DE69434568T2

DE69434568T2 - Mikrofonsystem für telekonferenzsystem

Info

Publication number: DE69434568T2
Application number: DE69434568T
Authority: DE
Inventors: Lee Peter CHU; F. William BARTON
Original assignee: Polycom Inc
Current assignee: Polycom Inc
Priority date: 1993-10-05
Filing date: 1994-10-03
Publication date: 2006-08-03
Anticipated expiration: 2014-10-04
Also published as: US5664021A; US5787183A; EP0723733B1; EP0723733A1; JP3321170B2; JPH09505699A; DE69434568D1; WO1995010164A1; EP0723733A4

Description

Hintergrund der Erfindung
Die Erfindung betrifft die automatische Auswahl von Mikrophonsignalen.
Seit den frühesten Tagen der Tonaufzeichnung stellen Rauschen und Nachhall beständige Probleme dar. Rauschen und Nachhall sind in Telekonferenzsystemen, bei denen mehrere Leute um einen Tisch sitzen, typischerweise in einem akustisch aktiven Raum, in dem jeder mit Papier hantiert, besonders schädlich.
Frühere Verfahren zum Verringern von Rauschen und Nachhall haben auf Richtmikrophonen beruht, die auf Schallquellen auf der Achse des Mikrophons am stärksten ansprechen und weniger ansprechen, wenn der Winkel zwischen der Achse und der Quelle zunimmt. Der Telekonferenzraum kann mit mehreren Richtmikrophonen ausgestattet sein: entweder ein Mikrophon für jeden Teilnehmer oder ein Mikrophon für jede Zone des Raums. Eine automatische Mikrophontorschaltung schaltet ein Mikrophon zu einem Zeitpunkt ein, um nur die gerade sprechende Person aufzunehmen. Die anderen Mikrophone werden abgeschaltet (oder in der Empfindlichkeit signifikant verringert), wodurch die Rausch- und Nachhallsignale, die an den anderen Mikrophonen empfangen werden, ausgeschlossen werden. Die Torsteuerung wird in einer komplexen analogen Schaltung durchgeführt.
US 4 741 038 offenbart eine planare Mikrophonanordnung und eine Misch- und Steuerschaltung, um das Ausgangssignal von jedem der Mikrophone in der Anordnung zu kombinieren und anzupassen. Die Signale der einzelnen Mikrophone werden aufsummiert, nachdem die einzelnen Signale um eine individuelle Verzögerungszeit verzögert wurden. Dadurch wird eine hohe Winkelauflösung erreicht. Durch Abtasten der verfügbaren Winkelrichtungsabhängigkeiten der Mikrophonanordnung kann die Winkelorientierung gesucht werden, in der eine maximale Schallleistung erfasst wird. Diese Abtastung erfordert eine entsprechende Anpassung der Zeitverzögerung für jeden einzelnen Wandler der Anordnung.
Bei der Mikrophonanordnung von DE 2 214 431 A sind vier Mikrophone derart angeordnet, dass jedes in eine andere Richtung in einer Ebene weist. Die Signale der vier Mikrophone werden verstärkt und gemischt, um vier Ausgangssignale für eine Vierkanal-Wiedergabe vorzusehen.
Es ist eine Aufgabe der Erfindung, ein Mikrophonsystem und ein Verfahren zum Kombinieren von Mikrophonsignalen bereitzustellen, die das Ausgangssignal optimieren, wenn eine Schallquelle ihre Position relativ zu den Mikrophonen ändern kann.
Die Erfindung ist in dem Anspruch 1 bzw. 11 definiert.
Spezielle Ausführungsbeispiele sind in den abhängigen Ansprüchen dargelegt.
Zusammenfassung der Erfindung
Gemäß einem Aspekt zeichnet sich die Erfindung im Allgemeinen durch ein Mikrophonsystem zur Verwendung in einer Umgebung, in der eine Schallquelle Energie von verschiedenen und veränderlichen Stellen innerhalb der Umgebung emittiert, aus. Das Mikrophonsystem weist mindestens zwei Richtmikrophone, eine Mischschaltung und eine Steuerschaltung auf. Die Mikrophone werden jeweils von einem Mittelpunkt ausgerichtet gehalten. Die Mischschaltung kombiniert die elektrischen Signale von den Mikrophonen in veränderlichen Verhältnissen, um ein zusammengesetztes Signal zu erzeugen, wobei das zusammengesetzte Signal Beiträge von mindestens zwei der Mikrophone umfasst. Die Steuerschaltung analysiert die elektrischen Signale, um eine Winkelorientierung des Schallsignals relativ zum Mittelpunkt zu ermitteln, und stellt im Wesentlichen kontinuierlich die Verhältnisse als Reaktion auf die ermittelte Orientierung ein und liefert die eingestellten Verhältnisse zur Mischschaltung. Die Werte der Verhältnisse werden so ausgewählt, dass das zusammengesetzte Signal ein Signal simuliert, das von einem einzelnen Richtmikrophon erzeugt werden würde, das um den Mittelpunkt geschwenkt wird, um seine maximale Ansprechempfindlichkeit auf das Schallsignal zu richten, wenn sich das Schallsignal in der Umgebung herumbewegt.
Spezielle Ausführungsbeispiele der Erfindung können die folgenden Merkmale umfassen. Die mehreren Mikrophone sind in einer kleinen, unauffälligen, zentral angeordneten "Scheibe" montiert, um die Sprache von Leuten aufzunehmen, die um einen großen Tisch sitzen. Die Scheibe kann zwei Dipolmikrophone oder vier Kardioid-Mikrophone, die in 90° zueinander orientiert sind, halten. Das Schwenken und Richten finden in diskreten Winkeln um den Mittelpunkt statt. Die Mischschaltung kombiniert die Signale von den Mikrophonen durch selektives Addieren, Subtrahieren oder Durchleiten der Signale, um vier Dipolmikrophone in 45° zueinander zu simulieren. Die Mischverhältnisse werden durch Kombinieren und Gewichten von Koeffizienten, die die Ansprechempfindlichkeit des virtuellen Mikrophons auf einem fast gleichmäßigen Pegel halten, festgelegt. Mindestens zwei der eingestellten Koeffizienten sind weder Null noch Eins. Das Mikrophonsystem umfasst ferner eine Echokompensationsschaltung mit einem Effekt, der sich mit den ausgewählten Verhältnissen und der Richtung des virtuellen Mikrophons ändert, wobei die Echokompensationsschaltung eine Information von der Steuerschaltung erhält, um den Effekt zu bestimmen.
Gemäß einem zweiten Aspekt zeichnet sich die Erfindung im Allgemeinen durch ein Verfahren zum Auswählen eines Mikrophons für die bevorzugte Verstärkung aus. Das Verfahren ist bei einem Mikrophonsystem zur Verwendung in einer Umgebung, in der sich eine Schallquelle in der Umgebung herumbewegt, nützlich. Bei dem Verfahren werden mindestens zwei Mikrophone in der Umgebung bereitgestellt. Für jedes Mikrophon wird eine Folge von Abtastwerten entsprechend dem elektrischen Signal des Mikrophons erzeugt. Die Abtastwerte werden in Blöcke von mindestens jeweils einem Abtastwert blockweise unterteilt. Für jeden Block wird ein Energiewert für die Abtastwerte des Blocks berechnet und ein laufender Spitzenwert wird erzeugt: der laufende Spitzenwert ist gleich dem Energiewert des Blocks, wenn der Energiewert des Blocks den laufenden Spitzenwert, der für den vorherigen Block erzeugt wurde, übersteigt, und ist ansonsten gleich einer Abklingkonstante mal dem vorherigen laufenden Spitzenwert. Nachdem ein laufender Spitzenwert für den Block und jedes Mikrophon berechnet wurde, werden die laufenden Spitzenwerte für jedes Mikrophon verglichen. Das Mikrophon, dessen entsprechender laufender Spitzenwert am größten ist, wird ausgewählt und während eines anschließenden Blocks vorzugsweise verstärkt.
Bei bevorzugten Ausführungsbeispielen kann sich das Verfahren durch das Folgende auszeichnen. Die Energiepegel werden durch Subtrahieren einer Abschätzung von Hintergrundrauschen berechnet. Die Abklingkonstante dämpft die laufende Spitze um die Hälfte in etwa 1/23 Sekunde. Eine sich bewegende Summe der laufenden Spitzenwerte für jedes Mikrophon wird vor dem Vergleichsschritt summiert.
Gemäß einem dritten Aspekt stellt die Erfindung ein Verfahren zum Entwerfen eines Dipolmikrophons bereit: zwei Kardioid-Mikrophone werden nahe beieinander in entgegengesetzten Richtungen ortsfest gehalten und die Signale, die von den Kardioid-Mikrophonen erzeugt werden, werden subtrahiert, um ein Dipolmikrophon zu simulieren.
Unter den Vorteilen der Erfindung sind die folgenden. Die Mikrophonauswahl und das Mischen werden in der Software implementiert, die etwa 5% der Verarbeitungszyklen eines AT&T DSP1610 Digitalsignalverarbeitungs- (DSP) Chips verbraucht. Bevorzugte Ausführungsbeispiele können mit einem einzelnen Stereo-Analog-Digital-Wandler und DSP implementiert werden. Da das Telekonferenzsystem bereits den Stereo-ADC- und DSP-Chip verwendet, beispielsweise zur Schallechokompensation, ist die offenbarte Mikrophontorvorrichtung signifikant einfacher und preiswerter als eine in einer analogen Schaltung implementierte und erreicht eine überlegene Leistung. Die Integration der Echokompensationssoftware und der Mikrophonauswahlsoftware zu einem einzelnen DSP ermöglicht eine kooperative Verbesserung von verschiedenen Signalverarbeitungsfunktionen im DSP.
Weitere Aufgaben, Vorteile und Merkmale der Erfindung werden aus der folgenden Beschreibung eines bevorzugten Ausführungsbeispiels und aus den Zeichnungen ersichtlich, in denen gilt:
Kurzbeschreibung der Zeichnungen
1 ist eine perspektivische Ansicht von vier Mikrophonen mit ihren Kardioid-Ansprechkeulen.
2 ist eine perspektivische Ansicht einer Mikrophonanordnung, die teilweise aufgeschnitten ist.
3 ist ein schematisches Diagramm der Signalverarbeitungswege für die von den Mikrophonen der Mikrophonanordnung erzeugten Signale.
4a–4d sind Draufsichten auf vier Kardioid-Mikrophone und die Ansprechkeulen, die durch Kombinieren ihrer Signale in veränderlichen Verhältnissen erhalten werden.
5 ist ein Ablaufplan eines Mikrophonauswahlverfahrens der Erfindung.
6 ist eine schematische Ansicht von zwei Mikrophonanordnungen, die miteinander verkettet sind.
Beschreibung von speziellen Ausführungsbeispielen der Erfindung
Aufbau
Mit Bezug auf 1 umfasst eine Mikrophonanordnung gemäß der Erfindung vier Kardioid-Mikrophone M_A, M_B, M_C und M_D, die senkrecht zueinander, so nahe aneinander und so nahe an einer Tischoberseite wie möglich angebracht sind. Die Achsen der Mikrophone sind zur Tischoberseite parallel. Jedes der vier Mikrophone weist eine Kardioid-Ansprechkeule A, B, C bzw. D auf. Durch Kombinieren der Signale der Mikrophone in verschiedenen Verhältnissen können die vier Kardioid-Mikrophone dazu veranlasst werden, ein einzelnes "virtuelles" Mikrophon zu simulieren, das sich dreht, um eine Schallquelle zu verfolgen, während sie sich um den Tisch bewegt (oder unter mehreren Quellen zu verfolgen, während sie sprechen und still werden).
2 zeigt die Mikrophonanordnung 200 mit vier Primos EN75B Kardioid-Mikrophonen M_A, M_B, M_C und M_D, die senkrecht zueinander an einer Leiterplatte (PCB) 202 montiert sind. Eine perforierte Kuppelabdeckung 204 liegt über einer Schaumschicht 208 und steht mit einer Basis 206 in Eingriff. Potentiometer 210 zum Ausgleichen der Ansprechempfindlichkeit der Mikrophone sind durch Löcher 212 in der Unterseite des Gehäuses 206 und der PCB 202 zugänglich. Die Schaltungen auf der PCB 202, die nicht dargestellt sind, umfassen vier Vorverstärker. Die Anordnung 200 weist einen Durchmesser von etwa sechs Inch und eine Höhe von 1 ½ Inch auf.
Nimmt man erneut auf 1 Bezug, so variiert die Ansprechempfindlichkeit eines Kardioid-Mikrophons mit dem außeraxialen Winkel θ gemäß der Funktion:
Diese Funktion ergibt, wenn sie in Polarkoordinaten aufgetragen wird, die herzförmige Ansprechempfindlichkeit, die als Keulen A, B, C und D aufgetragen wird, für die Mikrophone M_A, M_B, M_C bzw. M_D. wenn beispielsweise θ_A 180° ist (die Schallquelle 102 liegt direkt hinter dem Mikrophon M_A, wie in 1 dargestellt), ist die Amplitudenansprechempfindlichkeit des Kardioid-Mikrophons M_A Null.
Mit Bezug auf 3 wird die Differenz eines entgegengesetzten Paars von Mikrophonen durch Verdrahten eines Mikrophons mit einer Sperrvorspannung relativ zur anderen gebildet. In Anbetracht des Paars M_A und M_C ist M_A, zwischen +5V und einen Widerstand 302_A von 10 kΩ zur Erdung und M_C ist zwischen einen Widerstand 302₀ von 10 kΩ zu +5V und die Erdung geschaltet. Kondensatoren 304_A , 304_C mit 1 μF und Pegeleinstellpotentiometer 210_A , 210_C mit 5 kΩ verbinden jeweils M_A und M_C mit einem Eingang eines Differenzoperationsverstärkers 320_AC . Eine Bassverstärkungsschaltung 322_AC führt das Ausgangssignal des Operationsverstärkers zum Eingang zurück. Bei anderen Ausführungsbeispielen können die Komponentenwerte (vorstehend und nachstehend angegeben) variieren, wie für die verschiedenen aktiven Komponenten erforderlich.
Das Ausgangssignal 330_AC , 330_BD des Operationsverstärkers 320_BD stellt jenes eines virtuellen Dipolmikrophons dar. Das Signal 330_AC (das Ausgangssignal des Mikrophons M_C minus das Ausgangssignal des Mikrophons M_A) ergibt beispielsweise ein Dipolmikrophon, dessen Winkelansprechempfindlichkeit
ist.
Dieses Dipolmikrophon weist eine Ansprechempfindlichkeit von 1 auf, wenn θ_A 0° ist, –1, wenn θ_A 180° ist, und weist Ansprechempfindlichkeitsnullen auf, wenn θ_A ± 90° außeraxial ist. Ebenso simuliert ein Signal 330_BD (wobei M_D von M_B subtrahiert wird) ein Dipolmikrophon, dessen Winkelansprechempfindlichkeit
ist.
Dieses Dipolmikrophon weist eine Ansprechempfindlichkeit von 1 auf, wenn θ_B 0° ist (θ_A 90° ist), –1, wenn θ_B 180° ist (θ_A –90° ist), und weist Ansprechempfindlichkeitsnullen auf, wenn θ_B ±90° außeraxial ist (θ_A 0° oder 180° ist). Die zwei virtuellen Dipolmikrophone, die durch die Signale 330_AC und 330_BD dargestellt werden, weisen folglich Ansprechkeulen in rechten Winkeln zueinander auf.
Nachdem die Signale durch einen Widerstand 324_AC , 324_BD mit 4,99 kΩ laufen, werden die analogen Differenzen 330_AC und 330_BD durch Analog-Digital-Wandler (ADC) 340_AC und 340_BD in die digitale Form 342_AC und 342_BD mit einer Rate von 16000 Abtastwerten pro Sekunde umgewandelt. Die ADCs 340_AC und 340_BD können beispielsweise der rechte bzw. der linke Kanal eines Stereo-ADC sein.
Mit Bezug auf 4a-4d können die Ausgangssignale 342_AC und 342_BD ferner in einem Digitalsignalprozessor (DSP) 350 miteinander addiert oder voneinander subtrahiert werden, um zusätzliche Mikrophon-Ansprechempfindlichkeitsmuster zu erhalten. Die Summe der Signale 342_AC und 342_BD ist cosθA + sinθA = √2cos(θA – 45°)
Dies entspricht dem virtuellen Dipolmikrophon, das in 4c dargestellt ist, dessen Ansprechkeule um 45° von der Achse des Mikrophons M_A weg verschoben ist (auf halbem Wege zwischen den Mikrophonen M_A und M_B).
Ebenso ist die Differenz der Signale 212AC – 212BD = COSθA – sinθA = √2cos(θA + 45°)entsprechend dem in 4a dargestellten virtuellen Dipolmikrophon, dessen Ansprechkeule um –45° verschoben ist (auf halbem Wege zwischen den Mikrophonen M_A und M_D).
Die Summen- und Differenzsignale von 4a und 4c werden im Digitalsignalprozessor 350 um 1/√2 skaliert, um eine Ansprechempfindlichkeit auf der Achse mit gleichmäßiger Amplitude zwischen den vier virtuellen Dipolmikrophonen zu erhalten.
Die Ansprechempfindlichkeit auf eine Schallquelle auf halbem Wege zwischen zwei benachbarten virtuellen Dipolen ist cos (22,5°) oder 0,9239, nur 0,688 dB weniger als die Ansprechempfindlichkeit auf der Achse. Folglich decken die vier Dipolmikrophone einen Raum von 360° um die Mikrophonanordnung ohne Lücken in der Abdeckung ab.
Betrieb
5 zeigt das Verfahren zum Wählen unter den vier virtuellen Dipolmikrophonen. Das Verfahren ist gegen ein konstantes Hintergrundrauschen von Computern, Klimaanlagenlüftungen usw. und auch gegen Nachhallenergie unempfindlich.
Digitalisierte Signale 342_AC und 342_BD treten in den DSP ein. Das Hintergrundrauschen wird von den wesentlichen Sprachfrequenzen in nichtrekursiven Bandpassfiltern 510 mit 1-4 kHz und mit 20 Abgriffen entfernt. Das resultierende Signal wird in Schritt 512 um fünf dezimiert (vier von jeweils fünf Abtastwerten werden durch die Schritte stromabwärts von 512 ignoriert), um das Ausmaß der erforderlichen Berechnung zu verringern. Dann werden vier virtuelle Dipolsignale 530_a -530_d durch Summieren, Subtrahieren und Durchleiten der Signale 342_AC und 342_BD erzeugt.
5 und die folgende Erörterung beschreiben die Verarbeitung für das Signal 530_a im einzelnen; die Verarbeitung für die Signale 530b bis 530a ist bis Schritt 590 identisch. Verschiedene der folgenden Schritte unterteilen die Abtastwerte blockweise in Blöcke von 20 ms (80 der um fünf dezimierten Abtastwerte von 3,2 kHz pro Block). Diese Funktionen werden nachstehend unter Verwendung der Zeitvariable T beschrieben. Andere Schritte berechnen eine Funktion an jedem dezimierten Abtastwert; diese Funktionen werden unter Verwendung der Zeitvariable t beschrieben.
Schritt 540 nimmt den Absolutwert des Signals 530_a , so dass grobe Energiemessungen, die später in dem Verfahren stattfinden, berechnet werden können, indem einfach die resultierenden Abtastwerte u(T) 542 zusammensummiert werden.
Der Schritt 550 schätzt das Hintergrundrauschen ab. Die Abtastwerte werden blockweise in Blöcke von 20 ms unterteilt und ein Mittelwert wird für die Abtastwerte in jedem Block berechnet. Der Hintergrundrauschpegel wird als Minimalwert v(T) über die Energiepegelwerte 542 der vorherigen 100 Blöcke angenommen. Die Rauschabschätzung w(T) 554 des aktuellen Blocks wird aus der vorherigen Rauschabschätzung w(T – 1) und der minimalen mittleren Energieabschätzung v(T) des aktuellen Blocks unter Verwendung der Formel w(T) = 0,75 w(T – 1) + 0,25 v(T)berechnet.
In Schritt 560 wird die Hintergrundrauschabschätzung w(T) 554 des Blocks von der Energieabschätzung u(T) 542 des Abtastwerts subtrahiert. Wenn die Differenz negativ ist, dann wird der Wert auf Null gesetzt, um rauschkompensierte Abtastratenenergien x(T) 562 zu erzeugen.
Schritt 570 findet die Kurzzeitenergie. Die rauschkompensierten Abtastratenenergien x(t) 562 werden einem Integrator zugeführt, um Kurzzeitenergieabschätzungen y(t) 572 zu erzeugen: y(t) = 0,75y(t – 1) + 0,25 × (t)
Schritt 580 berechnet einen laufenden Spitzenwert z(t) 582 bei der Abtastrate von 3,2 kHz, dessen Wert der Energie des direkten Weges von der Schallquelle minus Rauschen und Nachhall entspricht, um die Wirkungen der Nachhallenergie auf die Auswahl unter den virtuellen Mikrophonen zu mildern. Wenn y(t) > z(t – 1), dann gilt z(t) = y(t).
Ansonsten gilt z(t) = 0,996 z(t – 1). Die laufende Spitze klingt um die Hälfte in 173 Abtastzeiten von 3,2 kHz, etwa 1/18 Sekunde, ab. Andere Abklingkonstanten, beispielsweise jene, die Halbdämpfungszeiten zwischen 1/5 und 1/100 Sekunde ergeben, sind in Abhängigkeit von der Raumakustik, dem Abstand von Schallquellen von der Mikrophonanordnung usw. auch nützlich.
Schritt 584 summiert die 64 laufenden Spitzenwerte in jedem Block von 20 ms, um das Signal 586_a zu erzeugen.
Ähnliche Schritte werden verwendet, um laufende Spitzensummen 586_b –586_d für die Eingabe in den Schritt 590 zu erzeugen.
In Schritt 590 wird das virtuelle Dipolmikrophon mit dem maximalen Ergebnis 586_a –586_d als durch Addieren, Subtrahieren oder Durchleiten der Signale 342_AC und 342_BD zu erzeugendes virtuelles Mikrophon ausgewählt, um das Ausgangssignal 390 zu erzeugen. Damit das Verfahren die Mikrophonwahl umschaltet, muss der Maximalwert 586_a –586_d für das neue Mikrophon mindestens 1 dB über dem Wert 586_a -586_d für das vorher ausgewählte virtuelle Mikrophon liegen. Diese Hysterese verhindert, dass das Mikrophon zwischen zwei virtuellen Mikrophonen "zittert", wenn beispielsweise die Schallquelle fast in dem Winkel angeordnet ist, in dem die Ansprechempfindlichkeit von zwei virtuellen Mikrophonen gleich ist. Die Auswahlentscheidung wird alle 20 ms getroffen. An den Blockgrenzen blendet man das Ausgangssignal zwischen dem alten virtuellen Mikrophon und dem neuen über acht Abtastwerte über.
Wechselwirkung der Mikrophonauswahl mit der anderen Verarbeitung
Bei einem Telekonferenzsystem wird die Mikrophonanordnung typischerweise mit einem Lautsprecher verwendet, um Töne von einer entfernten Telekonferenzstation wiederzugeben. Beim bevorzugten Ausführungsbeispiel verwaltet die Software Wechselwirkungen zwischen dem Lautsprecher und den Mikrophonen, beispielsweise um ein "Durcheinanderbringen" des Mikrophonauswahlverfahrens zu vermeiden und die Schallechokompensation zu verbessern. Beim bevorzugten Ausführungsbeispiel werden diese Wechselwirkungen im DSP 350 zusammen mit dem Mikrophonauswahlmerkmal implementiert und folglich kann jede der Analysen von den Ergebnissen der anderen profitieren, beispielsweise um die Echokompensation auf der Basis der Mikrophonauswahl zu verbessern.
Wenn der Lautsprecher Sprache von der entfernten Telekonferenzstation wiedergibt, kann das Mikrophonauswahlverfahren deaktiviert werden. Diese Feststellung wird durch bekannte Verfahren durchgeführt, beispielsweise jenes, das in der US-Patentanmeldung Seriennummer 08/086 707, veröffentlicht unter US 5550824 , beschrieben ist. Wenn der Lautsprecher fernes Hintergrundrauschen emittiert, arbeitet das Mikrophonauswahlverfahren normal.
Ein Telekonferenzsystem umfasst eine Schallechokompensation, um Ton vom Lautsprecher vom Mikrophoneingangssignal zu kompensieren, wie in den Patentanmeldungen der Vereinigten Staaten, Seriennummern 07/659 579, veröffentlicht unter US 5305307 , und 07/837 729, veröffentlicht unter US 5263019 , beschrieben. Ein vom Lautsprecher erzeugter Ton wird vom Mikrophon zeitlich verzögert und in der Frequenz verändert empfangen, wie durch die Akustik des Raums, die relative Geometrie des Lautsprechers und des Mikrophons, den Ort anderer Gegenstände im Raum, das Verhalten des Lautsprechers und des Mikrophons selbst und das Verhalten der Lautsprecher- und Mikrophonschaltung, die gemeinsam als "Raumansprechempfindlichkeit" bekannt sind, bestimmt. Solange das Audiosystem eine vernachlässigbare, nichtlineare Verzerrung aufweist, kann der Lautsprecher-Mikrophon-Weg durch ein nichtrekursives (FIR) Filter gut modelliert werden.
Der Echokompensator unterteilt das vollständige Tonfrequenzband in Teilbänder und verwaltet eine Abschätzung für die Raumansprechempfindlichkeit für jedes als FIR-Filter modellierte Teilband.
Der Echokompensator ist "adaptiv": er aktualisiert seine Filter als Reaktion auf eine Änderung der Raumansprechempfindlichkeit in jedem Teilband. Typischerweise nimmt die Zeit, die dafür erforderlich ist, dass ein Filter des Teilbandes von einem gewissen Anfangszustand konvergiert (das heißt, der tatsächlichen Raumansprechempfindlichkeit so nahe kommt, wie es das Anpassungsverfahren zulässt), mit der anfänglichen Differenz des Filters von der aktuellen Raumansprechempfindlichkeit zu. Für große Differenzen kann diese Konvergenzzeit mehrere Sekunden sein, während welcher die Echokompensationsleistung unangemessen ist.
Die aktuelle Raumansprechempfindlichkeit kann in eine "primäre Ansprechempfindlichkeit" und eine "Störungsansprechempfindlichkeit" aufgespalten werden. Die primäre Ansprechempfindlichkeit spiegelt diejenigen Elemente der Raumansprechempfindlichkeit wider, die konstant sind oder sich nur über Zeiten in einigen zehn Sekunden ändern, beispielsweise die Geometrie und Oberflächeneigenschaften des Raums und großer Objekte im Raum und die Geometrie des Lautsprechers und des Mikrophons. Die Störungsansprechempfindlichkeit spiegelt diejenigen Elemente der Raumansprechempfindlichkeit wider, die sich geringfügig und schnell ändern, wie z.B. Luftströmungsmuster, die Positionen von Leuten auf ihren Stühlen usw. Diese kleinen Störungen erzeugen nur eine geringfügige Verschlechterung der Echokompensation und die Filter konvergieren schnell wieder, um die vollständige Echokompensation wiederherzustellen.
Bei typischen Telekonferenzanwendungen liegen Änderungen der Raumansprechempfindlichkeit hauptsächlich an Änderungen der Störungsansprechempfindlichkeit. Änderungen der primären Ansprechempfindlichkeit führen zu einer schlechten Echokompensation, während die Filter erneut konvergieren. Wenn sich die primäre Ansprechempfindlichkeit nur selten ändert, wie wenn ein Mikrophon bewegt wird, ergibt die adaptive Echokompensation eine annehmbare Leistung. wenn sich jedoch die primäre Raumansprechempfindlichkeit häufig ändert, wie es geschieht, sobald ein neues Mikrophon ausgewählt wird, kann die Änderung der Raumansprechempfindlichkeit groß genug sein, so dass sie zu einer schlechten Echokompensation und einer langen Zeit für die erneute Konvergenz zur Wiederherstellung einer guten Echokompensation führt.
Ein Echokompensator zur Verwendung bei dem Mikrophonauswahlverfahren verwaltet eine Version seines gegen die Ansprechempfindlichkeit empfindlichen Zustands (die adaptiven Filterparameter für jedes Teilband und Hintergrundrauschabschätzungen) für jedes virtuelle Mikrophon. Wenn ein neues virtuelles Mikrophon ausgewählt wird, speichert der Echokompensator den aktuellen gegen die Ansprechempfindlichkeit empfindlichen Zustand für das aktuelle virtuelle Mikrophon und lädt den gegen die Ansprechempfindlichkeit empfindlichen Zustand für das neu ausgewählte virtuelle Mikrophon.
Da der Speicherplatz für den vollen gegen die Ansprechempfindlichkeit empfindlichen Zustand für alle virtuellen Mikrophone eine tolerierbare Speicherquote übersteigen würde, wird der gegen die Ansprechempfindlichkeit empfindliche Zustand jedes virtuellen Mikrophons in einer komprimierten Form gespeichert. Um eine ausreichende Kompression zu erzielen, werden verlustbehaftete Kompressionsverfahren verwendet, um Blöcke von Filterabgriffen zu komprimieren und zu speichern: jeder 16-Bit-Abgriffswert wird zu vier Bits komprimiert. Das folgende Verfahren verringert die Kompressionsverluste, wobei ein ausreichendes Detail in der Filterform aufrechterhalten wird, um eine merkliche erneute Konvergenz zu vermeiden, wenn das Filter von der komprimierten Speicherung abgerufen wird.
Die adaptiven Filter weisen typischerweise Spitzenwerte bei einer relativ kleinen Verzögerung entsprechend der Länge des direkten Weges vom Lautsprecher zum Mikrophon mit einem langsam abklingenden "Schwanz" bei größeren Verzögerungen entsprechend dem langsam abklingenden Nachhall auf. Wenn ein Block von Filterdaten komprimiert wird, wird jedes Filter in mehrere Blöcke, z.B. vier, aufgeteilt, so dass die großen Werte, die für den ersten Block typisch sind, kleine Werte in den Nachhallschwanzblöcken nicht verdecken.
Wenn jeder Block von 16-Bit-Abgriffen komprimiert wird, werden die Abgriffswerte im Block folgendermaßen normiert. Für den größten aktuellen Abgriffswert im Block wird die maximale Anzahl von Linksverschiebungen, die durchgeführt werden können, ohne irgendwelche signifikanten Bits zu verlieren, gefunden. Diese Verschiebungsanzahl wird mit jedem Block von komprimierten Abgriffen gespeichert, so dass die entsprechende Anzahl von Rechtsverschiebungen durchgeführt werden kann, wenn der Block erweitert wird.
Die höchstwertigen acht Bits der normierten Abgriffswerte werden bis auf vier Bits nicht-linear quantisiert. Eines der vier Bits wird für das Vorzeichenbit des Abgriffswerts verwendet. Die restlichen drei Bits codieren den Betrag des Acht-Bit-Eingangswerts folgendermaßen:

7-Bit-Betrag 3-Bit-Quantisierung

0–16 0

17–25 1

26–37 2

38–56 3

57–69 4

70–85 5

86–104 6

105–127 7
Alternativ könnte der Echokompensator zwei Filterparametersätze speichern, einen Satz entsprechend dem A-C-Dipolmikrophon und einen entsprechend dem B-D-Dipol. Wenn sich die Mikrophonauswahl ändert, könnten die korrekten Echokompensations-Filterwerte durch eine Berechnung analog zu jener, die verwendet wird, um die Mikrophonsignale zu kombinieren, abgeleitet werden. Die Übertragungsfunktionskoeffizienten für das ((A–C) – (B–D)) virtuelle Mikrophon von 4a könnten beispielsweise durch Subtrahieren der entsprechenden Koeffizienten und Skalieren derselben um √2 abgeleitet werden.
Der Echokompensator kann in einem DSP mit einem kleinen "schnellen" Speicher und einem größeren "langsamen" Speicher implementiert werden. Die Zeit, die erforderlich ist, um einen gegen die Ansprechempfindlichkeit empfindlichen Zustand in den langsamen Speicher auszulagern und in einen anderen zu wechseln, kann die verfügbare Zeit überschreiten. Daher wird einmal während jedes Aktualisierungsintervalls von 20 ms (des Verarbeitungsintervalls, während dessen der Echokompensatorzustand aktualisiert wird) eine Teilmenge des gegen die Ansprechempfindlichkeit empfindlichen Zustands in den langsamen Speicher kopiert. Das vorliegende Ausführungsbeispiel speichert eines seiner 29 Teilbandfilter in jedem Aktualisierungsintervall, so dass der gesamte Satz von Teilbandfiltern für das gerade aktive virtuelle Mikrophon alle 0,58 Sekunden gespeichert wird.
Der gegen die Ansprechempfindlichkeit empfindliche Zustand des Echokompensators wird nur dann aktualisiert, wenn das zugehörige virtuelle Mikrophon aktiv ist. Um den Echokompensationszustand für jedes der virtuellen Mikrophone angemessen aktuell zu halten, erzwingt der Echokompensator die Auswahl eines virtuellen Mikrophons, wenn das aktuelle Mikrophon keine Energie ohne Rauschen für ein gewisses Intervall, z.B. eine Minute, empfangen hat. Die Anwesenheit von Energie ohne Rauschen wird vom Echokompensator an die Mikrophonauswahleinrichtung gemeldet.
Alternative Ausführungsbeispiele
Eine einzelne Mikrophonanordnung arbeitet für Sprache innerhalb eines Radius von sieben Fuß um die Mikrophonanordnung gut. Wie in 6 gezeigt, können zwei Mikrophonanordnungen 200 zusammen verwendet werden, indem die linken Kanäle 620, 624 der zwei Mikrophonanordnungen zusammenaddiert werden und die zwei rechten Kanäle 622, 626 zusammenaddiert werden. Die zwei summierten Kanäle 632 werden dann in Analog-Digital-Wandler 340 eingespeist, wie aus 3 ersichtlich. Das Auswahlverfahren von 5 arbeitet für die verkettete Konfiguration von 6 gut.
Bei der verketteten Konfiguration von 6 erhöht die zweite Anordnung das Rauschen und den Nachhall um 3 dB, was den Effekt der Verringerung des Abdeckradius jeder Mikrophonanordnung von sieben Fuß auf fünf Fuß hat. Da zwei Kreise mit einem Radius von fünf Fuß dieselbe Fläche aufweisen wie ein Kreis mit einem Radius von sieben Fuß, ändert die Verwendung von mehreren Mikrophonanordnungen vielmehr die Form des Abdeckbereichs, als ihn zu erweitern.
Durch Berechnen von geeigneten gewichteten Summen von mehreren Mikrophonen, die in einer einzigen Ebene liegen und in Winkeln zueinander orientiert sind, ist es möglich, ein virtuelles Mikrophon abzuleiten, das um einen beliebigen willkürlichen Winkel in der Ebene der realen Mikrophone gedreht ist. Sobald eine Schallquelle lokalisiert ist, würden die Eingangssignale der zwei Mikrophone, die am nächsten zur Schallquelle orientiert sind, in einem geeigneten Verhältnis kombiniert werden. Bei einigen Ausführungsbeispielen würden die Verhältnisse der Eingangssignale von anderen Mikrophonen subtrahiert werden. Das summierte Signal würde skaliert werden, um die Ansprechempfindlichkeit des kombinierten Signals nahezu konstant zu halten, da die Ansprechempfindlichkeit in verschiedene Winkel gerichtet ist. Die Kombinationsverhältnisse und Skalierungskonstanten werden durch die Geometrie und Orientierung der Ansprechkeulen der Mikrophone festgelegt. Wenn die Mikrophonanordnung beispielsweise drei Mikrophone umfasst, die in 60° zueinander orientiert sind, könnte eine Schallquelle, die exakt zwischen zwei Mikrophonen ausgerichtet ist, durch Kombinieren der Signale von den zwei nach vorn gewandten Mikrophonen mit Gewichten 1/(1 + cos 30°) am besten auf genommen werden.
Durch Hinzufügen eines Mikrophons, das aus der Ebene der anderen Mikrophone heraus weist, wird es möglich, ein virtuelles Mikrophon in einem beliebigen räumlichen Winkel auszurichten.

Claims

Mikrophonsystem (200, 350), das zur Verwendung in einer Umgebung ausgelegt ist, in der eine Schallquelle ein Schallsignal von verschiedenen und veränderlichen Stellen innerhalb der Umgebung emittiert, wobei das Mikrophonsystem aufweist: mindestens zwei Richtmikrophone (M_A–M_D), die in einer festen Anordnung um einen Mittelpunkt gehalten werden, wobei die jeweilige Ansprechempfindlichkeit von jedem Mikrophon radial vom Mittelpunkt in einer unterschiedlichen Richtung weggerichtet wird, wobei jedes Mikrophon das von der Schallquelle emittierte Schallsignal empfangen und als Reaktion ein elektrisches Signal erzeugen kann; eine Mischschaltung (200), um die elektrischen Signale in veränderlichen Verhältnissen zu kombinieren, um ein zusammengesetztes Signal zu erzeugen, wobei das zusammengesetzte Signal gewichtete Beiträge von mindestens zwei der Mikrophone umfasst; und eine Steuerschaltung (350), die dazu ausgelegt ist, die elektrischen Signale zu analysieren und den gewichteten Beitrag im Wesentlichen kontinuierlich einzustellen, um das zusammengesetzte Signal zu maximieren; wobei die Verhältnisse durch Kombinieren und Gewichten von Koeffizienten festgelegt werden, die das maximierte zusammengesetzte Signal auf einem nahezu gleichmäßigen Pegel halten, wobei mindestens zwei der eingestellten Koeffizienten weder Null noch Eins sind.
Mikrophonsystem nach Anspruch 1, wobei die Mikrophone (M_A–M_D) zwei Dipolmikrophone aufweisen, die in 90° zueinander ausgerichtet sind.
Mikrophonsystem nach Anspruch 2, wobei die Mischschaltung (200) die Signale von den zwei Dipolmikrophonen durch selektives Addieren, Subtrahieren oder Durchleiten der Signale kombiniert, um vier Dipolmikrophone in 45° zueinander zu simulieren.
Mikrophonsystem nach Anspruch 1, wobei die Mikrophone (M_A–M_D) vier Kardioid-Mikrophone aufweisen, die in 90° zueinander ausgerichtet sind.
Mikrophonsystem nach Anspruch 4, wobei die durch die Mischschaltung (200) kombinierten elektrischen Signale Signale aufweisen, die Differenzen von elektrischen Signalen von entgegengesetzten Paaren der Kardioid-Mikrophone sind.
Mikrophonsystem nach Anspruch 1, wobei die Koeffizienten aus einer Gruppe ausgewählt sind, deren Werte etwa 1, 0, –1, √2/2 und –√2/2 sind.
Mikrophonsystem nach Anspruch 1, wobei die Misch- und Steuerschaltung (350) einen Digitalsignalprozessor aufweist.
Mikrophonsystem nach Anspruch 1, wobei die Steuerschaltung (350) aufweist: ein Mittel, das dazu ausgelegt ist, jedes elektrische Signal in eine Folge von Blöcken entsprechend Zeitfenstern mit einer festen Länge blockweise zu unterteilen, um einen Energiewert für jeden der Blöcke zu berechnen; und einen laufenden Spitzenwert für jeden Block zu erzeugen, der gleich dem Energiewert des Blocks ist, wenn der Energiewert des Blocks den für den vorherigen Block erzeugten laufenden pitzenwert übersteigt, und ansonsten gleich einer Abklingkonstante mal dem laufenden Spitzenwert des vorherigen Blocks ist; das dazu ausgelegt ist, einen laufenden Spitzenwert für einen Block und für mindestens zwei Schwenkrichtungen des virtuellen Richtmikrophons zu berechnen und die laufenden Spitzenwerte des Blocks für jede Richtung zu vergleichen; und ein Mittel, das dazu ausgelegt ist, die Verhältnisse so einzustellen, dass die Mischschaltung (200) während eines anschließenden Blocks die Richtung des virtuellen Richtmikrophons auswählt, deren entsprechender laufender Spitzenwert am größten ist.
Mikrophonsystem nach Anspruch 1, welches ferner aufweist eine Echokompensationsschaltung mit der Wirkung der Veränderung mit den ausgewählten Verhältnissen und der Richtung des virtuellen Richtmikrophons, wobei die Echokompensationsschaltung eine Information von der Steuerschaltung (350) erhält, um die Wirkung zu ermitteln.
Mikrophonsystem nach Anspruch 1, wobei die Schallquelle eine Vielzahl von diskreten Lautsprechern aufweist, die jeweils an einer der verschiedenen Stellen innerhalb der Umgebung angeordnet sind.
Verfahren zum Kombinieren von Signalen von mindestens zwei Richtmikrophonen (M_A–M_D) in einer Umgebung mit einer Schallquelle, die Energie von verschiedenen und veränderlichen Stellen innerhalb der Umgebung emittiert, wobei jedes Mikrophon ein Schallsignal empfangen und als Reaktion ein elektrisches Signal erzeugen kann, wobei das Verfahren die Schritte aufweist: Anbringen der Mikrophone in einer festen Anordnung um einen Mittelpunkt, wobei die jeweiligen Ansprechempfindlichkeiten der Mikrophone radial vom Mittelpunkt in verschiedenen Richtungen weggerichtet werden; Mischen der elektrischen Signale in veränderlichen Verhältnissen, um ein zusammengesetztes Signal zu erzeugen, wobei das zusammengesetzte Signal gewichtete Beiträge von mindestens zwei der Mikrophone umfasst; und im Wesentlichen kontinuierliches Auswählen und Einstellen der gewichteten Beiträge, um das zusammengesetzte Signal zu maximieren; wobei die Verhältnisse durch Kombinieren und Gewichten von Koeffizienten, die das maximierte zusammengesetzte Signal auf einem nahezu gleichmäßigen Pegel halten, festgelegt werden, wobei mindestens zwei der eingestellten Koeffizienten weder Null noch Eins sind.
Verfahren nach Anspruch 11, wobei der Anbringschritt ferner einen der zwei folgenden Schritte aufweist: Vorsehen von zwei Dipolmikrophonen und Ausrichten derselben in 90° zueinander; und Vorsehen von vier Kardioid-Mikrophonen und Ausrichten derselben in 90° zueinander; und der Mischschritt ferner das Bilden von skalierten Summen und Differenzen der elektrischen Signale aufweist.
Verfahren nach Anspruch 11, welches ferner die Schritte aufweist: blockweises Unterteilen von jedem elektrischen Signal in eine Folge von Blöcken entsprechend Zeitfenstern mit einer festen Länge und Durchführen der folgenden Schritte für jeden Block: Berechnen eines Energiewerts für den Block; und Erzeugen eines laufenden Spitzenwerts, der gleich dem Energiewert des Blocks ist, wenn der Energiewert des Blocks den für den vorherigen Block erzeugten laufenden Spitzenwert übersteigt, und ansonsten gleich einer Abklingkonstante mal dem vorherigen laufenden Spitzenwert ist; nachdem ein laufender Spitzenwert für einen Block und für mindestens zwei Schwenkrichtungen des virtuellen Richtmikrophons berechnet wurde, Vergleichen der laufenden Spitzenwerte des Blocks für jede Richtung; und Einstellen der Verhältnisse so, dass die Mischschaltung während eines anschließenden Blocks die Richtung des virtuellen Richtmikrophons auswählt, deren entsprechender laufender Spitzenwert am größten ist.
Verfahren nach Anspruch 11, welches ferner den Schritt aufweist: als Reaktion auf die Auswahl von Verhältniswerten Einstellen des Verhaltens der Echokompensationsschaltung.