt, dass für die gewünschte Abhörkonfiguration die vom Tonmeister gewünschte Räumlichkeit entsteht. Dies wird überwiegend dadurch erreicht, dass durch sogenannte Panning-Algorithmen die Lautstärke zwischen mehreren Wiedergabekanälen bzw. Lautsprechern so verteilt wird, dass eine Phantomschallquelle zwischen den Lautsprechern entsteht, um einen räumlichen Eindruck zu erzielen. Das bedeutet, beim Zuhörer entsteht auf Grund der unterschiedlichen Lautstärken für die einzelnen Wiedergabekanäle beispielsweise der Eindruck, das wiedergegebene Objekt befinde sich räumlich zwischen den Lautsprechern. Um dies zu ermöglichen muss bislang jeder Kanal basierend auf der realen Position des aufzeichnenden Mikrofons innerhalb der akustischen Szene von Hand justiert und mit einer teilweise erheblichen Anzahl weiterer Mikrofone abgeglichen werden.
Noch komplizierter und zeit- bzw. kostenaufwendiger werden derartige Tonmischungen, wenn beim Zuhörer der Eindruck entstehen soll, die aufgezeichnete Schallquelle bewege sich. Dann muss für jede der zeitlich veränderlichen räumlichen Konfigurationen bzw. für jeden Zeitschritt innerhalb der Bewegung einer Schallquelle die Lautstärke für alle beteiligten Kanalzüge von Hand nachjustiert werden, was nicht nur äußerst aufwändig, sondern auch fehleranfällig ist.
In manchen Szenarien, beispielsweise bei der Aufnahme eines Symphonieorchesters, wird eine hohe Anzahl von Mikrofon- bzw. Quellsignalen von beispielsweise über 100 gleichzeitig aufgenommen und möglicherweise in Echtzeit zu einer Tonmischung verarbeitet. Um eine solche räumliche Abmischung zu erzielen, muss bislang der Bediener bzw. Tonmeister an einem herkömmlichen Mischpult zumindest im Vorfeld der eigentlichen Aufnahme die räumliche Beziehung zwischen den einzelnen Mikrofon- bzw. Quellsignalen dadurch erzeugen, das dieser zunächst die Positionen der Mikrofone und deren Zuordnung zu den einzelnen Kanalzügen von Hand notiert, um die Lautstärken und möglicherweise andere Parameter wie beispielsweise eine Verteilung von Lautstärken für mehrere Kanäle oder Hall (Pan und Hall) der einzelnen Kanalzüge so zu regeln, dass die Tonmischung an der gewünschten Abhörposition bzw. für eine gewünschte Lautsprecheranordnung den angestrebten räumlichen Effekt erzielt. Bei einem Symphonieorchester mit mehr als 100 Instrumenten, von denen jedes als direktes Quellsignal separat aufgezeichnet wird, kann dies eine nahezu unlösbare Aufgabe darstellen. Um auch nach der Aufnahme eine der Realität vergleichbare räumliche Anordnung der aufgezeichneten Quellsignale der Mikrofone im Mischpult nachzubilden, wurden bisher die Positionen der Mikrofone von Hand skizziert oder deren Positionen nummeriert um dann durch eine Lautstärkeeinstellung aller Einzelkanalzüge die räumliche Tonmischung in einer aufwändigen Prozedur nachbilden zu können. Bei einer sehr großen Anzahl von aufzunehmenden Mikrofonsignalen stellt jedoch nicht allein das nachfolgende Abmischen einer erfolgreichen Aufnahme eine große Herausforderung dar.
Vielmehr ist es bei einer großen Anzahl von aufzuzeichnenden Quellsignalen schon eine schwer zu lösende Aufgabe, sicherzustellen, dass sämtliche Mikrofonsignale störungsfrei am Mischpult bzw. an einer zur Tonmischung verwendeten Software angeliefert werden. Dies muss bislang überprüft werden, indem der Tonmeister bzw. ein Bediener eines Mischpultes alle Kanalzüge getrennt durchhört bzw. überprüft, was sehr zeitaufwendig ist und im Falle des Auftretens eines Störsignals, dessen Ursprung nicht sofort lokalisiert werden kann, eine zeitaufwendige Fehlersuche zur Folge hat. Beim Durchhören bzw. An- und Ausschalten von einzelnen Kanälen bzw. Quellsignalen muss darüber hinaus genau darauf geachtet werden, dass die zusätzlichen Aufzeichnungen, die das Mikrofonsignal und die Position derselben während der Aufzeichnung mit dem Kanal des Mischpults assoziieren, fehlerfrei sind. Allein diese Kontrolle kann bei großen Aufnahmen mehrere Stunden in Anspruch nehmen, wobei darüber hinaus Fehler, die bei der komplexen Kontrolle gemacht werden, im Nachhinein schwer oder überhaupt nicht mehr zu kompensieren sind, nachdem die Aufnahme abgeschlossen ist.
Es besteht also die Notwendigkeit, bei der Aufnahme von akustischen Szenen mittels zumindest zwei Mikrofonen ein Konzept bereitzustellen, das das Anfertigen und/oder das Abmischen der Aufzeichnung effizienter und mit geringerer Fehleranfälligkeit ermöglichen kann.
Diese Aufgabe wird durch einen Tonsignalerzeuger, ein Verfahren und ein Computerprogramm jeweils mit den Merkmalen der unabhängigen Patentansprüche gelöst. Vorteilhafte Ausgestaltungen und Weiterbildungen sind Gegenstand der abhängigen Ansprüche.
Einige Ausführungsbeispiele der vorliegenden Erfindung ermöglichen dies insbesondere durch Verwendung eines Tonsignalerzeugers zum Bereitstellen eines Tonsignals für eine virtuelle Abhörposition innerhalb eines Raumes, in dem eine akustische Szene von zumindest einem ersten Mikrofon an einer ersten bekannten Position innerhalb des Raumes als ein erstes Quellsignal und von zumindest einem zweiten Mikrofon an einer zweiten Position innerhalb des Raumes als ein zweites Quellsignal aufgezeichnet wird. Um dies zu ermöglichen, weist der Tonsignalerzeuger eine Eingangsschnittstelle auf, um die von dem ersten Mikrofon und von dem zweiten Mikrofon aufgenommenen ersten und zweiten Quellsignale zu empfangen. Ein Geometrieprozessor innerhalb des Tonsignalerzeugers ist ausgebildet, um basierend auf der ersten Position und der virtuellen Abhörposition eine erste Geometrieinformation und um basierend auf der zweiten Position und der virtuellen Abhörposition eine zweite Geometrieinformation zu bestimmen, sodass diese von einem Signalerzeuger, der zum Bereitstellen des Tonsignales dient, berücksichtigt werden können. Dazu ist der Signalerzeuger ausgebildet, zumindest das erste Quellsignal und das zweite Quellsignal gemäß einer Kombinationsregel zu kombinieren, um das Tonsignal zu erhalten. Dabei erfolgt gemäß den Ausführungsbeispielen der vorliegenden Erfindung die Kombination unter Verwendung der ersten Geometrieinformation und der zweiten Geometrieinformation. Das heißt, gemäß den Ausführungsbeispielen der vorliegenden Erfindung kann für eine virtuelle Abhörposition, an der sich in der abzumischenden bzw. aufzuzeichnenden akustischen Szene kein reales Mikrofon befinden muss, aus zwei Quellsignalen, die mittels realer Mikrofone aufgezeichnet werden, ein Tonsignal erzeugt werden, das der räumlichen Wahrnehmung am Ort der virtuellen Abhörposition entsprechen oder ähneln kann. Dies kann beispielsweise insbesondere dadurch erreicht werden, dass Geometrieinformationen, die beispielsweise die Relativposition zwischen den Positionen der realen Mikrofone und der virtuellen Abhörposition angeben, direkt bei der Bereitstellung bzw. Erzeugung des Tonsignals für die virtuelle Abhörposition verwendet werden. Dies kann daher ohne aufwendige Berechnungen möglich sein, sodass die Bereitstellung des Tonsignals in Echtzeit oder näherungsweise in Echtzeit erfolgen kann.
Das direkte Verwenden von Geometrieinformationen zum Erzeugen eines Tonsignals für eine virtuelle Abhörposition kann es ferner ermöglichen, durch einfaches Verschieben bzw. Verändern der Position bzw. der Koordinaten der virtuellen Abhörposition eine Tonmischung zu erstellen, ohne dass die möglicherweise große Anzahl von Quellsignalen individuell und manuell angepasst werden müsste. Das Erstellen einer individuellen Tonmischung kann beispielsweise auch eine effiziente Kontrolle des Setups vor der eigentlichen Aufzeichnung ermöglichen, wobei beispielsweise die Aufnahmequalität bzw. die Anordnung der realen Mikrofone in der Szene dadurch kontrolliert werden kann, dass die virtuelle Abhörposition innerhalb der akustischen Szene bzw. innerhalb des akustischen Raumes frei bewegt wird, sodass ein Toningenieur unmittelbar ein automatisches akustisches Feedback erhalten kann, ob die einzelnen Mikrofone korrekt verkabelt sind bzw. ob diese ordnungsgemäß funktionieren. Beispielsweise kann so die Funktionalität jedes einzelnen Mikrofones überprüft werden, ohne dass sämtliche der anderen Mikrofone ausgeblendet werden müssten, wenn die virtuelle Abhörposition nahe an die Position eines der realen Mikrofone herangeführt wird, sodass dessen Anteil am bereitgestellten Tonsignal dominiert. Dies wiederum ermöglicht eine Kontrolle des von dem betreffenden Mikrofon aufgezeichneten Quellbzw. Audiosignals.
Ferner können es Ausführungsbeispiele der Erfindung eventuell ermöglichen, sogar beim Auftreten eines Fehlers während einer Liveaufnahme durch schnelles Identifizieren des Fehlers so schnell eingreifen und den Fehler beheben zu können, beispielsweise durch den Tausch eines Mikrofons oder eines Kabels, dass wenigstens große Teile des Konzerts noch fehlerfrei mitgeschnitten werden können.
Ferner ist es gemäß den Ausführungsbeispielen der vorliegenden Erfindung möglicherweise nicht mehr erforderlich, die Position einer Vielzahl von Mikrofonen, die zur Aufnahme einer akustischen Szene verwendet werden, unabhängig von den Quellsignalen aufzuzeichnen bzw. zu skizzieren, um im Nachhinein die räumliche Anordnung der aufzeichnenden Mikrofone bei der Abmischung des die akustische Szene repräsentierenden Signals nachzubilden. Vielmehr können gemäß einigen Ausführungsbeispielen die vorbekannten Positionen der die Quellsignale aufzeichnenden Mikrofone innerhalb des akustischen Raumes als Steuerparameter bzw. Eigenschaft von einzelnen Kanalzügen in einem Audiomischpult direkt berücksichtigt und zusammen mit dem Quellsignal konserviert bzw. aufgezeichnet werden.
Einige Ausführungsbeispiele der vorliegenden Erfindung umfassen somit ein Mischpult zum Verarbeiten zumindest eines ersten und eines zweiten Quellsignals und zum Bereitstellen des Tonsignals mittels eines Ausführungsbeispiels eines Tonsignalerzeugers. Gemäß einigen Ausführungsbeispielen weist das Mischpult ferner eine Benutzerschnittstelle auf, die ausgebildet ist, um eine grafische Repräsentation der Positionen einer Mehrzahl von Mikrofonen sowie eine oder mehrere virtuelle Abhörposition anzuzeigen. Das heißt, einige Ausführungsbeispiele von Mischpulten erlauben es darüber hinaus, ein Abbild der geometrischen Verhältnisse bei der Aufzeichnung der akustischen Szene grafisch darzustellen, was einem Toningenieur auf einfache und intuitive Art und Weise ermöglichen kann, eine räumliche Abmischung zu erstellen bzw. ein Mikrofon-Setup zur Aufnahme einer komplexen akustischen Szene zu kontrollieren oder aufzubauen bzw. zu justieren.
Gemäß einigen weiteren Ausführungsbeispielen umfasst ein Mischpult zusätzlich eine Eingabeeinrichtung, die ausgebildet ist, um zumindest die virtuelle Abhörposition einzugeben bzw. zu verändern, insbesondere durch direkte Interaktion bzw. Beeinflussung der grafischen Repräsentation der virtuellen Abhörposition. Dies ermöglicht es auf besonders intuitive Art und Weise, eine Kontrolle einzelner Abhörpositionen bzw. von mit diesen Positionen assoziierten Mikrofonen durchzuführen, indem beispielsweise die virtuelle Abhörposition innerhalb der akustischen Szene bzw. des akustischen Raumes mit der Maus oder mittels des Fingers und eines berührungsempfindlichen Bildschirmes (Touchscreen) an den gerade interessierenden Ort verschoben werden kann.
Einige weitere Ausführungsbeispiele von Mischpulten erlauben es darüber hinaus, über die Eingabeschnittstelle jedes der Mikrofone als zu einem bestimmten von mehreren unterschiedlichen Mikrofon-Typen gehörend zu charakterisieren. Insbesondere kann ein Mikrofon-Typ zu Mikrofonen korrespondieren, die aufgrund ihrer geometrischen Relativposition bezüglich den Objekten bzw. Schallquellen der aufzunehmenden akustischen Szene überwiegend einen direkten Schallanteil aufzeichnen. Ein zweiter Mikrofontyp kann aus demselben Grund primär einen diffusen Schallanteil aufnehmende Mikrofone kennzeichnen. Die Möglichkeit der Zuordnung der einzelnen Mikrofone zu unterschiedlichen Typen kann dazu beispielsweise dazu dienen, die Quellsignale, die von den unterschiedlichen Typen aufgezeichnet werden, mit sich jeweils unterscheidenden Kombinationsregeln miteinander zu kombinieren, um das Tonsignal für die virtuelle Abhörposition zu erhalten.
Dies kann gemäß einigen Ausführungsbeispielen insbesondere dafür verwendet werden, unterschiedliche Kombinations- bzw. Superpositionsregeln für Mikrofone, die überwiegend diffusen Schall aufzeichnen und für solche Mikrofone, die überwiegend Direktschall aufzeichnen, zu verwenden, um zu einem natürlichen Klangeindruck bzw. zu einem Signal zu gelangen, das für die gegebene Anforderung vorteilhafte Eigenschaften aufweist. Gemäß einigen Ausführungsbeispielen, bei denen das Tonsignal unter Bilden einer gewichteten Summe von zumindest einem ersten und einem zweiten Quellsignal erzeugt wird, werden beispielsweise die Gewichte für die unterschiedlichen Mikrofontypen unterschiedlich bestimmt. Beispielsweise kann so bei Mikrofonen, die überwiegend Direktschall aufzeichnen, ein der Realität entsprechender Abfall der Lautstärke mit zunehmendem Abstand von dem Mikrofon über einen geeignet gewählten Gewichtsfaktor implementiert werden. Gemäß einigen Ausführungsbeispielen ist das Gewicht proportional zu dem Inversen einer Potenz des Abstands des Mikrofons zu der virtuellen Abhörposition. Gemäß einigen Ausführungsbeispielen ist das Gewicht proportional zu dem Inversen des Abstands, was zu der Schallausbreitung einer idealisierten punktförmigen Schallquelle korrespondiert. Gemäß einigen Ausführungsbeispielen sind für Mikrofone, die dem ersten Mikrofon-Typ, also der Aufzeichnung von Direktschall, zugeordnet sind, die Gewichtsfaktoren proportional zu dem mit einem Nahfeldradius multiplizierten Inversen des Abstands des Mikrofons zu der virtuellen Abhörposition. Dies kann zu einer verbesserten Wahrnehmung des Tonsignales führen, indem der angenommene Einfluss eines Nahfeldradius berücksichtigt wird, innerhalb dessen eine konstante Lautstärke des Quellsignals angenommen wird.
Gemäß einigen Ausführungsbeispielen der Erfindung wird auch für Mikrofone, die einem zweiten Mikrofon-Typ zugeordnet sind und mittels denen überwiegend diffuse Schallanteile aufgezeichnet werden, das Tonsignal aus den aufgenommenen Quellsignalen x₁ und x₂ mittels Bilden einer gewichteten Summe erzeugt, wobei die Gewichte g₁ und g₂ von den Relativpositionen der Mikrofone abhängen und gleichzeitig eine zusätzliche Randbedingung erfüllen. Insbesondere ist gemäß einigen Ausführungsbeispielen der vorliegenden Erfindung die Summe der Gewichte G = g₁ + g₂ oder eine quadratische Summe der Gewichte G2 = g₁ ² + g₂ ² konstant und insbesondere eins. Dies kann zu einer Kombination der Quellsignale führen, bei der eine Lautstärke des erzeugten Tonsignals für unterschiedliche Relativpositionen zwischen den Mikrofonen zumindest näherungsweise einer Lautstärke eines jeden der Quellsignale entspricht, was wiederum zu einer guten Wahrnehmungsqualität des erzeugten Tonsignales führen kann, da die diffusen Signalanteile innerhalb eines akustischen Raumes näherungsweise identische Lautstärke aufweisen.
Gemäß einigen Ausführungsbeispielen der vorliegenden Erfindung wird aus den Quellsignalen zunächst mittels zweier gewichteter Summen mit unterschiedlichen Gewichten ein erstes Zwischensignal und ein zweites Zwischensignal gebildet. Aus dem ersten und zweiten Zwischensignal wird dann mittels einer weiteren gewichteten Summe das Tonsignal bestimmt, wobei die Gewichte von einem Korrelations-Koeffizienten zwischen dem ersten und dem zweiten Quellsignal abhängig sind. Dies kann es ermöglichen, abhängig von der Ähnlichkeit der beiden aufgezeichneten Quellsignale Kombinationsregeln bzw. Panning-Verfahren derart gewichtet miteinander zu kombinieren, dass Lautstärkeüberhöhungen, wie sie abhängig vom gewählten Verfahren und den zu kombinierenden Signalen prinzipiell auftreten können, weiter verringert werden. Dies kann möglicherweise dazu führen, dass eine Gesamtlautstärke des erzeugten Tonsignals unabhängig von den kombinierten Signalformen näherungsweise konstant bleibt, sodass der vermittelte räumliche Eindruck auch weitestgehend ohne ein a-priori Wissen über das Quellsignal dem Gewünschten entspricht.
Gemäß einigen weiteren Ausführungsbeispielen werden in Bereichen, in denen die virtuelle Abhörposition von drei jeweils ein Quellsignal aufzeichnenden Mikrofonen umgeben ist, die Tonsignale, insbesondere, was deren diffuse Schallanteile angeht, unter Verwendung der drei Quellsignale gebildet. Das Bereitstellen des Tonsignals umfasst dabei das Erzeugen einer gewichteten Summe der drei aufgezeichneten Quellsignale. Die den Quellsignalen zugeordneten Mikrofone bilden ein Dreieck, wobei die Gewichte für ein Quellsignal basierend auf einer senkrechten Projektion der virtuellen Abhörposition auf diejenige Höhe des Dreiecks, die durch die Position des betreffenden Mikrofone verläuft, bestimmt werden. Dabei können unterschiedliche Verfahren zum Bestimmen der Gewichte verwenden werden. Dennoch kann die Lautstärke näherungsweise unverändert bleiben, auch wenn drei statt nur zwei Quellsignale kombiniert werden, was zu einer klanglich realistischeren Wiedergabe des Schallfeldes an der virtuellen Abhörposition beitragen kann.
Gemäß einigen Ausführungsbeispielen der vorliegenden Erfindung werden entweder das erste oder das zweite Quellsignal vor der Kombination der beiden Quellsignale um eine Verzögerungszeit verzögert, wenn ein Vergleich der ersten Geometrieinformation und der zweiten Geometrieinformation ein vorbestimmtes Kriterium erfüllt, insbesondere wenn die beiden Abstände weniger als einen zulässigen Minimalabstand voneinander abweichen. Dies kann es ermöglichen, die Tonsignale zu erzeugen, ohne dass Klangverfärbungen entstehen, die möglicherweise durch die Superposition eines Signals, das in geringem räumlichen Abstand zueinander aufgezeichnet wurde, erzeugt werden könnten. Gemäß einigen Ausführungsbeispielen wird insbesondere auf effiziente Art und Weise jedes der verwendeten Quellsignale derart verzögert, dass seine Laufzeit bzw. Latenz der maximalen Signallaufzeit vom Ort aller beteiligten Mikrofone zur virtuellen Abhörposition entspricht, sodass destruktive Interferenzen ähnlicher oder identischer Signale durch eine erzwungene identische Signallaufzeit vermieden werden können.
Gemäß einigen weiteren Ausführungsbeispielen werden bei der Superposition bzw. gewichteten Summation der Quellsignale ferner Richtungsabhängigkeiten berücksichtigt, das heißt, der virtuellen Abhörposition kann eine Vorzugsrichtung und eine bezüglich der Vorzugsrichtung angegebene Richtcharakteristik zugeordnet werden. Dies kann es ermöglichen, beim Erzeugen des Tonsignals eine realitätsnahe Wirkung zu erzielen, indem zusätzlich eine bekannte Richtcharakteristik, beispielsweise eines realen Mikrofons oder des menschlichen Gehörs berücksichtigt wird.
Ausführungsbeispiele der vorliegenden Erfindung werden nachfolgend bezugnehmend auf die beiliegenden Figuren näher erläutert. Es zeigen:
1: Ein Ausführungsbeispiel eines Tonsignalerzeugers;
2: Eine Illustration einer akustischen Szene, deren Quellsignale mit Ausführungsbeispielen von Tonsignalerzeugern verarbeitet werden;
3: Ein Beispiel für eine Kombinationsregel zum Erzeugen eines Tonsignals gemäß einigen Ausführungsbeispielen der Erfindung;
4: Eine Illustration zur Verdeutlichung eines weiteren Beispiels einer möglichen Kombinationsregel;
5: Eine grafische Illustration einer Kombinationsregel zur Verwendung mit drei Quellsignalen;
6: Eine Illustration einer weiteren Kombinationsregel;
7: Eine Illustration einer richtungsabhängigen Kombinationsregel;
8: Eine schematische Darstellung eines Ausführungsbeispiels eines Mischpults;
9: Eine schematische Darstellung eines Ausführungsbeispiels eines Verfahrens zum Erzeugen eines Tonsignals; und
10: Eine schematische Darstellung eines Ausführungsbeispiels einer Benutzerschnittstelle.
Verschiedene Ausführungsbeispiele werden nun ausführlicher unter Bezugnahme auf die beiliegenden Zeichnungen beschrieben, in denen einige Ausführungsbeispiele dargestellt sind. In den Figuren können die Dickenabmessungen von Linien, Schichten und/oder Regionen um der Deutlichkeit Willen übertrieben dargestellt sein.
Bei der nachfolgenden Beschreibung der beigefügten Figuren, die lediglich einige exemplarische Ausführungsbeispiele zeigen, können gleiche Bezugszeichen gleiche oder vergleichbare Komponenten bezeichnen. Ferner können zusammenfassende Bezugszeichen für Komponenten und Objekte verwendet werden, die mehrfach in einem Ausführungsbeispiel oder in einer Zeichnung auftreten, jedoch hinsichtlich eines oder mehrerer Merkmale gemeinsam beschrieben werden. Komponenten oder Objekte, die mit gleichen oder zusammenfassenden Bezugszeichen beschrieben werden, können hinsichtlich einzelner, mehrerer oder aller Merkmale, beispielsweise ihrer Dimensionierungen, gleich, jedoch gegebenenfalls auch unterschiedlich ausgeführt sein, sofern sich aus der Beschreibung nicht etwas anderes explizit oder implizit ergibt.
Obwohl Ausführungsbeispiele auf verschiedene Weise modifiziert und abgeändert werden können, sind Ausführungsbeispiele in den Figuren als Beispiele dargestellt und werden hierin ausführlich beschrieben. Es sei jedoch klargestellt, dass nicht beabsichtigt ist, Ausführungsbeispiele auf die jeweils offenbarten Formen zu beschränken, sondern dass Ausführungsbeispiele vielmehr sämtliche funktionale und/oder strukturelle Modifikationen, Äquivalente und Alternativen, die im Bereich der Erfindung liegen, abdecken sollen. Gleiche Bezugszeichen bezeichnen in der gesamten Figurenbeschreibung gleiche oder ähnliche Elemente.
Man beachte, dass ein Element, das als mit einem anderen Element „verbunden“ oder „verkoppelt“ bezeichnet wird, mit dem anderen Element direkt verbunden oder verkoppelt sein kann oder dass dazwischenliegende Elemente vorhanden sein können. Wenn ein Element dagegen als „direkt verbunden“ oder „direkt verkoppelt“ mit einem anderen Element bezeichnet wird, sind keine dazwischenliegenden Elemente vorhanden. Andere Begriffe, die verwendet werden, um die Beziehung zwischen Elementen zu beschreiben, sollten auf ähnliche Weise interpretiert werden (z.B., „zwischen“ gegenüber „direkt dazwischen“, „angrenzend“ gegenüber „direkt angrenzend“ usw.).
Die Terminologie, die hierin verwendet wird, dient nur der Beschreibung bestimmter Ausführungsbeispiele und soll die Ausführungsbeispiele nicht beschränken. Wie hierin verwendet, sollen die Singularformen „ einer,” „ eine”, „eines ” und „der, die, das“ auch die Pluralformen beinhalten, solange der Kontext nicht eindeutig etwas anderes angibt. Ferner sei klargestellt, dass die Ausdrücke wie z.B. „beinhaltet“, „beinhaltend“, aufweist“ und/oder „aufweisend“, wie hierin verwendet, das Vorhandensein von genannten Merkmalen, ganzen Zahlen, Schritten, Arbeitsabläufen, Elementen und/oder Komponenten angeben, aber das Vorhandensein oder die Hinzufügung von einem bzw. einer oder mehreren Merkmalen, ganzen Zahlen, Schritten, Arbeitsabläufen, Elementen, Komponenten und/oder Gruppen davon nicht ausschließen.
Solange nichts anderes definiert ist, haben sämtliche hierin verwendeten Begriffe (einschließlich von technischen und wissenschaftlichen Begriffen) die gleiche Bedeutung, die ihnen ein Durchschnittsfachmann auf dem Gebiet, zu dem die Ausführungsbeispiele gehören, beimisst. Ferner sei klargestellt, dass Ausdrücke, z.B. diejenigen, die in allgemein verwendeten Wörterbüchern definiert sind, so zu interpretieren sind, als hätten sie die Bedeutung, die mit ihrer Bedeutung im Kontext der einschlägigen Technik konsistent ist, und nicht in einem idealisierten oder übermäßig formalen Sinn zu interpretieren sind, solange dies hierin nicht ausdrücklich definiert ist.
1 zeigt in schematischer Darstellung ein Ausführungsbeispiel eines Tonsignalerzeugers 100, der eine Eingangsschnittstelle 102, einen Geometrieprozessor 104 und einen Signalerzeuger 106 umfasst. Der Tonsignalerzeuger 100 dient zum Bereitstellen eines Tonsignals für eine virtuelle Abhörposition 202 innerhalb eines Raumes 200, der in 1 lediglich schematisch angedeutet ist. In dem Raum 200 wird mittels zumindest eines ersten Mikrofons 204 und eines zweiten Mikrofons 206 eine akustische Szene aufgezeichnet. Die Quelle 208 der akustischen Szene ist hier lediglich schematisch als ein Gebiet innerhalb des Raumes 200 dargestellt, innerhalb dessen eine Mehrzahl von Schallquellen angeordnet sind bzw. sein können, die zu einem als akustische Szene bezeichneten Schallfeld innerhalb des Raumes 200 führen, welches wiederum mittels der Mikrofone 204 und 206 aufgezeichnet wird.
Die Eingangsschnittstelle 102 ist ausgebildet, um ein von dem ersten Mikrofon 204 aufgenommenes erstes Quellsignal 210 und ein von dem zweiten Mikrofon 206 aufgenommenes zweites Quellsignal 212 zu empfangen. Dabei können das erste und das zweite Quellsignal 210 und 212 sowohl analoge als auch digitale Signale sein, die sowohl kodiert als auch unkodiert von den Mikrofonen übermittelt werden können. Das heißt, gemäß einiger Ausführungsbeispiele können die Quellsignale 210 und 212 bereits gemäß einem Kompressionsverfahren, wie beispielsweise dem Advanced Audio Codec (AAC), MPEG 1, Layer 3 (MP3) oder dergleichen kodiert bzw. komprimiert sein.
Das erste und das zweite Mikrofon 204 und 206 befinden sich an vorbekannten Positionen innerhalb des Raumes 200, die auch dem Geometrieprozessor 104 bekannt sind. Der Geometrieprozessor 104 kennt darüber hinaus die Position bzw. die Koordinaten der virtuellen Abhörposition 202 und ist ausgebildet, aus der ersten Position des ersten Mikrofons 204 und der virtuellen Abhörposition 202 eine erste Geometrieinformation 110 zu bestimmen. Der Geometrieprozessor 104 ist ferner ausgebildet, um aus der zweiten Position und der virtuellen Abhörposition 202 eine zweite Geometrieinformation 112 zu bestimmen.
Ein Beispiel für eine derartige Geometrieinformation ist, ohne Anspruch auf Vollständigkeit zu erheben, einen Abstand zwischen der ersten Position und der virtuellen Abhörposition 202 oder eine relative Orientierung zwischen einer Vorzugsrichtung, die der virtuellen Abhörposition 202 zugeordnet ist und einer Position eines der Mikrofone 204 oder 206. Selbstverständlich kann die Geometrie auf beliebige Art und Weise beschrieben sein, beispielsweise mittels kartesischen Koordinaten, sphärischen Koordinaten oder Zylinderkoordinaten in einem ein-, zwei- oder dreidimensionalen Raum.
Der Signalerzeuger ist ausgebildet, um das Tonsignal unter Kombination des ersten Quellsignals 210 und des zweiten Quellsignals 212 bereitzustellen, wobei die Kombination einer Kombinationsregel folgt, gemäß der sowohl die erste Geometrieinformation 110 als auch die zweite Geometrieinformation 112 berücksichtigt bzw. verwendet werden.
Das Tonsignal 120 wird also aus dem ersten und dem zweiten Quellsignal 210 und 212 gewonnen, wobei dabei die erste und die zweite Geometrieinformation 110 bzw. 112 verwendet werden. Das heißt, Informationen über die geometrischen Eigenschaften bzw. Beziehungen zwischen der virtuellen Abhörposition 12 und den Positionen der Mikrofone 204 und 206 werden unmittelbar zur Bestimmung des Tonsignales 120 verwendet.
Durch Variation der virtuellen Abhörposition 202 kann so möglicherweise auf einfache und intuitive Art und Weise ein Tonsignal erhalten werden, das eine Kontrolle einer Funktionalität der in der Nähe der virtuellen Abhörposition 202 angeordneten Mikrofone ermöglicht, ohne dass beispielsweise die Vielzahl der Mikrofone innerhalb eines Orchesters einzeln über die diesen jeweils zugeordneten Kanäle eines Mischpults abgehört werden müssen.
Gemäß den Ausführungsbeispielen, bei denen die erste Geometrieinformation und die zweite Geometrieinformation als zumindest eine Information den ersten Abstand d₁ zwischen der virtuellen Abhörposition 202 und der ersten Position und d₂ zwischen der virtuellen Abhörposition 202 und der zweiten Position umfasst, wird zum Erzeugen des Tonsignals 120 unter anderem eine gewichtete Summe des ersten Quellsignals 210 und des zweiten Quellsignals 212 erzeugt.
Wenngleich in 1 der Einfachheit halber und zum besseren Verständnis lediglich zwei Mikrofone 204 und 206 dargestellt sind, versteht es sich von selbst, dass gemäß weiteren Ausführungsbeispielen der vorliegenden Erfindung von einem Tonsignalerzeuger 100 eine beliebige Anzahl von Mikrofonen der in 1 schematisch dargestellten Art verwendet
werden können, um für eine virtuelle Abhörposition ein Tonsignal zu erzeugen, wie hier und anhand der nachfolgenden Ausführungsbeispiele noch erläutert werden wird.
Das heißt, gemäß einigen Ausführungsbeispielen wird das Tonsignal x aus einer Linearkombination des ersten Quellsignals 210 (x₁) und des zweiten Quellsignals 212 (x₂) erzeugt, wobei das erste Quellsignal x₁ mit einem ersten Gewicht g₁ und das zweite Quellsignal x₂ mit einem zweiten Gewicht g₂ gewichtet werden, sodass gilt: x = g₁·x₁ + g₂·x₂.
Gemäß weiteren Ausführungsbeispielen können, wie bereits erwähnt, weitere Quellsignale x₃, ..., x_n mit dazugehörigen Gewichten g₃, ..., g_n zusätzlich berücksichtigt werden. Selbstverständlich sind Tonsignale zeitabhängig, wobei vorliegend aus Gründen der Übersichtlichkeit teilweise auf den expliziten Hinweis auf die Zeitabhängigkeit verzichtet wird und Angaben von Ton- oder Quellsignalen x synonym mit der Angabe x(t) zu verstehen sind.
2 zeigt schematisch den Raum 200, wobei bei der in 2 gewählten Darstellung angenommen wird, dieser werde von rechtwinkligen Wänden begrenzt, die für das Zustandekommen eines diffusen Schallfeldes verantwortlich zeichnen. Ferner werde vereinfachend angenommen, dass wenngleich in der in 2 dargestellten Quelle 208 innerhalb des eingegrenzten Bereiches eine oder mehrere Schallquellen angeordnet sein können, diese in Bezug auf deren Wirkung für die einzelnen Mikrofone zunächst vereinfacht als eine einzelne Quelle betrachtet werden können. Der von diesen Schallquellen ausgestrahlte Direktschall wird von den Wänden, die den Raum 200 begrenzen, mehrfach reflektiert, sodass sich ein von den Mehrfachreflexionen der bereits abgeschwächten Signale erzeugtes diffuses Schallfeld aus unkorreliert überlagerten Signalen ergibt, das zumindest näherungsweise innerhalb des gesamten Raumes eine konstante Lautstärke besitzt. Dieser überlagert ist ein direkter Schallanteil, also derjenige Schall, der von den innerhalb der Quelle 208 befindlichen Schallquellen direkt die möglichen Abhörpositionen, insbesondere also auch die Mikrofone 220 bis 232 erreicht, ohne vorher reflektiert worden zu sein. Das heißt, innerhalb des Raumes 200 kann das Schallfeld konzeptionell idealisiert in zwei Komponenten unterschieden werden, nämlich einen direkten Schallanteil, der vom Ort der Erzeugung des Schalles direkt die entsprechende Abhörposition erreicht und in einen diffusen Schallanteil, der aus einer näherungsweise unkorrelierten Überlagerung einer Vielzahl von direkt abgestrahlten und reflektierten Signalen herrührt.
Bei der in 2 gezeigten Illustration kann aufgrund der räumlichen Nähe der Mikrofone 220 bis 224 zur Quelle 208 angenommen werden, diese zeichnen überwiegend Direktschall auf, das heißt, die Lautstärke bzw. der Schalldruck des von diesen Mikrofonen aufgenommenen Signals rührt überwiegend von einem direkten Schallanteil, der innerhalb der Quelle 208 angeordneten Schallquellen her. Demgegenüber kann beispielsweise angenommen werden, die Mikrofone 226 bis 232 zeichneten ein Signal auf, das überwiegend vom diffusen Schallanteil herrührt, da der räumliche Abstand zwischen der Quelle 208 und den Mikrofonen 226 bis 232 groß ist, sodass die Lautstärke des Direktschalls an diesen Positionen zumindest vergleichbar oder geringer als die Lautstärke des diffusen Schallfeldes ist.
Um bei der Erzeugung des Tonsignals für die virtuelle Abhörposition 202 der Reduktion der Lautstärke mit zunehmendem Abstand Rechnung zu tragen, wird gemäß einigen Ausführungsbeispielen der Erfindung ein Gewicht g_n für die einzelnen Quellsignale abhängig vom Abstand zwischen der virtuellen Abhörposition 202 und den verwendeten Mikrofonen 220 bis 232 zur Aufzeichnung der Quellsignale gewählt. 3 zeigt exemplarisch eine Möglichkeit zur Bestimmung eines derartigen Gewichtes bzw. eines derartigen Faktors zur Multiplikation mit dem Quellsignal, wobei hier als Beispiel das Mikrofon 222 gewählt wurde. Wie 3 schematisch illustriert, wird gemäß einigen Ausführungsbeispielen das Gewicht g_n proportional zu dem Inversen einer Potenz des ersten Abstandes d₁ gewählt, also:
Gemäß einigen Ausführungsbeispielen wird als Potenz n = 1 gewählt, das heißt, das Gewicht bzw. der Gewichtsfaktor ist invers proportional zum Abstand d₁, eine Abhängigkeit, die in etwa der Freifeldausbreitung einer punktförmigen gleichförmig abstrahlenden Schallquelle entspricht. Das heißt, gemäß einigen Ausführungsbeispielen wird angenommen, dass die Lautstärke invers proportional zum Abstand 240 ist. Gemäß einigen weiteren Ausführungsbeispielen wird zusätzlich für einige oder für alle der Mikrofone 220 bis 232 ein sogenannter Nahfeldradius 242 (r₁) berücksichtigt. Der Nahfeldradius 242 korrespondiert dabei zu einem Bereich unmittelbar um eine Schallquelle, insbesondere zu dem Bereich, innerhalb dessen die Schallwelle bzw. die Schallfront gebildet wird. Innerhalb des Nahfeldradius wird der Schalldruckpegel bzw. die Lautstärke des Audiosignals als konstant angenommen. In einer einfachen Modellvorstellung mag dabei angenommen werden, dass innerhalb einer einzelnen Wellenlänge eines Audio- bzw. Tonsignals keine signifikante Dämpfung im Medium auftritt, sodass zumindest innerhalb einer einzelnen Wellenlänge (korrespondierend zum Nahfeldradius) der Schalldruck konstant ist. Daraus ergibt sich, dass der Nahfeldradius auch frequenzabhängig sein kann.
Durch die analoge Verwendung des Nahfeldradius gemäß einigen Ausführungsbeispielen der Erfindung kann ein Tonsignal an der virtuellen Abhörposition 202 erzeugt werden, indem die für die Kontrolle der akustischen Szene bzw. der Konfiguration und Verkabelung der einzelnen Mikrofone relevanten Größen besonders deutlich gewichtet werden, wenn sich die virtuelle Abhörposition 202 einer der realen Positionen der Mikrofone 220 bis 232 nähert. Wenngleich gemäß einigen Ausführungsbeispielen der vorliegenden Erfindung für den Nahfeldradius r eine frequenzunabhängige Größe angenommen wird, kann gemäß einigen weiteren Ausführungsbeispielen eine Frequenzabhängigkeit des Nahfeldradius implementiert sein. Gemäß einigen Ausführungsbeispielen wird also zur Erzeugung des Tonsignals angenommen, innerhalb eines Nahfeldradius r um eines der Mikrofone 220 bis 232 sei die Lautstärke konstant. Gemäß einigen weiteren Ausführungsbeispielen wird, um die Berechnung des Signals zu vereinfachen und dem Einfluss eines Nahfeldradius möglicherweise dennoch Rechnung zu tragen, als allgemeine Rechenvorschrift angenommen, das Gewicht g₁ sei proportional zu einem Quotienten aus dem Nahfeldradius r₁ des betrachteten Mikrofons 222 und dem Abstand d₁ von virtueller Abhörposition 202 und Mikrofon 222, sodass gilt:
Eine solche Parametrisierung bzw. Entfernungsabhängigkeit kann sowohl den Überlegungen zum Nahfeld als auch den Überlegungen zum Fernfeld Rechnung tragen. Wie bereits oben erwähnt, schließt sich an das Nahfeld einer punktförmigen Schallquelle ein Fernfeld an, in dem sich bei Freifeldausbreitung der Schalldruck mit jeder Verdopplung der Entfernung von der Schallquelle halbiert, der Pegel sich also um jeweils 6 dB verringert. Diese Eigenschaft ist auch als Abstandsgesetz bzw. 1/r-Gesetz bekannt. Auch wenn gemäß einigen Ausführungsbeispielen der Erfindung Quellen 208 aufgenommen werden mögen, deren Schallquellen gerichtet abstrahlen, kann möglicherweise von punktförmigen Schallquellen ausgegangen werden, wenn, nicht eine realitätsgetreue Wiedergabe des Schallfeldes am Ort der virtuellen Abhörposition 202 im Vordergrund steht, sondern vielmehr die Möglichkeit, die Mikrofone bzw. die Aufnahmequalität einer komplexen akustischen Szene schnell und effizient kontrollieren bzw. durchhören zu können.
Wie bereits in 2 angedeutet, können gemäß einigen Ausführungsbeispielen die Nahfeldradii für unterschiedliche Mikrofone unterschiedlich gewählt werden. Insbesondere kann dabei den unterschiedlichen Mikrofon-Typen Rechnung getragen werden. Als Mikrofon-Typ soll hierin eine Information verstanden werden, die, losgelöst von dem tatsächlichen Aufbau des einzelnen Mikrofons, eine Eigenschaft des Mikrofons oder dessen Verwendung beschreibt, die sich von einer identischen Eigenschaft oder Verwendung eines weiteren Mikrofons unterscheidet, das ebenfalls zur Aufnahme der Quelle 208 verwendet wird. Ein Beispiel für eine solche Unterscheidung ist die Unterscheidung zwischen Mikrofonen eines ersten Typs (Typ „D“ in 2), die aufgrund ihrer geometrischen Positionierung überwiegend Direktschallanteile aufnehmen und solchen Mikrofonen, die aufgrund des größeren Abstands bzw. einer anderen Relativposition bezüglich der Quelle 208 überwiegend das diffuse Schallfeld aufnehmen bzw. aufzeichnen (Mikrofone vom Typ „A“ in 2). Insbesondere bei einer solchen Aufteilung der Mikrofone in unterschiedliche Mikrofon-Typen kann die Verwendung von unterschiedlichen Nahfeldradii sinnvoll sein. Dabei wird gemäß einigen Ausführungsbeispielen der Nahfeldradius der Mikrofone vom Typ A größer gewählt als derjenige für die Mikrofone vom Typ D, was zu einer einfachen Möglichkeit der Kontrolle der einzelnen Mikrofone führen kann, wenn die virtuelle Abhörposition 202 in deren Nähe gesetzt wird, ohne die physikalischen Gegebenheiten bzw. den Klangeindruck grob zu verfälschen, insbesondere da das diffuse Schallfeld, wie oben dargestellt, über große Gebiete näherungsweise gleich laut ist.
Allgemein gesprochen verwenden Tonsignalerzeuger 100 gemäß einigen Ausführungsbeispielen der vorliegenden Erfindung zum Kombinieren der Quellsignale unterschiedliche Kombinationsregeln, wenn die Mikrofone, die die jeweiligen Quellsignale aufzeichnen, unterschiedlichen Mikrofon-Typen zugeordnet sind. Das heißt, eine erste Kombinationsregel wird verwendet, wenn die beiden zu kombinierenden Mikrofone einem ersten Mikrofon-Typ zugeordnet sind und eine zweite Kombinationsregel wird verwendet, wenn die beiden zu kombinierenden Mikrofone bzw. die von diesen Mikrofonen aufgezeichneten Quellsignale einem zweiten, unterschiedlichen Mikrofontyp zugeordnet sind.
Insbesondere können gemäß einigen Ausführungsbeispielen die Mikrofone jedes unterschiedlichen Typs zunächst vollständig voneinander getrennt verarbeitet und zu je einem Teilsignal x_virt kombiniert werden, woraufhin in einem abschließenden Schritt vom Tonsignalerzeuger bzw. einem verwendeten Mischpult das endgültige Signal durch Kombination der vorher erzeugten Teilsignale erzeugt wird. Angewendet auf die in 2 dargestellte akustische Szene bedeutete dies beispielsweise, dass zunächst ein Teilsignal x_A für die virtuelle Abhörposition 202 bestimmt werden kann, welches lediglich die Mikrofone 226 bis 232 von Typ A berücksichtigt. Zeitgleich oder vorher bzw. nachher könnte ein zweites Teilsignal x_D für die virtuelle Abhörposition 202 bestimmt werden, das lediglich die Mikrofone vom Typ D, also die Mikrofone 220 bis 224 berücksichtigt, diese jedoch gemäß einer anderen Kombinationsregel miteinander kombiniert. In einem abschließenden Schritt könnte dann das endgültige Tonsignal x für die virtuelle Abhörposition 202 durch Kombination dieser beiden Teilsignale erzeugt werden, insbesondere durch eine Linearkombination des ersten Teilsignals x_D, das mittels der Mikrofone des ersten Typs (D) gewonnen wurde und eines zweiten Teilsignals x_A, das mittels der Mikrofone des zweiten Typs (A) gewonnen wurde, sodass gilt: x = x_A + x_D.
4 zeigt eine der 2 ähnliche schematische Ansicht einer akustischen Szene zusammen mit Positionen von Mikrofonen 220 bis 224, die Direktschall aufnehmen und eine Reihe von Mikrofonen des Typs A, von denen nachfolgend insbesondere die Mikrofone 250 bis 256 betrachtet werden sollen. Anhand dieser werden einige Möglichkeiten diskutiert, mit welchen Kombinationsregeln ein Tonsignal für die virtuelle Abhörposition 202, die in der in den 4 und 5 dargestellten Konfiguration innerhalb einer von den Mikrofonen 250 bis 254 aufgespannten dreieckigen Fläche angeordnet ist, erzeugt werden können.
Allgemein gesprochen kann die Interpolation der Lautstärke bzw. das Erzeugen des Tonsignals für die virtuelle Abhörposition 202 unter Berücksichtigung der Positionen der nächstliegenden Mikrofone oder unter Berücksichtigung der Positionen aller Mikrofone erfolgen. Beispielsweise kann es, unter anderem zur Reduzierung der Rechenlast, vorteilhaft sein, lediglich die nächstliegenden Mikrofone zum Erzeugen des Tonsignals an der virtuellen Abhörposition 202 zu verwenden. Diese können beispielsweise mittels einer Delaunay-Triangulation gefunden bzw. durch beliebige andere Algorithmen zur Suche der nächsten Nachbarn (Nearest-Neighbor) bestimmt werden. Einige spezielle Möglichkeiten zur Bestimmung zur Lautstärkeanpassung oder, allgemein gesprochen, zur Kombination der Quellsignale, die den Mikrofonen 250 bis 254 zugeordnet sind, werden nachfolgend, bezugnehmend insbesondere auf 5, beschrieben.
Befände sich die virtuelle Abhörposition 202 nicht innerhalb eines der Triangulationsdreiecke, sondern außerhalb, beispielsweise an der in 4 gestrichelt gezeichneten weiteren virtuellen Abhörposition 260, stünden zur Interpolation des Signals bzw. zur Kombination eines Tonsignals aus den Quellsignalen der Mikrofone lediglich zwei Quellsignale der nächsten Nachbarn zur Verfügung. Der Einfachheit halber wird im Folgenden die Möglichkeit der Kombination von zwei Quellsignalen ebenfalls anhand von 5 diskutiert, wobei bei der Interpolation aus zwei Quellsignalen das Quellsignal des Mikrofons 250 zunächst vernachlässigt wird.
Gemäß einigen Ausführungsbeispielen der Erfindung wird das Tonsignal für die virtuelle Abhörposition 202 gemäß einer ersten Überblendregel, dem sogenannten linearen Panning-Gesetz erzeugt. Gemäß diesem Verfahren wird das Tonsignal x_virt1 unter Verwendung der folgenden Rechenvorschrift bestimmt: x_virt1 = g₁·x₁ + (1 – g₁)·x₂, wobei g₂ = (1 – g₁).
Das heißt, die Gewichte der einzelnen zu addierenden Quellsignale x₁ und x₂ addieren sich linear zu 1 und das Tonsignal x_virt1 wird entweder von einem der beiden Signale x₁ oder x₂ allein oder einer Linearkombination der beiden gebildet. Aufgrund dieses linearen Zusammenhangs weisen die so erzeugten Tonsignale für beliebige Werte von g₁ bei identischen Quellsignalen eine konstante Lautstärke auf, wohingegen vollständig unterschiedliche (dekorrelierte) Quellsignale x₁ und x₂ zu einem Tonsignal führen, das für den Wert g₁ = 0,5 einen Lautstärkeabfall von minus 3 dB, also um den Faktor 0,5 aufweist.
Eine zweite Überblendregel gemäß der das Tonsignal x_virt2 erzeugt werden kann, ist das sogenannte Sinus- und Cosinus-Gesetz: x_virt2 = cos(δ)·x₁ + sin(δ)·x₂, wobei δ ∈ [0°; 90°].
Der Parameter δ, der die individuellen Gewichte g₁ und g₂ bestimmt, reicht von 0° bis 90° und errechnet sich aus dem Abstand zwischen der virtuellen Abhörposition 202 und den Mikrofonen 252 und 254. Da sich hier die Quadrate der Gewichte für beliebige Werte von δ zu 1 summieren, kann mittels des Sinus-Cosinus-Gesetzes für jeden beliebigen Parameter δ ein Tonsignal mit konstanter Lautstärke erzeugt werden, wenn die Quellsignale dekorreliert sind. Jedoch ergibt sich bei identischen Quellsignalen für den Parameter δ = 45° eine Lautstärkeerhöhung von 3 dB.
Eine dritte Überblendregel, die zu den der zweiten Überblendregel ähnlichen Ergebnissen führt, und gemäß der das Tonsignal x_virt3 erzeugt werden kann, ist das sogenannte Tangens-Gesetz
:
Eine vierte Überblendregel, die verwendet werden kann, um das Tonsignal x_virt4 zu erzeugen, ist das sogenannte Sinus-Gesetz:
Auch hierbei addieren sich die Quadrate der Gewichte für jedweden möglichen Wert des Parameters zu 1. Der Parameter ist wiederum durch die Abstände zwischen virtueller Abhörposition 202 und den Mikrofonen bestimmt, er kann Werte von minus 45 Grad bis 45 Grad annehmen.
Insbesondere für die Kombination von zwei Quellsignalen, über die nur ein eingeschränktes a-priori-Wissen besteht, wie dies beispielsweise bei einem räumlich leicht variierenden Diffus-Schallfeld der Fall sein kann, kann eine vierte Kombinationsregel verwendet werden, gemäß der die erste vorhergehend beschriebene Überblendregel und die zweite vorhergehend beschriebene Überblendregel abhängig von den zu kombinierenden Quellsignalen kombiniert werden. Insbesondere wird gemäß der vierten Kombinationsregel eine Linear-Kombination von zwei Zwischensignalen x_virt1 und x_virt2 besteht, die für die Quellsignale x₁ und x₂ jeweils zunächst separat gemäß der ersten und der zweiten Überblendregel erzeugt wurden. Insbesondere wird gemäß einiger Ausführungsbeispiele der vorliegenden Erfindung als Gewichtsfaktor für die Linearkombination der Korrelationskoeffizient σ_x₁ _x₂ zwischen den Quellsignalen x₁ und x₂ verwendet, der sich wie folgt definiert und ein Maß für die Ähnlichkeit der beiden Signale darstellt:
Wobei E den Erwartungswert bzw. den linearen Mittelwert bezeichnet und σ die Standardabweichung der betreffenden Größe bzw. des betreffenden Quellsignals angibt, wobei für akustische Signale in guter Näherung gilt, dass der lineare Mittelwert E{x} Null ist. x_virt = σ_x₁ _x₂·x_virt1 + (1 – σ_x₁ _x₂)·x_virt2.
Das heißt, gemäß einigen Ausführungsbeispielen der vorliegenden Erfindung umfasst die Kombinationsregel ferner das Bilden einer gewichteten Summe x_virt aus dem mit einem Korrelationskoeffizienten σ_x₁ _x₂ ür eine Korrelation zwischen dem ersten Quellsignal x₁ und dem zweiten Quellsignal x₂ gewichteten Zwischensignalen x_virt1 und x_virt2.
Durch Verwendung der vierten Kombinationsregel kann somit gemäß einiger Ausführungsbeispiele der vorliegenden Erfindung über den gesamten Parameterbereich eine Kombination mit näherungsweise konstanter Lautstärke erreicht werden. Dies kann ferner überwiegend unabhängig davon erreicht werden, ob die zu kombinierenden Signale unähnlich oder ähnlich sind.
Insofern gemäß einiger Ausführungsbeispiele der vorliegenden Erfindung ein Tonsignal an einer virtuellen Abhörposition 202 gewonnen werden soll, die sich innerhalb eines von drei Mikrofonen 250 bis 254 begrenzten Dreiecks befindet, können gemäß einigen Ausführungsbeispielen der vorliegenden Erfindung die drei Quellsignale der Mikrofone 250 bis 254 linear kombiniert werden, wobei die einzelnen Signalanteile der den Mikrofonen 250 bis 254 zugeordneten Quellsignale basierend auf einer senkrechten Projektion der virtuellen Abhörposition 202 auf diejenige Höhe des Dreiecks erfolgt, die der Position des dem jeweiligen Quellsignal zugeordneten Mikrofons zugeordnet ist.
Soll beispielsweise der Signalanteil des Mikrofons 250 bzw. das diesem Quellsignal zugeordnete Gewicht bestimmt werden, wird zunächst eine senkrechte Projektion der virtuellen Abhörposition 202 auf die Höhe 262 vorgenommen, welche dem Mikrofon 250 zugeordnet ist bzw. der Ecke des Dreiecks, an der sich das Mikrofon 250 befindet. Daraus ergibt sich die in 5 gestrichelt dargestellte projizierte Position 264 auf der Höhe 262. Diese wiederum unterteilt die Höhe 262 in einen dem Mikrofon 250 zugewandten ersten Höhenabschnitt 266 und einen diesem abgewandten Höhenabschnitt 268. Das Verhältnis dieser Höhenabschnitte 266 und 268 wird benutzt, um gemäß einem der obengenannten Überblendregeln ein Gewicht für das Quellsignal des Mikrofons 250 zu berechnen, wobei davon ausgegangen wird, dass sich an dem dem Mikrofon 250 gegenüberliegenden Ende der Höhe 262 eine Schallquelle bzw. ein Mikrofon befindet, das konstant ein Signal mit der Amplitude null aufzeichnet.
D. h., gemäß den Ausführungsbeispielen der Erfindung wird die Höhe jeder Dreiecksseite ermittelt und der Abstand des virtuellen Mikrofons zu jeder Dreieckseite bestimmt. Entlang der entsprechenden Höhe wird das Mikrofonsignal linear bzw. je nach gewählter Überblendregel von dem Eckpunkt des Dreiecks zur gegenüberliegenden Dreiecksseite auf null geblendet. Für das in 5 gezeigte Ausführungsbeispiel bedeutet dies, das Quellsignal des Mikrofons 250 wird mit dem Gewicht 1 verwendet, wenn sich die Projektion 264 an der Position des Mikrofons 250 befindet und mit null, wenn sich diese auf der Verbindungsgeraden zwischen der Position der Mikrofone 252 und 254, also auf der gegenüberliegenden Seite des Dreiecks befindet. Zwischen diesen beiden Extrempositionen wird das Quellsignal des Mikrofons 250 ein- bzw. ausgeblendet. In allgemeinen Worten bedeutet dies, dass beim Kombinieren des Signals aus drei Signalen drei Quellsignale x₁ bis x₃ berücksichtigt werden, deren zugeordnete Mikrofone 250 bis 254 eine dreieckige Fläche aufspannen, innerhalb derer sich die virtuelle Abhörposition 202 befindet. Dabei werden die Gewichte g₁ bis g₃ für die Linearkombination der Quellsignale x₁ bis x₃ basierend auf einer senkrechten Projektion der virtuellen Abhörposition 202 auf diejenige Höhe des Dreiecks bestimmt, die der Position des dem jeweiligen Quellsignals zugeordneten Mikrofons zugeordnet ist bzw. durch den diese Höhe verläuft.
Insofern zur Bestimmung des Signals die oben diskutierte vierte Überblendregel verwendet wird, kann ein gemeinsamer Korrelationskoeffizient für die drei Quellsignale x₁ bis x₃ dadurch bestimmt werden, dass zunächst eine Korrelation zwischen den jeweils benachbarten Quellsignalen ermittelt wird, woraus sich insgesamt drei Korrelationskoeffizienten ergeben. Aus den drei so erhaltenen Korrelationskoeffizienten wird ein gemeinsamer Korrelationskoeffizient durch Mittelwertbildung gebildet, welcher wiederum die Gewichtung für die Summe von Teilsignalen bestimmt, die mittels der ersten Überblendregel (lineares Panning) und der zweiten Überblendregel (Sinus-Cosinus-Gesetz) gebildet werden. Das heißt, es wird zunächst ein erstes Teilsignal mit dem Sinus-Cosinus-Gesetz bestimmt, daraufhin wird ein zweites Teilsignal mit dem linearen Panning bestimmt und die beiden Teilsignale werden durch Gewichtung mit dem Korrelationskoeffizienten linear kombiniert.
6 zeigt eine Illustration einer weiteren möglichen Konfiguration von Positionen von Mikrofonen 270 bis 278, innerhalb derer eine virtuelle Abhörposition 202 angeordnet ist. Insbesondere anhand von 6 wird eine weitere mögliche Kombinationsregel illustriert, deren Eigenschaften mit den voranstehend beschriebenen Kombinationsmöglichkeiten beliebig kombiniert werden kann oder die auch für sich allein genommen ein Kombinationsregel im hierin beschriebenen Sinn sein kann.
Gemäß einigen Ausführungsbeispielen der Erfindung wird, wie in 6 schematisch dargestellt, ein Quellsignal lediglich dann bei der Kombination zum Tonsignal für eine virtuelle Abhörposition 202 berücksichtigt, wenn das dem Quellsignal zugeordnete Mikrofon sich innerhalb eines vorbestimmten konfigurierbaren Abstandes R von der virtuellen Abhörposition 202 befindet. Dadurch kann gemäß einigen Ausführungsbeispielen Rechenzeit möglicherweise gespart werden, indem beispielsweise nur diejenigen Mikrofone berücksichtigt werden, deren Signalbeiträge gemäß den gewählten Kombinationsregeln oberhalb der menschlichen Hörschwelle liegen.
Gemäß einigen Ausführungsbeispielen der Erfindung kann, wie in 7 schematisch dargestellt, die Kombinationsregel ferner eine Richtcharakteristik für die virtuelle Abhörposition 202 berücksichtigen. Das heißt beispielsweise, das erste Gewicht g₁ für das erste Quellsignal x₁ des ersten Mikrofons 220 kann zusätzlich proportional zu einem Richtungsfaktor rf₁ sein, der sich aus einer Empfindlichkeitsfunktion bzw. einer Richtcharakteristik für die virtuelle Abhörposition 202 ergibt sowie aus der Relativposition zwischen virtueller Abhörposition 202 und Mikrofon 220. D. h. gemäß diesen Ausführungsbeispielen umfasst die erste Geometrieinformation ferner eine erste Richtungsinformation über eine Richtung zwischen dem Mikrofon 220 und einer der virtuellen Abhörposition 202 zugeordneten Vorzugsrichtung 280, in der die Richtcharakteristik 282 ihre maximale Empfindlichkeit aufweist.
Allgemein gesprochen sind damit die Gewichtungsfaktoren g₁ und g₂ der Linearkombination der Quellsignale x₁ und x₂ gemäß einigen Ausführungsbeispielen zusätzlich von einem ersten Richtungsfaktor rf₁ und einen zweiten Richtungsfaktor rf₂ abhängig, die der Richtcharakteristik 280 an der virtuellen Abhörposition 202 Rechnung tragen.
Die in den vorhergehenden Absätzen diskutierten Kombinationsregeln können in anderen Worten wie folgt zusammengefasst werden. Die einzelnen Implementierungen sind in den nächsten Abschnitten genauer beschrieben. Allen Varianten ist gemein, dass bei der Addition der Signale Kammfiltereffekte auftreten könnten. Ist dies potentiell der Fall, können die Signale zuvor entsprechend verzögert werden. Daher wird zunächst der zur Verzögerung verwendbare Algorithmus dargestellt.
Bei Mikrofonen, welche einen größeren Abstand als zwei Meter zueinander haben, können Signale ohne Entstehung von wahrnehmbaren Kammfiltereffekten aufaddiert werden. Ebenfalls bedenkenlos lassen sich Signale von Mikrofonen summieren, bei deren Positionsabstanden die sogenannte 3:1-Regel eingehalten wird. Die Regel besagt, dass bei der Aufnahme einer Schallquelle mit zwei Mikrofonen der Abstand zwischen der Schallquelle und dem zweiten Mikrofon mindestens das Dreifache des Abstandes von der Schallquelle zum ersten Mikrofon betragen soll, um keine wahrnehmbaren Kammfiltereffekte zu erhalten. Voraussetzung sind Mikrofone gleicher Empfindlichkeit und der Abfall des Schalldruckpegels mit der Entfernung, beispielsweise nach dem 1/r-Gesetz.
Das System bzw. ein Tonsignalerzeuger oder dessen Geometrieprozessor ermittelt zu Beginn, ob beide Bedingungen erfüllt sind. Ist dies nicht der Fall, können die Signale vor der Berechnung des virtuellen Mikrofonsignals entsprechend der momentanen Position des virtuellen Mikrofons verzögert werden. Die Abstände aller Mikrofone zum virtuellen Mikrofon werden dazu gegebenenfalls bestimmt und die Signale bezüglich des Mikrofons, welches am weitesten vom virtuellen entfernt liegt, zeitlich verschoben. Dazu wird der größte Abstand ermittelt und die Differenz zu den übrigen Abständen gebildet. Die Latenz Δt_i in samplen ergibt sich nun aus dem Verhältnis der jeweiligen Distanz d_i zur Schallgeschwindigkeit c multipliziert mit der Abtastrate Fs. Der berechnete Wert kann in digitalen Implementierungen beispielsweise gerundet werden, wenn das Signal nur um ganze Samples verzögert werden soll. N bezeichne im Folgenden die Anzahl der Aufnahmemikrofone:
Gemäß einigen weiteren Ausführungsbeispielen werden alle Quellsignale mit der maximalen bestimmten Latenz beaufschlagt.
Zu Berechnung des virtuellen Mikrofonsignals können folgende Varianten implementiert werden. Dabei werden Nahmikrofone bzw. Mikrofone zur Aufzeichnung von Direktschall nachfolgend als Mikrofone eines ersten Mikrofontyps und Ambientmikrofone bzw. Mikrofone zur Aufzeichnung eines diffusen Schallanteils als Mikrofone eines zweiten Mikrofontyps bezeichnet. Ferner wird die virtuelle Abhörposition auch als Position eines virtuellen Mikrofons bezeichnet.
Gemäß einer ersten Variante fallen sowohl die Signale der Nahmikrofone bzw. der Mikrofone eines ersten Mikrofontyps als auch die Signale der Ambientmikrofone nach dem Abstandsgesetz ab. Hierdurch kann jedes Mikrofon an seiner Position besonders dominant gehört werden. Für die Berechnung des virtuellen Mikrofonsignals können zunächst die Nahfeldradien um die Nah- und Ambientmikrofone durch den Nutzer festgelegt werden. Innerhalb dieses Radius bleibt die Lautstärke der Signale konstant. Platziert man nun das virtuelle Mikrofon in der Aufnahmeszene werden die Abstände vom virtuellen Mikrofon zu jedem einzelnen realen Mikrofon berechnet. Hierfür werden die Samplewerte der Mikrofonsignale x_i[t] durch die momentane Entfernung d_i geteilt und mit dem Nahfeldradius r_nah multipliziert. N gibt die Anzahl der Aufnahmemikrofone an:
Auf diese Weise erhält man das aufgrund der räumlichen Entfernung d_i gedämpfte Mikrofonsignal x_i,gedämpft. Alle so berechneten Signale werden aufaddiert und bilden gemeinsam das Signal für das virtuelle Mikrofon:
Gemäß einer zweiten Variante erfolgt eine Trennung des Direkt- und Diffusschalls. Das Diffusschallfeld soll dabei im gesamten Raum annähernd gleich laut sein. Hierfür wird der Raum durch die Anordnung der Ambientmikrofone in bestimmte Bereiche gegliedert. Je nach Bereich berechnet sich der diffuse Schallanteil aus einem, zwei oder drei Mikrofonsignalen. Die Signale der Nahmikrofone fallen mit der Entfernung nach dem Abstandsgesetz ab.
Abbildung 4 zeigt beispielhaft eine Raumaufteilung. Die Punkte symbolisieren die Ambientmikrofone. Die äußeren Ambientmikrofone bilden ein Polygon. Der Bereich innerhalb dieses Polygons wird in Dreiecke aufgeteilt. Hierfür wird die Delaunay-Triangulation angewendet. Mit diesem Verfahren kann aus einer Punktmenge ein Dreiecksnetz gebildet werden. Es zeichnet sich vor allem dadurch aus, dass der Umkreis eines Dreiecks keine weiteren Punkte der Menge einschließt. Durch Erfüllen dieser sogenannten Umkreisbedingung entstehen Dreiecke mit möglichst großen Innenwinkeln. In Abbildung 4 ist diese Triangulation anhand von vier Punkten dargestellt.
Durch die Delaunay-Triangulation werden nah beieinander liegende Mikrofone gruppiert und jedes Mikrofon auf den umliegenden Raum abgebildet. Das Signal für das virtuelle Mikrofon berechnet sich innerhalb des Polygons aus jeweils drei Mikrofonsignalen. Außerhalb des Polygons werden zu jeder Verbindungslinie zweier Eckpunkte zwei senkrechte Geraden bestimmt, welche durch die Eckpunkte verlaufen. Hierdurch werden auch außerhalb des Polygons bestimmte Bereiche begrenzt. Das virtuelle Mikrofon kann sich somit entweder zwischen zwei Mikrofonen befinden oder bei einem Mikrofon an einem Eckpunkt.
Zur Berechnung des diffusen Schallanteils sollte zunächst ermittelt werden, ob sich das virtuelle Mikrofon innerhalb oder außerhalb des den Rand bildenden Polygons befindet. Je nach Position berechnet sich der diffuse Anteil des virtuellen Mikrofonsignals aus einem, zwei oder drei Mikrofonsignalen.
Befindet sich das virtuelle Mikrofon außerhalb des Polygons wird zwischen den Bereichen an einem Eckpunkt und zwischen zwei Mikrofonen unterschieden. Beffindet sich das virtuelle Mikrofon in dem Bereich bei einem Mikrofon an einem Eckpunkt des Polygons, wird nur das Signal x_i dieses Mikrofons für die Berechnung des Diffusschallanteils verwendet: x_diffus[t] = x_i[t].
Im Bereich zwischen zwei Mikrofonen setzt sich das virtuelle Mikrofonsignal aus den beiden entsprechenden Mikrofonsignalen x₁ und x₂ zusammen. Je nach Position wird zwischen den beiden Signalen mit Hilfe verschiedener Überblendregeln bzw. Panning-Verfahren überblendet. Diese werden nachfolgend auch wie folgt bezeichnet: lineares Panning-Gesetz (erste Überblendregel), Sinus-Cosinus-Gesetz (zweite Überblendregel), Tangens-Gesetz (dritte Überblendregel) und Kombination aus linearem Panning-Gesetz und Sinus-Cosinus-Gesetz (vierte Überblendregel).
Für die Kombination aus den beiden Panning-Verfahren linear (x_virt1) und Sinus-Cosinus-Gesetz (x_virt2) wird der Korrelationskoeffizient σ_x₁ _x₂ der beiden Signale x₁ und x₂ bestimmt:
Je nach Größe des Koeffzienten σ_x₁ _x₂ eßt das jeweilige Gesetz in die Berechnung der gewichteten Summe x_virt ein: x_virt = σ_x₁ _x₂·x_virt1 + (1 – σ_x₁ _x₂)·x_virt2, wobei x_virt1 = g₁·x₁ + (1 – g₁)·x₂, wobei g₂ = (1 – g₁); „lineares panning“ x_virt2 = cos(δ)·x₁ + sin(δ)·x₂, wobei δ ∈ [0°; 90°]; „Sinus-Cosinus-Gesetz”.
Beträgt der Korrelationskoeffizient σ_x₁ _x₂ leich 1 handelt es sich um identische Signale und es wird nur linear überblendet. Bei einem Korrelationskoeffizienten von 0 kommt nur das Sinus-Cosinus-Gesetz zum Einsatz.
Der Korrelationskoeffizient kann in einigen Implementierungen nicht nur einen Augenblickswert beschreiben, sondern über einen gewissen Zeitraum integriert werden. Beim Korrelationsgradmesser kann dieser Zeitraum beispielsweise 0,5 s betragen. Da es sich bei den Ausführungsbeispielen der Erfindung bzw. den virtuellen Mikrofonen nicht immer um echtzeitfähige Systeme handeln muss, kann der Korrelationskoeffizient auch über eine größere Zeitdauer, beispielsweise 30 s bestimmt werden
Im Bereich innerhalb des Polygons bzw. befindet sich die virtuelle Abhörposition innerhalb von Dreiecken, deren Eckpunkte mittels Delaunay-Triangulation festgelegt wurden, wie Anhand von 5 verdeutlicht wurde. In jedem Dreieck setzt sich der Diffusschallanteil des virtuellen Mikrofonsignals aus den drei Quellsignalen der an den Ecken liegenden Mikrofone zusammen. Es wird dazu die Höhe h jeder Dreiecksseite ermittelt und der Abstand d_virtMic des virtuellen Mikrofons zu jeder Dreiecksseite bestimmt. Entlang der entsprechenden Höhe wird das Mikrofonsignal je nach eingestelltem Panning-Verfahren bzw. je nach verwendeter Überblendregel von einem Eckpunkt zur gegenüberliegenden Dreiecksseite auf null geblendet.
Dazu können prinzipiell die oben beschriebenen Panning- Verfahren verwendet werden, welche auch für die Berechnung des Signals außerhalb des Polygons verwendet werden. Die Division des Abstands d_virtMic durch den Wert der Höhe h normiert die Strecke auf eine Länge von 1 und liefert die zugehörige Position auf der Panning- Kurve. Hiermit lässt sich nun auf der y-Achse der Wert ablesen, mit dem jedes der drei Signale entsprechend des eingestellten Panning-Verfahrens multipliziert wird.
Für die Kombination aus linearem Panning-Gesetz und dem Sinus-Cosinus-Gesetz wird zunächst aus jeweils zwei Quellsignalen der Korrelationskoeffizient bestimmt. Hierdurch erhält man drei Korrelationskoeffizienten, aus denen anschließend der Mittelwert gebildet wird.
Dieser Mittelwert bestimmt die Gewichtung der Summe von linearem und Sinus-Cosinus-Panning-Gesetz. Auch hier gilt: Ist der Wert gleich 1, wird nur mittels linearem Panning-Gesetz überblendet. Für einen Wert gleich 0 wird nur das Sinus-Cosinus-Gesetz verwendet. Abschließend ergeben alle drei Signale addiert den diffusen Anteil des Schalls.
Der Anteil des direkten Schalls ist dem diffusen überlagert, wobei der direkte Schallanteil von Mikrofonen des Typs „D“ und der indirekte Schallanteil von Mikrofonen des Typs „A“ im vorhergehend eingeführten Sinne aufgenommen wird. Schließlich werden der diffuse und der direkte Schallanteil addiert und ergeben so das Signal für das virtuelle Mikrofon: x_virtMic[t] = x_diffus [t] + x_direkt[t].
Es ist ferner möglich, diese Variante zu erweitern. Nach Wunsch kann ein beliebig großer Radius um ein Mikrofon eingestellt werden. Innerhalb dieses Bereichs ist nur das dort befindliche Mikrofon zu hören. Alle anderen Mikrofone werden auf null gesetzt bzw. mit einem Gewicht von 0 versehen, sodass das Signal des virtuellen Mikrofons dem Signal des ausgewählten Mikrofons entspricht: x_virtMic[t] = x_i,sel[t].
Gemäß der dritten Variante fließen nur die Mikrofone, die sich in einem bestimmten Umkreis um das virtuelle Mikrofon beffinden, in die Berechnung des virtuellen Mikrofonsignals ein. Hierfür werden zunächst die Abstände aller Mikrofone zum virtuellen Mikrofon ermittelt und daraus bestimmt, welche Mikrofone innerhalb des Kreises liegen. Die Signale der Mikrofone, welche sich außerhalb des Kreises beffinden, werden auf null gesetzt bzw. erhalten das Gewicht 0.
Die Signalwerte der Mikrofone x_i(t) innerhalb des Kreises werden zu gleichen Teilen aufaddiert und ergeben so das Signal für das virtuelle Mikrofon. Gibt N die Anzahl der Aufnahmemikrofone innerhalb des Kreises an gilt:
Um plötzlich auftretende Lautstärkesprünge beim Übergang eines Mikrofons in oder aus dem Kreis heraus zu vermeiden, können die Signale am Rand des Kreises zusätzlich linear ein- bzw. ausgeblendet werden. Bei dieser Variante muss keine Unterscheidung in Nah- und Ambientmikrofone stattfinden.
Bei allen Varianten kann es auch sinnvoll sein, dem virtuellen Mikrofon eine zusätzliche Richtcharakteristik zuzuweisen. Dazu kann das virtuelle Mikrofon mit einem Richtungsvektor r versehen werden, der zu Beginn in die Hauptrichtung der Richtcharakteristik (im Polardiagramm) zeigt. Da die Richtcharakteristik eines Mikrofons für einige Ausführungsbeispiele nur für Direktschall wirksam sein kann, wirkt sich dann die Richtcharakteristik nur auf die Signale der Nahmikrofone aus. Die Signale der Ambientmikrofone ﬂießen unverändert in die Berechnung gemäß der Kombinationsregel ein. Vom virtuellen Mikrofon aus werden zu allen Nahmikrofonen Vektoren gebildet. Für jedes der Nahmikrofone wird der Winkel φ_i,nah zwischen diesem Vektor und dem Richtungsvektor des virtuellen Mikrofons errechnet. In 7 ist dies beispielhaft für ein Mikrofon 220 dargestellt. Durch Einsetzen des Winkels in die allgemeine Mikrofongleichung s(φ) = a + b·cos(φ) erhält man einen Faktor s für jedes Quellsignal, welcher einer zusätzlichen Schalldämpfung aufgrund der Richtcharakteristik entspricht. Vor der Addition aller Quellsignale wird jedes Signal mit dem entsprechenden Faktor multipliziert. Es besteht so beispielsweise die Möglichkeit, zwischen den Richtcharakteristiken Kugel (a = 1; b = 0), Breite Niere (a = 0,71; b = 29), Niere (a = 0,5; b = 0,5), Superniere (a = 0,37; b = 0,63), Hyperniere (a = 0,25; b = 0,75) und Acht (a = 0; b = 1) zu wählen. Das virtuelle Mikrofon kann beispielsweise mit einer Genauigkeit von 1° oder darunter gedreht werden.
8 zeigt schematisch ein Mischpult 300, das einen Tonsignalerzeuger 100 umfasst, und mittels dessen Signale von Mikrofonen 290 bis 295 empfangen werden können, die dazu verwendet werden, eine akustisches Szene 208 aufzuzeichnen. Das Mischpult dient zum Verarbeiten der Quellsignale von zumindest zwei Mikrofonen 290 bis 295 und zum Bereitstellen eines abgemischten Tonsignals 302, das in der in 8 gewählten Darstellung lediglich schematisch angedeutet ist.
Gemäß einigen Ausführungsbeispielen der vorliegenden Erfindung weist das Mischpult ferner eine Benutzerschnittstelle 306 auf, die ausgebildet ist, um eine grafische Repräsentation der Positionen der Mehrzahl von Mikrofonen 290 bis 295 anzuzeigen, sowie zusätzlich die Position einer virtuellen Abhörposition 202, die innerhalb des akustischen Raumes, in dem sich die Mikrofone 290 bis 295 befinden, angeordnet ist.
Gemäß einiger Ausführungsbeispiele erlaubt es die Benutzerschnittstelle ferner, jedem der Mikrofone 290 bis 295 einen Mikrofontyp zuzuordnen, beispielsweise einen ersten Typ (1), der Mikrofone zur Direktschallaufzeichnung kennzeichnet und einen zweiten Typ (2), der Mikrofone zur Aufzeichnung von diffusen Schallanteilen bezeichnet.
Gemäß einigen weiteren Ausführungsbeispielen ist die Benutzerschnittstelle ferner ausgebildet, es einem Benutzer des Mischpultes auf einfache Art und Weise, beispielsweise durch Bewegung eines in 8 schematisch dargestellten Cursors 310 bzw. einer Computermaus zu ermöglichen, die virtuelle Abhörposition 202 intuitiv und einfach zu bewegen, um so auf einfache Art und Weise eine Kontrolle der gesamten akustischen Szene bzw. des Aufnahmeequipments zu ermöglichen.
9 zeigt schematisch ein Ausführungsbeispiel eines Verfahrens zum Bereitstellen eines Tonsignals, das in einem Signalaufnahmeschritt 500 ein Empfangen eines von dem ersten Mikrofon aufgenommenen ersten Quellsignals x₁ und eines von dem zweiten Mikrofon aufgenommenen zweiten Quellsignals x₂ umfasst.
Während eines Analyseschritts 502 wird eine erste Geometrieinformation basierend auf der ersten Position und der virtuellen Abhörposition und einer zweite Geometrieinformation basierend auf der zweiten Position und der virtuellen Abhörposition bestimmt. In einem Kombinationsschritt 505 wird zumindest des ersten Quellsignal x₁ und des zweiten Quellsignal x₂ gemäß einer die erste Geometrieinformation und die zweite Geometrieinformation verwendenden Kombinationsregel.
10 zeigt erneut schematisch eine Benutzerschnittstelle 306 für ein Ausführungsbeispiel der Erfindung, die sich von der in 8 gezeigten leicht unterscheidet. In dieser bzw. in einem sogenannten „Interaction-Canvas“ können die Positionen der Mikrofone angegeben werden, insbesondere auch als Schallquellen bzw. Mikrofone verschiedenen Typs bzw. Mikrofontyps (1, 2, 3, 4). Dazu kann die Position zumindest eines Empfängers bzw. eine virtuelle Abhörposition 202 angegeben werden (Kreis mit Kreuz). Jede Schallquelle kann einem der Mischpultkanäle 310 bis 316 zugeordnet sein.
Wenngleich an Hand der vorhergehenden Ausführungsbeispiele überwiegend die Erzeugung eines einzelnen Tonsignals an einer virtuellen Abhörposition 202 diskutiert wurde, versteht es sich von selbst, dass gemäß weiteren Ausführungsbeispielen der vorliegenden Erfindung auch mehrere, beispielsweise 2, 3, 4 bis zu einer beliebigen Anzahl von Tonsignalen für weitere virtuelle Abhörpositionen erzeugt werden können, wobei jeweils die oben beschriebenen Kombinationsregeln verwendet werden.
Dabei können bei weiteren Ausführungsbeispielen beispielsweise durch Verwenden mehrerer räumlich benachbarter virtueller Abhörpositionen auch unterschiedliche Abhörmodelle, beispielsweise des menschlichen Gehörs, erzeugt werden. Durch das Definieren von zwei virtuellen Abhörpositionen, die in etwa den Abstand des menschlichen Gehörs bzw. der Ohrmuschel aufweisen, kann beispielsweise in Verbindung mit einer frequenzabhängigen Richtcharakteristik für jede der virtuellen Abhörpositionen ein Signal erzeugt werden, das bei direktem Abhören mittels eines Kopfhörers oder dergleichen den Höreindruck simuliert, den ein menschlicher Zuhörer am Ort zwischen den beiden virtuellen Abhörpositionen hätte. Das heißt, am Ort des linken Gehörgangs bzw. der linken Hörmuschel würde die erste virtuelle Abhörposition erzeugt werden, die zudem eine frequenzabhängige Richtcharakteristik aufweist, so dass die Signalpropagation entlang des Gehörganges im Sinne einer Head-Related-Transfer-Function (HRTF) über die frequenzabhängige Richtcharakteristik simuliert werden könnte. Ginge man für die zweite virtuelle Abhörposition bezüglich des rechten Ohres genauso vor, erhielte man gemäß einigen Ausführungsbeispielen der vorliegenden Erfindung zwei Monosignale, die bei direktem Abhören beispielsweise mittels eines Kopfhörers dem Klangeindruck entsprächen, die ein realer Zuhörer am Ort der virtuellen Abhörposition hätte.
Auf ähnliche Art und Weise kann beispielsweise auch ein herkömmliches Stereomikrofon simuliert werden.
Zusammengefasst kann gemäß einiger Ausführungsbeispiele der Erfindung die Position einer Schallquelle (z.B. eines Mikrofons) im Mischpult / der Aufnahmesoftware angegeben bzw. automatisch erfasst werden. Basierend auf der Position der Schallquelle stehen dem Tonmeister zumindest drei neue Werkzeuge zur Verfügung:

– Monitoring der räumlichen Klangszene, die gerade aufgezeichnet wird.
– Erstellung von teilautomatisierten Tonmischungen durch Steuerung von virtuellen Empfängern.
– Eine visuelle Darstellung der räumlichen Anordnung.

10 zeigt schematisch eine potentielle Nutzerschnittstelle mit den Positionen der Schallquellen und einem oder mehreren „virtuellen Empfängern“. Über die Benutzerschnittstelle bzw. über ein Interaction Canvas kann jedem Mikrofon (nummeriert mit 1 bis 4) eine Position zugewiesen werden. Jedes Mikrofon ist mit einem Kanalzug des Mischpults/ der Aufnahmesoftware verbunden. Durch die Positionierung eines oder mehrerer Empfänger (Kreis mit Kreuz) werden Tonsignale aus den Schallquellen berechnet, die zum Monitoring bzw. zum Finden von Signalfehlern oder der Erstellung von Mischungen verwendet werden können. Den Mikrofonen bzw. Schallquellen werden hierfür verschiedene Funktionstypen zugeordnet, z.B. Nahmikrofon (Typ „D“) oder Ambientmikrofon (Typ „A“) oder auch Teil eines Mikrofonarrays, welches nur zusammen mit den anderen ausgewertet werden soll. Abhängig von der Funktion werden die genutzten Berechnungsvorschriften angepasst. Des Weiteren erhält der Nutzer die Möglichkeit, die Berechnung des Ausgabesignals zu konfigurieren. Außerdem können weitere Parameter eingestellt werden, wie z.B. die Art der Überblendung zwischen benachbarten Mikrofonen. Variable Bestandteile bzw. Vorgehensweisen der Berechnung können sein:

1. Abstandsabhängige Lautstärke
2. Lautstärkeinterpolation zwischen zwei oder mehreren Schallquellen
3. Ein kleiner Bereich um die jeweilige Schallquelle, in der nur diese zu hören ist (der Abstandswert kann konfiguriert werden)

Solche Berechnungsvorschriften der Empfängersignale können verändert werden, beispielsweise indem:

1. Ein Empfängerbereich um die Schallquelle oder den Empfänger angegeben wird,
2. Eine Richtcharakteristik für den Empfänger angegeben wird.

Für jede Schallquelle kann ein Typ (z.B.: Direktschallmikrofon, Ambient- oder Diffusschallmikrofon) gewählt werden. Durch die Wahl des Typs wird die Berechnungsvorschrift des Signals am Empfänger gesteuert.
Dies führt in der spezifischen Anwendung zu einer besonders einfachen Bedienung. Das Vorbereiten einer Aufnahme mit sehr vielen Mikrofonen wird so deutlich vereinfacht. Hierbei kann bereits im Einrichtungsprozess vor der eigentlichen Aufnahme jedem Mikrofon eine Position im Mischpult zugewiesen werden. Die Tonmischung muss nicht mehr per Lautstärkeeinstellung für jede Schallquelle am Kanalzug geschehen, sondern kann durch die Angabe einer Position des Empfängers in der Schallquellenszene (z.B.: einfacher Klick per Mouse in die Szene) erfolgen. Basierend auf einem wählbaren Modell zur Berechnung der Lautstärke am Empfängerort wird für jede Neupositionierung des Empfängers ein neues Signal berechnet. Durch „Abfahren“ der Einzelmikrofone kann so sehr schnell ein Störsignal identifiziert werden. Gleichfalls kann durch eine Positionierung auch eine räumliche Tonmischung erstellt werden, wenn das Empfängersignal als Ausgangs-Lautsprechersignal weiter verwendet wird. Hierbei muss nun nicht mehr für jeden Einzelkanal eine Lautstärke eingestellt werden, die Einstellung erfolgt durch die Wahl der Position des Empfängers für alle Schallquellen gleichzeitig. Die Algorithmen bieten zusätzlich ein neuartiges kreatives Werkzeug.
Das Schema zur abstandsabhängigen Berechnung von Tonsignalen zeigt 3. Hierbei wird in Abhängigkeit des Radius R_L ein Lautstärkewert g nach
berechnet. Die Variable x kann verschiedene Werte annehmen, in Abhängigkeit vom Typ der Schallquelle z.B. x = 1; x = 1/2. Befindet sich der Empfänger im Kreis mit dem Radius r₁ gilt ein festgesetzter (konstanter) Lautstärkewert. Je größer die Entfernung der Schallquelle zum Empfänger ist, desto leiser ist das Tonsignal.
Ein Schema zur Lautstärkeinterpolation zeigt 5. Hierbei erfolgt die Berechnung der am Empfänger eintreffenden Lautstärke anhand der Position des Empfängers zwischen zwei oder mehreren Mikrofonen. Die Auswahl der aktiven Schallquellen kann durch sog. „Nearest-Neighbor“ Algorithmen bestimmt werden. Die Berechnung eines hörbaren Signals am Empfängerort bzw. an der virtuellen Abhörposition erfolgt durch eine Interpolationsvorschrift zwischen zwei oder mehreren Schallquellensignalen. Die jeweiligen Lautstärken werden dabei dynamisch angepasst, um dem Hörer eine stetig angenehme Lautstärke zu ermöglichen.
Neben der Aktivierung aller Schallquellen gleichzeitig, unter der Verwendung der distanzabhängigen Lautstärkeberechnung können Schallquellen durch einen weiteren Algorithmus aktiviert werden. Hierbei wird ein Bereich um den Empfänger mit dem Radius R definiert. Der Wert von R kann durch den Nutzer variiert werden. Befindet sich die Schallquelle in diesem Bereich, ist diese für den Empfänger hörbar. Dieser Algorithmus, abgebildet in Figur 6, kann auch mit der distanzabhängigen Lautstärkeberechnung kombiniert werden. Um den Empfänger existiert also ein Bereich mit dem Radius R. Befinden sich Schallquellen innerhalb des Radius, so sind diese für den Empfänger hörbar. Sind die Schallquellen außerhalb, fließt deren Signal nicht in die Berechnung des Ausgabesignals ein.
Zur Berechnung der Lautstärke der Schallquellen am Empfänger bzw. an der virtuellen Abhörposition ist es möglich, für den Empfänger eine Richtcharakteristik zu definieren. Diese gibt an, wie stark das Tonsignal einer Schallquelle richtungsabhängig am Empfänger wirksam ist. Die Richtcharakteristik kann ein frequenzabhängiger Filter oder ein reiner Lautstärkewert sein. 7 zeigt dies schematisch. Der virtuelle Empfänger ist mit einem Richtungsvektor versehen, welcher durch den Nutzer rotiert werden kann. Eine Auswahl simpler Geometrien werden dem Nutzer zur Auswahl gestellt, sowie eine Auswahl von Richtcharakteristiken populärer Mikrofontypen und auch einige Beispiele menschlicher Ohren, um einen virtuellen Hörer erstellen zu können. Der Empfänger bzw. das virtuelle Mikrofon an der virtuellen Abhörposition besitzt beispielsweise eine Nierencharakteristik. In Abhängigkeit dieser Richtcharakteristik haben die Signale der Schallquellen einen unterschiedlichen Einfluss beim Empfänger. Entsprechend der Einfallsrichtung werden Signale unterschiedlich gedämpft.
Die in der vorstehenden Beschreibung, den nachfolgenden Ansprüchen und den beigefügten Figuren offenbarten Merkmale können sowohl einzeln wie auch in beliebiger Kombination für die Verwirklichung eines Ausführungsbeispiels in ihren verschiedenen Ausgestaltungen von Bedeutung sein und implementiert werden.
Obwohl manche Aspekte im Zusammenhang mit einem Tonsignalerzeuger beschrieben wurden, versteht es sich, dass diese Aspekte auch eine Beschreibung des entsprechenden Verfahrens darstellen, sodass ein Block oder ein Bauelement eines Tonsignalerzeugers auch als ein entsprechender Verfahrensschritt oder als ein Merkmal eines Verfahrensschrittes zu verstehen ist. Analog dazu stellen Aspekte, die im Zusammenhang mit einem oder als ein Verfahrensschritt beschrieben wurden, auch eine Beschreibung eines entsprechenden Blocks oder Details oder Merkmals eines entsprechenden Tonsignalerzeugers dar.
Je nach bestimmten Implementierungsanforderungen können Ausführungsbeispiele der Erfindung in Hardware oder in Software implementiert sein. Die Implementierung kann unter Verwendung eines digitalen Speichermediums, beispielsweise einer Floppy-Disk, einer DVD, einer Blu-Ray Disc, einer CD, eines ROM, eines PROM, eines EPROM, eines EEPROM oder eines FLASH-Speichers, einer Festplatte oder eines anderen magnetischen oder optischen Speichers durchgeführt werden, auf dem elektronisch lesbare Steuersignale gespeichert sind, die mit einer programmierbaren Hardwarekomponente derart zusammenwirken können oder zusammenwirken, dass das jeweilige Verfahren durchgeführt wird.
Eine programmierbare Hardwarekomponente kann durch einen Prozessor, einen Computerprozessor (CPU = Central Processing Unit), einen Grafikprozessor (GPU = Graphics Processing Unit), einen Computer, ein Computersystem, einen anwendungsspezifischen integrierten Schaltkreis (ASIC = Application-Specific Integrated Circuit), einen integrierten Schaltkreis (IC = Integrated Circuit), ein Ein-Chip-System (SOC = System on Chip), ein programmierbares Logikelement oder ein feldprogrammierbares Gatterarray mit einem Mikroprozessor (FPGA = Field Programmable Gate Array) gebildet sein.
Das digitale Speichermedium kann daher maschinen- oder computerlesbar sein. Manche Ausführungsbeispiele umfassen also einen Datenträger, der elektronisch lesbare Steuersignale aufweist, die in der Lage sind, mit einem programmierbaren Computersystem oder einer programmierbare Hardwarekomponente derart zusammenzuwirken, dass eines der hierin beschriebenen Verfahren durchgeführt wird. Ein Ausführungsbeispiel ist somit ein Datenträger (oder ein digitales Speichermedium oder ein computerlesbares Medium), auf dem das Programm zum Durchführen eines der hierin beschriebenen Verfahren aufgezeichnet ist.
Allgemein können Ausführungsbeispiele der vorliegenden Erfindung als Programm, Firmware, Computerprogramm oder Computerprogrammprodukt mit einem Programmcode oder als Daten implementiert sein, wobei der Programmcode oder die Daten dahin gehend wirksam ist bzw. sind, eines der Verfahren durchzuführen, wenn das Programm auf einem Prozessor oder einer programmierbaren Hardwarekomponente abläuft. Der Programmcode oder die Daten kann bzw. können beispielsweise auch auf einem maschinenlesbaren Träger oder Datenträger gespeichert sein. Der Programmcode oder die Daten können unter anderem als Quellcode, Maschinencode oder Bytecode sowie als anderer Zwischencode vorliegen.
Ein weiteres Ausführungsbeispiel ist ferner ein Datenstrom, eine Signalfolge oder eine Sequenz von Signalen, der bzw. die das Programm zum Durchführen eines der hierin beschriebenen Verfahren darstellt bzw. darstellen. Der Datenstrom, die Signalfolge oder die Sequenz von Signalen kann bzw. können beispielsweise dahin gehend konfiguriert sein, um über eine Datenkommunikationsverbindung, beispielsweise über das Internet oder ein anderes Netzwerk, transferiert zu werden. Ausführungsbeispiele sind so auch Daten repräsentierende Signalfolgen, die für eine Übersendung über ein Netzwerk oder eine Datenkommunikationsverbindung geeignet sind, wobei die Daten das Programm darstellen.
Ein Programm gemäß einem Ausführungsbeispiel kann eines der Verfahren während seiner Durchführung beispielsweise dadurch umsetzen, dass dieses Speicherstellen ausliest oder in diese ein Datum oder mehrere Daten hinein schreibt, wodurch gegebenenfalls Schaltvorgänge oder andere Vorgänge in Transistorstrukturen, in Verstärkerstrukturen oder in anderen elektrischen, optischen, magnetischen oder nach einem anderen Funktionsprinzip arbeitenden Bauteile hervorgerufen werden. Entsprechend können durch ein Auslesen einer Speicherstelle Daten, Werte, Sensorwerte oder andere Informationen von einem Programm erfasst, bestimmt oder gemessen werden. Ein Programm kann daher durch ein Auslesen von einer oder mehreren Speicherstellen Größen, Werte, Messgrößen und andere Informationen erfassen, bestimmen oder messen, sowie durch ein Schreiben in eine oder mehrere Speicherstellen eine Aktion bewirken, veranlassen oder durchführen sowie andere Geräte, Maschinen und Komponenten ansteuern.
Die oben beschriebenen Ausführungsbeispiele stellen lediglich eine Veranschaulichung der Prinzipien der vorliegenden Erfindung dar. Es versteht sich, dass Modifikationen und Variationen der hierin beschriebenen Anordnungen und Einzelheiten anderen Fachleuten einleuchten werden. Deshalb ist beabsichtigt, dass die Erfindung lediglich durch den Schutzumfang der nachstehenden Patentansprüche und nicht durch die spezifischen Einzelheiten, die anhand der Beschreibung und der Erläuterung der Ausführungsbeispiele hierin präsentiert wurden, beschränkt sei.

Claims

Tonsignalerzeuger (100) zum Bereitstellen eines Tonsignales (120) für eine virtuelle Abhörposition (202) innerhalb eines Raumes (200), in dem eine akustische Szene von zumindest einem ersten Mikrofon (204) an einer ersten bekannten Position innerhalb des Raumes (200) als ein erstes Quellsignal (210) und von zumindest einem zweiten Mikrofon (206) an einer zweiten Position innerhalb des Raumes (200) als ein zweites Quellsignal (212) aufgezeichnet wird, umfassend: eine Eingangsschnittstelle (102), die ausgebildet ist, um das von dem ersten Mikrofon (204) aufgenommene erste Quellsignal (210) und das von dem zweiten Mikrofon (206) aufgenommene zweite Quellsignal (212) zu empfangen; einem Geometrieprozessor (104), der ausgebildet ist, um basierend auf der ersten Position und der virtuellen Abhörposition (202) eine erste Geometrieinformation (110) und um basierend auf der zweiten Position und der virtuellen Abhörposition (202) eine zweite Geometrieinformation (112) zu bestimmen; und einem Signalerzeuger (106) zum Bereitstellen des Tonsignales (120), wobei der Signalerzeuger (106) ausgebildet ist, zumindest das erste Quellsignal (210) und das zweite Quellsignal (212) gemäß einer die erste Geometrieinformation (110) und die zweite Geometrieinformation (112) verwendenden Kombinationsregel zu kombinieren.
Tonsignalerzeuger (100) nach Anspruch 1, bei der die erste Geometrieinformation (110) einen ersten Abstand zwischen der ersten Position und der virtuellen Abhörposition und die zweite Geometrieinformation (112) einen zweiten Abstand zwischen der zweiten Position und der virtuellen Abhörposition (202) umfasst.
Tonsignalerzeuger (100) nach Anspruch 2, wobei die Kombinationsregel das Bilden einer gewichteten Summe des ersten Quellsignals (210) und des zweiten Quellsignals (212) umfasst, wobei das erste Quellsignal (210) mit einem ersten Gewicht g₁ und das zweite Quellsignal (212) mit einem zweiten Gewicht g₂ gewichtet wird.
Tonsignalerzeuger (100) nach Anspruch 3, wobei das erste Gewicht g₁ für das erste Quellsignal (210) proportional zu dem Inversen einer Potenz des ersten Abstandes d₁ und das zweite Gewicht g₂ für das zweite Quellsignal (212) proportional zu dem inversen einer Potenz des zweiten Abstandes d₂ ist.
Tonsignalerzeuger (100) nach Anspruch 4, wobei das erstes Gewicht g₁ für das erste Quellsignal (210) proportional zu dem mit einem Nahfeldradius r₁ des ersten Mikrofons multiplizierten Inversen des ersten Abstandes d₁ und das zweite Gewicht g₂ für das zweite Quellsignal (212) proportional zu dem mit einem Nahfeldradius r₂ des zweiten Mikrofons multiplizierten Inversen des zweiten Abstandes d₂ ist.
Tonsignalerzeuger (100) nach Anspruch 3, wobei das erste Gewicht g₁ für das erste Quellsignal (210) Null ist, wenn der erste Abstand d₁ größer ist als ein vorbestimmter Abhörradius R und das zweite Gewicht g₂ für das zweite Quellsignal (212) Null ist, wenn der zweite Abstand d₂ größer ist als der vorbestimmte Abhörradius R, wobei das erste Gewicht g₁ und das zweite Gewicht g₂ sonst 1 ist.
Tonsignalerzeuger (100) nach einem der Ansprüche 1 bis 6, bei dem der Signalerzeuger (106) ausgebildet ist, um eine erste Kombinationsregel zu verwenden, wenn das erste Mikrofon und das zweite Mikrofon einem ersten Mikrofontyp zugeordnet sind und um eine zweite, unterschiedliche Kombinationsregel zu verwenden, wenn das erste Mikrofon (204) und das zweite Mikrofon (206) einem zweiten Mikrofontyp zugeordnet sind.
Tonsignalerzeuger (100) nach Anspruch 7, wobei gemäß der ersten Kombinationsregel ein erster Nahfeldradius r₁ und gemäß der zweiten Kombinationsregel ein zweiter, unterschiedlicher Nahfeldradius r₂ verwendet wird.
Tonsignalerzeuger (100) nach Anspruch 7, wobei der erste Mikrofontyp einem Mikrofon zugeordnet ist, das zur Aufnahme eines direkten Schallanteils der akustischen Szene dient, wobei der zweite Mikrofontyp einem Mikrofon zugeordnet ist, das der Aufnahme eines diffusen Schallanteils der akustischen Szene dient.
Tonsignalerzeuger (100) nach Anspruch 9, wobei die ersten Kombinationsregel das Bilden einer gewichteten Summe des ersten Quellsignals (210) und des zweiten Quellsignals (212) umfasst mit einem ersten Gewicht g₁ für das erste Quellsignal (210) und einem zweiten Gewicht g₂ für das zweite Quellsignal (212), wobei das erste Gewicht g₁ für das erste Quellsignal (210) proportional zu dem Inversen einer Potenz des ersten Abstandes d₁ und das zweite Gewicht g₂ für das zweite Quellsignal (212) proportional zu dem inversen einer Potenz des zweiten Abstandes d₂ ist.
Tonsignalerzeuger (100) nach Anspruch 10, wobei die zweite Kombinationsregel das Bilden einer gewichteten Summe des ersten Quellsignals x₁ (210) und des zweiten Quellsignals x₂ (212) umfasst, wobei die Gewichte g₁ und g₂ von der ersten Geometrieinformation (110) und von der zweiten Geometrieinformation (112) abhängig sind, wobei die Gewichte g₁ und g₂ für sämtliche möglichen Geometrieinformationen die Randbedingung erfüllen, dass eine Summe der Gewichte G = g₁ + g₂ oder eine quadratische Summe G2 = g₁ ² + g₂ ² konstant, insbesondere 1 ist.
Tonsignalerzeuger (100) nach Anspruch 11, wobei die zweite Kombinationsregel das Bilden einer Gewichteten Summe x_virt der Quellsignale x₁ (210) und x₂ (212) gemäß zumindest einer der folgenden Überblendregeln umfasst: x_virt1 = g₁·x₁ + (1 – g₁)·x₂, wobei g₂ = (1 – g₁); Überblendregel 1: x_virt2 = cos(δ)·x₁ + sin(δ)·x₂, wobei δ ∈ [0°; 90°]; Überblendregel 2:
Tonsignalerzeuger (100) nach Anspruch 12, wobei die Kombinationsregel ferner das Bilden einer Gewichteten Summe x_virt aus den mit einem Korrelationskoeffizienten für eine Korrelation zwischen dem ersten Quellsignal x₁ (210) und dem zweiten Quellsignal (212) x₂ gewichteten Signale x_virt1 und x_virt23 nach folgender Regel umfasst: x_virt = σ_x₁x₂·x_virt1 + (1 – σ_x₁x₂)·x_virt23, wobei x_virt23 entweder x_virt2 oder x_virt3 ist.
Tonsignalerzeuger (100) nach Anspruch 11, wobei gemäß der zweiten Kombinationsregel bei dem Bilden der gewichteten Summe ferner ein drittes Signal x₃ mit einem dritten Gewicht g₃ berücksichtigt wird, wobei die Positionen der den Quellsignalen x₁, x₂ und x₃ zugeordneten Mikrofone (250, 252, 254) eine dreieckige Fläche aufspannen, innerhalb derer sich die virtuelle Abhörposition (202) befindet und wobei die Gewichte g₁, g₂ und g₃ für jedes der Quellsignale x₁, x₂ und x₃ jeweils basierend auf einer senkrechten Projektion (264) der virtuelle Abhörposition (202) auf diejenige Höhe (262) des Dreiecks bestimmt werden, die der Position des dem jeweiligen Quellsignal zugeordneten Mikrofons (250) zugeordnet ist.
Tonsignalerzeuger (100) nach einem der vorhergehenden Ansprüche, wobei gemäß der Kombinationsregel entweder das erste oder das zweite Quellsignal (212) um eine Verzögerungszeit verzögert werden, wenn ein Vergleich der ersten Geometrieinformation und der zweiten Geometrieinformation ein vorbestimmtes Kriterium erfüllt.
Tonsignalerzeuger (100) nach Anspruch 15, wobei das vorbestimmte Kriterium erfüllt ist, wenn ein Unterschied zwischen dem ersten Abstand und dem zweiten Abstand größer ist als ein zulässiger Minimalabstand.
Tonsignalerzeuger (100) nach einem der vorhergehenden Ansprüche, wobei gemäß der Kombinationsregel dasjenige Signal aus der Gruppe des ersten und des zweiten Quellsignals, das eine geringere Signallaufzeit von dem dem Signal zugeordneten Mikrofon bis zu der Virtuellen Abhörposition aufweist, derart verzögert wird, dass die verzögerte Signallaufzeit der Signallaufzeit von dem dem anderen Signal der Gruppe zugeordneten Mikrofon bis zu der Virtuellen Abhörposition entspricht.
Tonsignalerzeuger (100) nach einem der Ansprüche 2 bis 17, wobei die erste Geometrieinformation (110) ferner eine erste Richtungsinformation über eine Richtung zwischen einer der virtuellen Abhörposition zugeordneten Vorzugsrichtung (280) und der ersten Position und eine zweite Richtungsinformation über eine Richtung zwischen der Vorzugsrichtung und der zweiten Position umfasst, wobei das erste Gewicht g₁ proportional zu einem ersten Richtungsfaktor ist und wobei das zweite Gewicht g₂ proportional zu einem zweiten Richtungsfaktor ist, wobei der erste Richtungsfaktor von der ersten Richtungsinformation und von einer der virtuellen Abhörposition zugeordneten Richtcharakteristik und der zweite Richtungsfaktor von der zweiten Richtungsinformation und der Richtcharakteristik abhängig ist.
Tonsignalerzeuger (100) zum Bereitstellen eines Tonsignales basierend auf einem ersten Quellsignal und einem zweiten Quellsignal wird, umfassend: einem Geometrieprozessor (104), der ausgebildet ist, um basierend auf einer dem ersten Quellsignal zugeordneten ersten Position eine erste Geometrieinformation (110) und um basierend auf einer dem zweiten Quellsignal zugeordneten zweiten Position eine zweite Geometrieinformation (112) zu bestimmen; und einem Signalerzeuger (106) zum Bereitstellen des Tonsignales (120), wobei der Signalerzeuger (106) ausgebildet ist, zumindest das erste Quellsignal (210) und das zweite Quellsignal (212) gemäß einer die erste Geometrieinformation (110) und die zweite Geometrieinformation (112) verwendenden Kombinationsregel zu kombinieren, wobei gemäß der Kombinationsregel ein erstes Teilsignal x_virt1 gemäß einer ersten Überblendregel und ein zweites Teilsignal x_virt2 gemäß einer zweiten Überblendregel gebildet wird, und wobei das Bereitstellen des Tonsignales ferner das bilden einer Gewichteten Summe x_virt aus den mit einem Korrelationskoeffizienten σ_x₁x₂ für eine Korrelation zwischen dem ersten Quellsignal x₁ (210) und dem zweiten Quellsignal x₂ (212) gewichteten Signale x_virt1 und x_virt2 umfasst.
Tonsignalerzeuger (100) zum Bereitstellen eines Tonsignales nach Anspruch 19, wobei das erste Teilsignal x_virt1 unter Verwendung folgender ersten Überblendregel: x_virt1 = g₁·x₁ + (1 – g₁)·x₂, wobei g₂ = (1 – g₁); und das zweite Teilsignal x_virt2unter Verwendung folgender Überblendregel: x_virt2 = cos(δ)·x₁ + sin(δ)·x₂, wobei δ ∈ [0°; 90°] bereitgestellt werden und wobei das Bereitstellen der gewichteten Summe folgende Berechnung umfasst: x_virt = σ_x₁x₂·x_virt1 + (1 – σ_x₁x₂)·x_virt2.
Mischpult (300) zum Verarbeiten zumindest eines ersten und eines zweiten Quellsignals und zum Bereitstellen eines abgemischten Tonsignals, wobei das Mischpult einen Tonsignalerzeuger (100) nach einem der vorhergehenden Ansprüche umfasst.
Mischpult (300) nach Anspruch 21, wobei das Mischpult ferner eine Benutzerschnittstelle (306) umfasst, die ausgebildet ist, um eine grafische Repräsentation der Positionen einer Mehrzahl von zumindest das erste und das zweite Mikrofon umfassenden Mikrofonen sowie der virtuellen Abhörposition anzuzeigen.
Mischpult (300) nach einem der Ansprüche 21 oder 22, bei dem die Benutzerschnittstelle (306) ferner eine Eingabeeinrichtung umfasst, die ausgebildet ist, um jedem der Mikrofone einen Mikrofontyp aus einer Gruppe mit zumindest einem ersten Mikrofontyp und einem zweiten Mikrofontyp zuzuordnen, wobei ein Mikrofontyp zu einer Art des mit dem Mikrofon aufgezeichneten Schallfeldes korrespondiert.
Mischpult (300) nach einem der Ansprüche 21 bis 23, bei dem die Benutzerschnittstelle (306) ferner eine Eingabeeinrichtung umfasst, die ausgebildet ist, um zumindest die virtuelle Abhörposition (202) einzugeben oder zu verändern, insbesondere durch Beeinflussung der grafischen Repräsentation der virtuellen Abhörposition.
Verfahren zum Bereitstellen eines Tonsignales für eine virtuelle Abhörposition (202) innerhalb eines Raumes, in dem eine akustische Szene von zumindest einem ersten Mikrofon an einer ersten bekannten Position innerhalb des Raumes als ein erstes Quellsignal und von zumindest einem zweiten Mikrofon an einer zweiten Position innerhalb des Raumes als ein zweites Quellsignal aufgezeichnet wird, umfassend: empfangen (500) des von dem ersten Mikrofon aufgenommenen ersten Quellsignals und des von dem zweiten Mikrofon aufgenommenen zweiten Quellsignals; bestimmen (502) einer ersten Geometrieinformation basierend auf der ersten Position und der virtuellen Abhörposition und einer zweiten Geometrieinformation (112) basierend auf der zweiten Position und der virtuellen Abhörposition; und kombinieren (504) zumindest des ersten Quellsignals und des zweiten Quellsignals gemäß einer die erste Geometrieinformation (110) und die zweite Geometrieinformation (112) verwendenden Kombinationsregel.
Computerprogramm zur Durchführung des Verfahrens nach Anspruch 25, wenn das Computerprogramm auf einer programmierbaren Hardwarekomponente abläuft.