EP1844628A1

EP1844628A1 - Vorrichtung und verfahren zum ansteuern einer wellenfeldsynthese-renderer-einrichtung mit audioobjekten

Info

Publication number: EP1844628A1
Application number: EP06707015A
Authority: EP
Inventors: Katrin Reichelt; Gabriel Gatzsche; Sandra Brix
Original assignee: Fraunhofer Gesellschaft zur Foerderung der Angewandten Forschung eV
Current assignee: Fraunhofer Gesellschaft zur Foerderung der Angewandten Forschung eV
Priority date: 2005-02-23
Filing date: 2006-02-16
Publication date: 2007-10-17
Anticipated expiration: 2026-02-16
Also published as: JP4620133B2; US7930048B2; US20080123864A1; JP2008532374A; US20110144783A1; WO2006089684A1; EP1844628B1; DE102005008366A1; ATE407540T1; DE502006001497D1; CN101129089A; US8755922B2; CN101129089B

Description

Vorrichtung und Verfahren zum Ansteuern einer Wellenfeld- synthese-Renderer-Einrichtung mit Audioobjekten

Beschreibung

Die vorliegende Erfindung bezieht sich auf das Gebiet der Wellenfeldsynthese und insbesondere auf die Ansteuerung ei- ner Wellenfeldsynthese-Rendering-Einrichtung mit zu verarbeitenden Daten.

Die vorliegende Erfindung bezieht sich auf Wellenfeldsyn- these-Konzepte und insbesondere auf effiziente Wellenfeld- synthese-Konzept in Verbindung mit einem Multi-Renderer- System.

Es besteht ein steigender Bedarf an neuen Technologien und innovativen Produkten im Bereich der Unterhaltungselektro- nik. Dabei ist es eine wichtige Voraussetzung für den Erfolg neuer multimedialer Systeme, optimale Funktionalitäten bzw. Fähigkeiten anzubieten. Erreicht wird das durch den Einsatz digitaler Technologien und insbesondere der Computertechnik. Beispiele hierfür sind die Applikationen, die einen verbesserten realitätsnahen audiovisuellen Eindruck bieten. Bei bisherigen Audiosystemen liegt ein wesentlicher Schwachpunkt in der Qualität der räumlichen Schallwiedergabe von natürlichen, aber auch von virtuellen Umgebungen.

Verfahren zur mehrkanaligen LautSprecherwiedergabe von Audiosignalen sind seit vielen Jahren bekannt und standardisiert. Alle üblichen Techniken besitzen den Nachteil, dass sowohl der Aufstellungsort der Lautsprecher als auch die Position des Hörers dem Übertragungsformat bereits einge- prägt sind. Bei falscher Anordnung der Lautsprecher im Bezug auf den Hörer leidet die Audioqualität deutlich. Ein optimaler Klang ist nur in einem kleinen Bereich des Wiedergaberaums, dem so genannten Sweet Spot, möglich. Ein besserer natürlicher Raumeindruck sowie eine stärkere Einhüllung bei der Audiowiedergabe kann mit Hilfe einer neuen Technologie erreicht werden. Die Grundlagen dieser Technologie, die so genannte Wellenfeldsynthese (WFS; WFS = Wave-Field Synthesis) , wurden an der TU Delft erforscht und erstmals in den späten 80er-Jahren vorgestellt (Berkhout, A. J.; de Vries, D.; Vogel, P.: Acoustic control by Wave- field Synthesis. JASA 93, 1993).

Infolge der enormen Anforderungen dieser Methode an Rechnerleistung und Übertragungsraten wurde die Wellenfeldsynthese bis jetzt nur selten in der Praxis angewendet. Erst die Fortschritte in den Bereichen der Mikroprozessortechnik und der Audiocodierung gestatten heute den Einsatz dieser Technologie in konkreten Anwendungen. Erste Produkte im professionellen Bereich werden nächstes Jahr erwartet. In wenigen Jahren sollen auch erste Wellenfeldsynthese- Anwendungen für den Konsumerbereich auf den Markt kommen.

Die Grundidee von WFS basiert auf der Anwendung des Huy- gens' sehen Prinzips der Wellentheorie:

Jeder Punkt, der von einer Welle erfasst wird, ist Aus- gangspunkt einer Elementarwelle, die sich kugelförmig bzw. kreisförmig ausbreitet.

Angewandt auf die Akustik kann durch eine große Anzahl von Lautsprechern, die nebeneinander angeordnet sind (einem so genannten Lautsprecherarray) , jede beliebige Form einer einlaufenden Wellenfront nachgebildet werden. Im einfachsten Fall, einer einzelnen wiederzugebenden Punktquelle und einer linearen Anordnung der Lautsprecher, müssen die Audiosignale eines jeden Lautsprechers mit einer Zeitverzöge- rung und Amplitudenskalierung so gespeist werden, dass sich die abgestrahlten Klangfelder der einzelnen Lautsprecher richtig überlagern. Bei mehreren Schallquellen wird für jede Quelle der Beitrag zu jedem Lautsprecher getrennt be- rechnet und die resultierenden Signale addiert. Befinden sich die wiederzugebenden Quellen in einem Raum mit reflektierenden Wänden, dann müssen auch Reflexionen als zusätzliche Quellen über das Lautsprecherarray wiedergegeben wer- den. Der Aufwand bei der Berechnung hängt daher stark von der Anzahl der Schallquellen, den Reflexionseigenschaften des Aufnahmeraums und der Anzahl der Lautsprecher ab.

Der Vorteil dieser Technik liegt im Besonderen darin, dass ein natürlicher räumlicher Klangeindruck über einen großen Bereich des Wiedergaberaums möglich ist. Im Gegensatz zu den bekannten Techniken werden Richtung und Entfernung von Schallquellen sehr exakt wiedergegeben. In beschränktem Maße können virtuelle Schallquellen sogar zwischen dem realen Lautsprecherarray und dem Hörer positioniert werden.

Obgleich die Wellenfeldsynthese für Umgebungen gut funktioniert, deren Beschaffenheiten bekannt sind, treten doch Unregelmäßigkeiten auf, wenn sich die Beschaffenheit ändert bzw. wenn die Wellenfeldsynthese auf der Basis einer Umgebungsbeschaffenheit ausgeführt wird, die nicht mit der tatsächlichen Beschaffenheit der Umgebung übereinstimmt .

Eine Umgebungsbeschaffenheit kann durch die Impulsantwort der Umgebung beschrieben werden.

Dies wird anhand des nachfolgenden Beispiels näher dargelegt. Es wird davon ausgegangen, dass ein Lautsprecher ein Schallsignal gegen eine Wand aussendet, deren Reflexion un- erwünscht ist. Für dieses einfache Beispiel würde die Raumkompensation unter Verwendung der Wellenfeldsynthese darin bestehen, dass zunächst die Reflexion dieser Wand bestimmt wird, um zu ermitteln, wann ein Schallsignal, das von der Wand reflektiert worden ist, wieder beim Lautsprecher an- kommt, und welche Amplitude dieses reflektierte Schallsignal hat. Wenn die Reflexion von dieser Wand unerwünscht ist, so besteht mit der Wellenfeldsynthese die Möglichkeit, die Reflexion von dieser Wand zu eliminieren, indem dem Lautsprecher ein zu dem Reflexionssignal gegenphasiges Sig^¬ nal mit entsprechender Amplitude zusätzlich zum ursprünglichen Audiosignal eingeprägt wird, so dass die hinlaufende Kompensationswelle die Reflexionswelle auslöscht, derart, dass die Reflexion von dieser Wand in der Umgebung, die betrachtet wird, eliminiert ist. Dies kann dadurch geschehen, dass zunächst die Impulsantwort der Umgebung berechnet wird und auf der Basis der Impulsantwort dieser Umgebung die Beschaffenheit und Position der Wand bestimmt wird, wobei die Wand als Spiegelquelle interpretiert wird, also als Schallquelle, die einen einfallenden Schall reflektiert.

Wird zunächst die Impulsantwort dieser Umgebung gemessen und wird dann das Kompensationssignal berechnet, das dem Audiosignal überlagert dem Lautsprecher eingeprägt werden muss, so wird eine Aufhebung der Reflexion von dieser Wand stattfinden, derart, dass ein Hörer in dieser Umgebung schallmäßig den Eindruck hat, dass diese Wand überhaupt nicht existiert.

Entscheidend für eine optimale Kompensation der reflektierten Welle ist jedoch, dass die Impulsantwort des Raums genau bestimmt wird, damit keine Über- oder Unterkompensation auftritt.

Die Wellenfeldsynthese ermöglicht somit eine korrekte Abbildung von virtuellen Schallquellen über einen großen Wiedergabebereich. Gleichzeitig bietet sie dem Tonmeister und Toningenieur neues technisches und kreatives Potential bei der Erstellung auch komplexer Klanglandschaften. Die Wellenfeldsynthese (WFS oder auch Schallfeldsynthese) , wie sie Ende der 80-er Jahre an der TU Delft entwickelt wurde, stellt einen holographischen Ansatz der Schallwiedergabe dar. Als Grundlage hierfür dient das Kirchhoff-Helmholtz- Integral. Dieses besagt, dass beliebige Schallfelder innerhalb eines geschlossenen Volumens mittels einer Verteilung von Monopol- und Dipolschallquellen (Lautsprecherarrays) auf der Oberfläche dieses Volumens erzeugt werden können. Bei der Wellenfeldsynthese wird aus einem Audiosignal, das eine virtuelle Quelle an einer virtuellen Position aussendet, eine Synthesesignal für jeden Lautsprecher des Laut- sprecherarrays berechnet, wobei die Synthesesignale derart hinsichtlich Amplitude und Phase gestaltet sind, dass eine Welle, die sich aus der Überlagerung der einzelnen durch die im Lautsprecherarray vorhandenen Lautsprecher ausgegebenen Schallwelle ergibt, der Welle entspricht, die von der virtuellen Quelle an der virtuellen Position herrühren würde, wenn diese virtuelle Quelle an der virtuellen Position eine reale Quelle mit einer realen Position wäre.

Typischerweise sind mehrere virtuelle Quellen an verschie- denen virtuellen Positionen vorhanden. Die Berechnung der Synthesesignale wird für jede virtuelle Quelle an jeder virtuellen Position durchgeführt, so dass typischerweise eine virtuelle Quelle in Synthesesignalen für mehrere Lautsprecher resultiert. Von einem Lautsprecher aus betrachtet empfängt dieser Lautsprecher somit mehrere Synthesesignale, die auf verschiedene virtuelle Quellen zurückgehen. Eine Überlagerung dieser Quellen, die aufgrund des linearen Superpositionsprinzips möglich ist, ergibt dann das von dem Lautsprecher tatsächlich ausgesendete Wiedergabesignal,

Die Möglichkeiten der Wellenfeldsynthese können um so besser ausgeschöpft werden, je größer die Lautsprecherarrays sind, d. h. um so mehr einzelne Lautsprecher bereitgestellt werden. Damit steigt jedoch auch die Rechenleistung, die eine Wellenfeldsyntheseeinheit vollbringen muss, da typischerweise auch Kanalinformationen berücksichtigt werden müssen. Dies bedeutet im einzelnen, dass von jeder virtuellen Quelle zu jedem Lautsprecher prinzipiell ein eigener Übertragungskanal vorhanden ist, und dass prinzipiell der Fall vorhanden sein kann, dass jede virtuelle Quelle zu einem Synthesesignal für jeden Lautsprecher führt, bzw. dass jeder Lautsprecher eine Anzahl von Synthesesignalen erhält, die gleich der Anzahl von virtuellen Quellen ist. Wenn insbesondere bei Kinoanwendungen die Möglichkeiten der Wellenfeldsynthese dahingehend ausgeschöpft werden sollen, dass die virtuellen Quellen auch beweglich sein können, so ist zu erkennen, dass aufgrund der Berechnung der Synthesesignale, der Berechnung der Kanalinformationen und der Erzeugung der Wiedergabesignale durch Kombination der Kanalinformationen und der Synthesesignale ganz erhebliche Rechenleistungen zu bewältigen sind.

Darüber hinaus sei an dieser Stelle angemerkt, dass die Qualität der Audiowiedergabe mit der Anzahl der zur Verfügung gestellten Lautsprecher steigt. Dies bedeutet, dass die Audiowiedergabequalität um so besser und realistischer wird, um so mehr Lautsprecher in dem bzw. den Lautsprecher- arrays vorhanden sind.

Im obigen Szenario könnten die fertig gerenderten und ana- - log-digital-gewandelten Wiedergabesignale für die einzelnen . Lautsprecher beispielsweise über Zweidrahtleituhgen von der ^• Wellenfeldsynthese-Zentraleinheit zu den einzelnen 'Laut- ^• Sprechern übertragen werden. Dies hätte zwar den Vorteil, dass nahezu sichergestellt ist, dass alle Lautsprecher ^' synchron arbeiten, so dass hier zu Synchronisationszwecken keine weiteren Maßnahmen erforderlich wären. Andererseits : könnte die Wellenfeldsynthese-Zentraleinheit immer nur für • einen speziellen Wiedergaberaum bzw. für eine- Wiedergabe mit einer festgelegten Anzahl von Lautsprechern hergestellt . werden. Dies bedeutet, dass für jeden Wiedergaberaum | eine eigene Wellenfeldsynthese-Zentraleinheit gefertigt werden ^"~ müsste, die ein erhebliches Maß an Rechenleistung zu voll- . bringen hat, da die Berechnung der Audiowiedergäbesignale ^' . insbesondere im Hinblick auf viele Lautsprecher bzw. viele . virtuelle Quellen zumindest teilweise parallel und in Echt- .'-^*-- zeit erfolgen muss. . ._f ' _{) ~> :}

Das Deutsche Patent DE 10254404. B4 offenbart, ein^'V.System,.-, wie es in Fig. 7 dargestellt ist. Ein Teil ist das zentrale;

- -V- Wellenfeldsynthesemodul 10. Der andere Teil setzt sich aus einzelnen LautSprechermodulen 12a, 12b, 12c, 12d, 12e zu^¬ sammen, die mit tatsächlichen physikalischen Lautsprechern 14a, 14b, 14c, 14d, 14e derart verbunden sind, wie es in Fig. 1 gezeigt ist. Es sei darauf hingewiesen, dass die Anzahl der Lautsprecher 14a-14e bei typischen Anwendungen im Bereich über 50 und typischerweise sogar deutlich über 100 liegt. Wird jedem Lautsprecher ein eigenes Lautsprechermodul zugeordnet, so wird auch die entsprechende Anzahl von Lautsprecher-Modulen benötigt. Je nach Anwendung wird es jedoch bevorzugt, von einem Lautsprecher-Modul aus eine kleine Gruppe von nebeneinander liegenden Lautsprechern anzusprechen. In diesem Zusammenhang ist es beliebig, ob ein Lautsprecher-Modul, das mit vier Lautsprechern beispiels- weise verbunden ist, die vier Lautsprecher mit demselben Wiedergabesignal speist, oder ob für die vier Lautsprecher entsprechende unterschiedliche Synthesesignale berechnet werden, so dass ein solches Lautsprecher-Modul eigentlich aus mehreren einzelnen Lautsprecher-Modulen besteht, die jedoch physikalisch in einer Einheit zusammengefasst sind.

Zwischen dem Wellenfeldsynthesemodul 10 und jedem einzelnen Lautsprecher-Modul 12a-12e befindet sich eine eigene Übertragungsstrecke 16a-16e, wobei jede Übertragungsstrecke mit dem zentralen Wellenfeldsynthesemodul und einem eigenen Lautsprecher-Modul gekoppelt ist.

Als Datenübertragungsmodus zum Übertragen von Daten von dem Wellenfeldsynthesemodul zu einem Lautsprecher-Modul wird ein serielles Übertragungsformat bevorzugt, das eine hohe Datenrate liefert, wie beispielsweise ein sogenanntes Firewire-Übertragungsformat oder ein USB-Datenformat. Datenübertragungsraten von über 100 Megabit pro Sekunde sind vorteilhaft.

Der Datenstrom, der von dem Wellenfeldsynthesemodul 10 zu einem Lautsprecher-Modul übertragen wird, wird somit je nach gewähltem Datenformat in dem Wellenfeldsynthesemodul entsprechend formatiert und mit einer Synchronisationsinformation versehen, die in üblichen seriellen Datenformaten vorgesehen ist. Diese Synchronisationsinformation wird von den einzelnen Lautsprecher-Modulen aus dem Datenstrom ext- rahiert und verwendet, um die einzelnen Lautsprecher-Module im Hinblick auf ihre Wiedergabe, also letztendlich auf die Analog-Digital-Wandlung zum Erhalten des analogen Lautspre^¬ chersignals und die dafür vorgesehene Abtastung (re- sampling) zu synchronisieren. Das zentrale Wellenfeldsyn- thesemodul arbeite als Master, und alle Lautsprecher-Module arbeiten als Clients, wobei die einzelnen Datenströme über die verschiedenen Übertragungsstrecken 16a-16e alle dieselben Synchronisationsinformationen von dem Zentralmodul 10 erhalten. Dies stellt sicher, dass alle Lautsprecher-Module synchron, und zwar synchronisiert von dem Master 10, arbeiten, was für das Audiowiedergabesystem wichtig ist, um keinen Verlust an Audioqualität zu erleiden, damit die vom Wellenfeldsynthesemodul berechneten Synthesesignale nicht zeitversetzt von den einzelnen Lautsprechern nach entspre- chendem Audio-Rendering abgestrahlt werden.

Das beschriebene Konzept liefert zwar bereits eine deutliche Flexibilität im Hinblick auf ein Wellenfeldsynthese- System, das für verschiedene Anwendungsmöglichkeiten ska- lierbar ist. Es leidet jedoch nach wie vor an der Problematik, dass das zentrale Wellenfeldsynthese-Modul, das das eigentliche Haupt-Rendering durchführt, das also abhängig von den Positionen der virtuellen Quellen und abhängig von den Lautsprecherpositionen die einzelnen Synthese-Signale für die Lautsprecher berechnet, einen „Flaschenhals" für das gesamte System darstellt. Obgleich bei diesem System das „Nach-Rendering", also die Beaufschlagung der Synthesesignale mit Kanalübertragungsfunktionen, etc. bereits dezentral ausgeführt wird und somit bereits die notwendige Datenübertragungskapazität zwischen dem zentralen Renderer- Modul und den einzelnen Lautsprecher-Modulen durch Selektion von Synthesesignalen mit einer kleineren Energie als einer bestimmten Schwellenenergie reduziert worden ist, müs- sen jedoch dennoch alle virtuellen Quellen gewissermaßen für alle Lautsprechermodule gerendert werden, also in Synthesesignale umgerechnet werden, wobei die Ausselektion erst nach dem Rendering stattfindet.

Dies bedeutet, dass das Rendering nach wie vor die Gesamt^¬ kapazität des Systems bestimmt. Ist die zentrale Rendering- Einheit daher z. B. in der Lage, 32 virtuelle Quellen gleichzeitig zu rendern, also für diese 32 virtuellen Quel- len die Synthesesignale gleichzeitig zu berechnen, so treten ernsthafte Kapazitätsengpässe auf, wenn mehr als 32 Quellen zu einem Zeitpunkt in einer Audioszene aktiv sind. Für einfache Szenen ist dies ausreichend. Für komplexere Szenen, insbesondere mit immersiven Klangeindrücken, also wenn es beispielsweise regnet und viele Regentropfen einzelne Quellen darstellen, ist es ummittelbar einsichtig, dass die Kapazität mit maximal 32 Quellen nicht mehr ausreicht. Eine entsprechende Situation findet auch dann statt, wenn man ein großes Orchester hat und tatsächlich jeden Orchesterspieler oder wenigstens jede Instrumentengruppe als eigene Quelle an ihrer eigenen Position verarbeiten möchte. Hier können 32 virtuelle Quellen sehr schnell zu wenig werden.

Typischerweise wird bei dem bekannten Wellenfeldsynthese- Konzept eine Szenenbeschreibung verwendet, in der die einzelnen Audioobjekte derart zusammen definiert sind, dass unter Verwendung der Daten in der Szenenbeschreibung und der Audiodaten für die einzelnen virtuellen Quellen die komplette Szene durch einen Renderer bzw. eine Multi- Rendering-Anordnung aufbereitet werden kann. Hierbei ist für jedes Audioobjekt exakt definiert, wo das Audioobjekt zu beginnen hat und wo das Audioobjekt zu enden hat. Ferner ist für jedes Audioobjekt genau die Position der virtuellen Quelle angegeben, an der die virtuelle Quelle sein soll, die also in die Wellenfeldsynthese-Rendering-Einrichtung einzugeben ist, damit für jeden Lautsprecher die entsprechenden Synthesesignale erzeugt werden. Dies hat zur Folge, dass durch Überlagerung der von den einzelnen Lautsprechern als Reaktion auf die Synthesesignale ausgegebenen Schallwellen für einen Hörer ein Eindruck entsteht, als ob eine Schallquelle an einer Position im Wiedergaberaum bzw. au- ßerhalb des Wiedergaberaums positioniert ist, die durch die Quellenposition der virtuellen Quelle definiert ist.

Wie es bereits ausgeführt worden ist, besteht ein bekanntes Wellenfeldsynthese-System aus einem Authoring-Werkzeug 60 (Fig. 6) , einem Steuer/Renderer-Modul 62 (Fig. 6) und einem Audioserver 64 (Fig. 6) . Das Authoring-Werkzeug erlaubt es dem Nutzer, Szenen zu erstellen, zu editieren und das WeI- lenfeldsynthese-basierte System zu steuern. Eine Szene besteht sowohl aus Informationen zu den einzelnen virtuellen Audioquellen als auch aus den Audiodaten. Die Eigenschaften der Audioquellen und deren Referenzen auf die Audiodaten werden in einer XML-Szenendatei gespeichert. Die Audiodaten selbst werden auf dem Audioserver abgelegt und von dort aus an das Renderer-Modul übertragen.

Problematisch an diesem Systemkonzept ist, dass die Konsistenz zwischen Szenedaten und Audiodaten nicht immer gewährleistet werden kann, da diese voneinander getrennt gespeichert und zu dem Steuer/Renderer-Modul unabhängig voneinan- der übertragen werden.

Dies liegt daran, dass das Renderer-Modul, um ein Wellenfeld zu berechnen, Informationen über die einzelnen Audioquellen, wie beispielsweise die Positionen der Audioquel- len, benötigt. Aus diesem Grund werden die Szenendaten als Steuerdaten ebenfalls an das Renderer-Modul übertragen. Anhand der Steuerdaten und der dazugehörigen Audiodaten ist das Renderer-Modul in der Lage, für jeden einzelnen Lautsprecher das entsprechende Signal zu berechnen.

Es hat sich herausgestellt, dass deutlich wahrnehmbare Artefakte dadurch entstehen können, dass das Renderer-Modul noch Audiodaten einer früheren Quelle verarbeitet, die aus einer früheren Quellenposition angeordnet ist. In dem Moment, in dem das Renderer-Modul neue Positionsdaten für eine neue Quelle erhält, die sich von den Positionsdaten der alten Quelle unterscheiden, kann der Fall auftreten, dass das Renderer-Modul die neuen Positionsdaten übernimmt und damit den Rest der noch von der früheren Quelle vorhandenen Audiodaten verarbeitet. Dies führt im Hinblick auf den wahrnehmbaren Klangeindruck im Wiedergaberaum dazu, dass eine Quelle von einer Position zu anderen „springt", was für den Zuhörer sehr störend sein kann, vor allem wenn die Quelle eine relativ laute Quelle war, und wenn die Positionen der beiden betrachteten Quellen, also der früheren Quelle und der aktuellen Quelle, stark unterschiedlich sind.

Ein weiterer Nachteil dieses Konzepts besteht darin, dass die Flexibilität bzw. die Portierbarkeit der Szenenbeschreibung in Form der XML-Datei gering ist. Insbesondere aufgrund der Tatsache, dass das Renderer-Modul zwei aufein- ander abzustimmende Eingänge aufweist, die aufwendig zu synchronisieren sind, ist eine Anwendung derselben Szenenbeschreibung auf ein anderes System problematisch. Im Hinblick auf die Synchronisierung der beiden Eingänge, um die beschriebenen Artefakte so weit als möglich zu vermeiden, sei darauf hingewiesen, dass diese mit einem relativ großen Aufwand erreicht wird, nämlich indem Zeitstempel oder etwas ähnliches eingesetzt werden, die die Bitstromeffizienz erheblich reduzieren. Wenn an dieser Stelle bedacht wird, dass die Übertragung der Audiodaten zum Renderer und die Verarbeitung der Audiodaten durch den Renderer aufgrund der riesigen erforderlichen Datenraten ohnehin problematisch ist, ist zu sehen, dass an dieser empfindlichen Stelle eine portierbare Schnittstelle sehr aufwendig zu realisieren ist.

Die Aufgabe der vorliegenden Erfindung besteht darin, ein flexibles Konzept zum Ansteuern einer Wellenfeldsynthese- Rendering-Einrichtung zu schaffen, das ferner eine Portier- barkeit einer Szenenbeschreibung auf ein anderes System erlaubt.

Die Aufgabe der vorliegenden Erfindung wird durch eine Vor- richtung zum Ansteuern einer Wellenfeldsynthese-Renderer- Einrichtung gemäß Patentanspruch 1, ein Verfahren zum An^¬ steuern einer Wellenfeldsynthese-Renderer-Einrichtung gemäß Patentanspruch 11 oder ein Computer-Programm gemäß Patentanspruch 12 gelöst.

Der vorliegenden Erfindung liegt die Erkenntnis zugrunde, dass Probleme hinsichtlich der Synchronisierung einerseits und Probleme hinsichtlich der mangelnden Flexibilität andererseits dadurch behoben werden können, dass aus der Sze- nenbeschreibung einerseits und den Audiodaten andererseits ein gemeinsamer Ausgabedatenstrom erzeugt wird, der sowohl die Audiodateien als auch die Positionsinformationen über die virtuelle Quelle umfasst, wobei die Positionsinformationen für die virtuelle Quelle z. B. an entsprechend im Da- tenstrom positionierten Headern in Zuordnung zu den Audiodateien in dem Ausgabedatenstrom eingebracht sind.

Erfindungsgemäß erhält die Wellenfeldsynthese-Rendering- Einrichtung somit nur noch einen einzigen Datenstrom, der alle Informationen umfasst, also der sowohl die Audiodaten als auch die den Audiodaten zugeordneten Metadaten, wie beispielsweise die Positionsinformationen und Zeitinformationen, Quellenidentifikationsinformationen oder Quellenartdefinitionen umfasst.

Damit ist eine eindeutige und unveränderliche Zuordnung von Positionsdaten zu Audiodaten gegeben, sodass die beschriebene Problematik im Hinblick auf das Verwenden von falschen Positionsinformationen für eine Audiodatei nicht mehr auf- treten kann.

Des weiteren erzeugt die erfindungsgemäße Verarbeitungseinrichtung, die aus der Szenenbeschreibung und den Audioda- teien den gemeinsamen Ausgabedatenstrom generiert, eine hohe Flexibilität und Portierbarkeit auf andere Systeme. Als Ansteuerdatenstrom für die Renderer-Einrichtung wird nämlich ein einziger in sich automatisch synchronisierter Da- tenstrom erzeugt, in dem in fester Zuordnung zueinander die Audiodaten und die Positionsinformationen für jedes Audioobjekt sind.

Erfindungsgemäß wird also gewährleistet, dass der Renderer die Positionsinformationen der Audioquelle sowie die Audiodaten der Audioquelle eindeutig zugeordnet erhält, sodass keine Synchronisationsprobleme mehr auftreten, die die Klangwiedergabequalität aufgrund von „springenden Quellen" reduzieren würden.

Vorzugsweise werden die Audio- und Metadaten zentral verwaltet. Damit wird es durch die erfindungsgemäße Verarbeitungseinrichtung erreicht, dass diese ihrem zeitlichen Bezug entsprechend zusammen im Datenstrom übertragen werden. Hierdurch wird auch die Bitstromeffizienz erhöht, da es nicht mehr erforderlich ist, Daten mit Zeitstempeln auszustatten. Ferner liefert das erfindungsgemäße Konzept auch Vereinfachungen für den Renderer, dessen Eingangspuffergröße reduziert werden kann, da er nicht mehr so viele Daten vorhalten muss, als wenn zwei getrennte Datenströme kommen würden.

Erfindungsgemäß wird somit ein zentrales Datenmodellie- rungs- und Datenmanagementmodul in Form der Verarbeitungs- einrichtung implementiert. Dieses verwaltet vorzugsweise die Audiodaten, die Szenendaten (Positionen, zeitliche Abfolge sowie Ausgabebedingungen, wie beispielsweise relative räumliche und zeitliche Bezüge von Quellen zueinander oder Qualitätsanforderungen an die Wiedergabe von Quellen) . Die Verarbeitungseinrichtung ist ferner in der Lage, Szenendaten in zeitliche und räumliche Ausgabebedingungen umzuwandeln und eine dazu konsistente Auslieferung der Audiodaten zu den Wiedergabeeinheiten durch den Ausgabedatenstrom zu erreichen.

Bevorzugte Ausführungsbeispiele der vorliegenden Erfindung werden nachfolgend Bezug nehmend auf die beiliegenden Zeichnungen detailliert erläutert. Es zeigen:

Fig. 1 ein Blockschaltbild der erfindungsgemäßen Vorrichtung zum Ansteuern einer Wellenfeldsynthese- Renderer-Einrichtung;

Fig. 2 ein beispielhaftes Audioobjekt;

Fig. 3 eine beispielhafte Szenenbeschreibung;

Fig. 4a einen Bitstrom, in dem jedem Audioobjekt ein Header mit den aktuellen Zeitdaten und Positionsdaten zugeordnet ist;

Fig. 4b eine alternative Ausführungsform des Ausgabedatenstroms;

Fig. 4c wieder eine alternative Ausführungsform des Datenstroms;

Fig. 4d wieder eine alternative Ausführungsform des Ausgabedatenstroms ;

Fig. 5 eine Einbettung des erfindungsgemäßen Konzepts in ein Wellenfeldsynthese-Gesamtsystem;

Fig. 6 eine schematische Darstellung eines bekannten Wellenfeldsynthese-Konzepts; und

Fig. 7 eine weitere Darstellung eines bekannten Wellen- feldsynthese-Konzepts . Fig. 1 zeigt eine Vorrichtung zum Ansteuern einer Wellen- feldsynthese-Renderer-Einrichtung mit Audioobjekten, damit die Wellenfeldsynthese-Renderer-Einrichtung aus den Audioobjekten Synthesesignale erzeugt, die durch eine Vielzahl von Lautsprechern, die in einem Wiedergaberaum anbringbar sind, wiedergebbar sind. Im Einzelnen umfasst die erfindungsgemäße Vorrichtung also eine Einrichtung 8 zum Liefern einer Szenenbeschreibung, wobei die Szenenbeschreibung eine zeitliche Abfolge von Audioobjekten in einer Audioszene de- finiert, und wobei ein Audioobjekt Informationen über eine Quellenposition einer virtuellen Quelle sowie eine Audiodatei für die virtuelle Quelle oder Verweisinformationen, die auf die Audiodatei für die virtuelle Quelle verweisen, umfasst. Wenigstens die zeitliche Abfolge der Audioobjekte wird von der Einrichtung 8 einer Einrichtung 0 zum Verarbeiten der Audioobjekte zugeführt. Die erfindungsgemäße Vorrichtung kann ferner eine Audiodatei-Datenbank 1 umfassen, durch die die Audiodateien der Einrichtung 0 zum Verarbeiten der Audioobjekte zugeführt wird.

Insbesondere ist die Einrichtung 0 zum Verarbeiten der Audioobjekte ausgebildet, um einen Ausgabedatenstrom 2 zu erzeugen, der der Wellenfeldsynthese-Renderer-Einrichtung 3 zuführbar ist. Insbesondere enthält der Ausgabedatenstrom sowohl die Audiodateien der Audioobjekte als auch, in Zuordnung zu der Audiodatei, Informationen über die Position der virtuellen Quelle sowie vorzugsweise auch Zeitinformationen bezüglich eines Anfangspunkts und/oder eines Endpunkts der virtuellen Quelle. Die Zusatzinformationen, also Positionsinformationen und gegebenenfalls Zeitinformationen sowie weitere Metadaten sind in dem Ausgabedatenstrom in Zuordnung zu den Audiodateien der entsprechenden Audioobjekte geschrieben.

Es sei darauf hingewiesen, dass der Wellenfeldsynthese- Renderer 3 ein Einzelmodul sein kann, oder aber auch viele verschiedene Module umfassen kann, welche mit einem bzw. mehreren Lautsprecher-Arrays 4 gekoppelt sind. Erfindungsgemäß werden somit für eine Audioszene sämtliche Audioquellen mit ihren Eigenschaften und den dazugehörigen Audiodaten in dem einzigen Ausgabedatenstrom abgespeichert, der den Renderern bzw. dem einzigen Renderer-Modul zugeführt wird. Da solche Audioszenen sehr komplex sind, wird dies erfindungsgemäß durch die Einrichtung 0 zum Verarbeiten der Audioobjekte erreicht, die sowohl mit der Einrichtung 8 zum Liefern der Szenenbeschreibung als auch der Au- diodateidatenbank 1 zusammenwirkt und vorzugsweise so ausgebildet ist, dass sie als zentraler Datenmanager am Ausgang einer intelligenten Datenbank, in der die Audiodateien gespeichert sind, arbeitet.

Basierend auf der Szenenbeschreibung erfolgt eine zeitliche und räumliche Modellierung der Daten mit Hilfe der Datenbank. Durch die entsprechende Datenmodellierung wird die Konsistenz der Audiodaten und deren Ausgabe zu den zeitlichen und räumlichen Bedingungen gewährleistet. Diese Bedin- gungen werden bei einem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung bei der Auslieferung der Daten an die Renderer anhand eines Schedules überprüft und sichergestellt. Um auch komplexe Audioszenen in Echtzeit mit WeI- lenfeldsynthese wiedergeben zu können, und um gleichzeitig flexibel arbeiten zu können, also um Szenenbeschreibungen, die für ein System gedacht werden, auch auf andere Systeme übertragen zu können, wird am Ausgang der Audiodatenbank die Verarbeitungseinrichtung vorgesehen.

Vorzugsweise wird eine spezielle Datenorganisation eingesetzt, um insbesondere bei einer festplattenbasierten Lösung die Zugriffszeiten auf die Audiodaten zu minimieren. Eine festplattenbasierte Lösung hat den Vorteil, dass sie eine höhere Transferrate erlaubt, als sie derzeit mit einer CD oder DVD erreichbar ist. Nachfolgend wird Bezug nehmend auf Fig. 2 auf Informationen hingewiesen, die ein Audioobjekt vorteilhaft haben sollte. So soll ein Audioobjekt die Audiodatei spezifizieren, die gewissermaßen den Audioinhalt einer virtuellen Quelle dar- stellt. So muss das Audioobjekt jedoch nicht die Audiodatei umfassen, sondern kann einen Index haben, der auf eine de^¬ finierte Stelle in einer Datenbank verweist, an der die tatsächliche Audiodatei gespeichert ist.

Ferner umfasst ein Audioobjekt vorzugsweise eine Identifikation der virtuellen Quelle, die beispielsweise eine Quellennummer oder ein aussagefähiger Dateiname etc. sein kann. Ferner spezifiziert das Audioobjekt bei der vorliegenden Erfindung eine Zeitspanne für den Beginn und/oder das Ende der virtuellen Quelle, also der Audiodatei. Wird nur eine Zeitspanne für den Beginn spezifiziert, so bedeutet dies, dass der tatsächliche Startpunkt der Aufbereitung dieser Datei durch den Renderer innerhalb der Zeitspanne verändert werden kann. Wird zusätzlich eine Zeitspanne für das Ende vorgegeben, so bedeutet dies, dass auch das Ende innerhalb der Zeitspanne variiert werden kann, was insgesamt je nach Implementierung zu einer Variation der Audiodatei auch hinsichtlich ihrer Länge führen wird. Jegliche Implementierungen sind möglich, so z. B. auch eine Definition der Start/Endzeit einer Audiodatei so, dass zwar der Startpunkt verschoben werden darf, dass jedoch auf keinen Fall die Länge verändert werden darf, sodass damit automatisch das Ende der Audiodatei ebenfalls verschoben wird. Insbesondere für Geräusche wird es jedoch bevorzugt, auch das Ende vari- abel zu halten, da es typischerweise nicht problematisch ist, ob z. B. ein Windgeräusch etwas früher oder später anfängt, oder ob es etwas früher oder später endet. Weitere Spezifizierungen sind je nach Implementierung möglich bzw. erwünscht, wie beispielsweise eine Spezifikation, dass zwar der Startpunkt variiert werden darf, nicht jedoch der Endpunkt, etc. Vorzugsweise umfasst ein Audioobjekt ferner eine Ortsspanne für die Position. So wird es für bestimmte Audioobjekte keine Rolle spielen, ob sie z. B. von vorne links oder vorne Mitte kommen, oder ob sie um einen (kleinen) Winkel be- züglich eines Bezugspunkts im Wiedergaberaum verschoben werden. So existieren jedoch auch, wie es ausgeführt worden ist, Audioobjekte insbesondere wieder aus dem Geräuschbereich, die an jeder beliebigen Stelle positioniert werden können und damit eine maximale Ortsspanne haben, die bei- spielsweise durch einen Code für „beliebig" oder durch keinen Code (implizit) im Audioobjekt spezifiziert werden kann.

Ein Audioobjekt kann weitere Informationen umfassen, wie beispielsweise eine Angabe über die Art der virtuellen

Quelle, also ob es sich bei der virtuellen Quelle um eine

Punktquelle für Schallwellen handeln muss, oder ob es sich um eine Quelle für ebene Wellen handeln muss, oder ob es sich um eine Quelle handeln muss, die Quellen beliebiger Wellenfront erzeugt, sofern die Renderer-Module in der Lage sind, solche Informationen zu verarbeiten.

Fig. 3 zeigt beispielhaft eine schematische Darstellung einer Szenenbeschreibung, in der die zeitliche Abfolge ver- schiedener Audioobjekte AOl, .... AOn+1 dargestellt ist. Insbesondere wird auf das Audioobjekt A03 hingewiesen, für das eine Zeitspanne, wie sie in Fig. 3 eingezeichnet ist, definiert ist. So können sowohl der Startpunkt als auch der Endpunkt des Audioobjekts A03 in Fig. 3 um die Zeitspanne verschoben werden. Die Definition des Audioobjekts A03 lautet jedoch dahingehend, dass die Länge nicht verändert werden darf, was jedoch von Audioobjekt zu Audioobjekt variabel einstellbar ist.

So ist zu sehen, dass durch Verschieben des Audioobjekts AO3 in positiver zeitlicher Richtung eine Situation erreicht werden kann, bei der das Audioobjekt AO3 erst nach dem Audioobjekt A02 beginnt. Werden beide Audioobjekte auf demselben Renderer abgespielt, so kann durch diese Maßnahme eine kurze Überschneidung 20, die ansonsten vielleicht auftreten würde, vermieden werden. Wäre das Audioobjekt A03 im Stand der Technik bereits das Audioobjekt, das über der Ka- pazität eines Renderers liegen würde, aufgrund bereits sämtlicher weiterer zu verarbeitender Audioobjekte auf dem Renderer, wie beispielsweise Audioobjekt A02 und Audioobjekt AOl, so würde ohne die vorliegende Erfindung eine kom^¬ plette Unterdrückung des Audioobjekts A03 auftreten, ob- gleich die Zeitspanne 20 lediglich sehr klein war. Erfindungsgemäß wird das Audioobjekt A03 durch die Audioobjekt- manipulationseinrichtung 3 verschoben, sodass keine Kapazitätsüberschreitung und damit auch keine Unterdrückung des Audioobjekts A03 mehr stattfindet.

Bei dem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung wird eine Szenenbeschreibung verwendet, die relative Angaben hat. So wird die Flexibilität dadurch erhöht, dass der Beginn des Audioobjekts A02 nicht mehr in einem absoluten Zeitpunkt gegeben wird, sondern in einem relativen Zeitraum zum Audioobjekt AOl. Entsprechend wird auch eine relative Beschreibung der Ortsangaben bevorzugt, also nicht, dass ein Audioobjekt an einer bestimmten Position xy im Wiedergaberaum anzuordnen ist, sondern z. B. um einen Vektor versetzt zu einem anderen Audioobjekt oder zu einem Referenzobjekt ist.

Dadurch kann die Zeitspanneninformation bzw. Ortsspanneninformation sehr effizient aufgenommen werden, nämlich ein- fach dadurch, dass die Zeitspanne so festgelegt ist, dass sie zum Ausdruck bringt, dass das Audioobjekt A03 z. B. in einem Zeitraum zwischen zwei Minuten und zwei Minuten und 20 Sekunden nach dem Start des Audioobjekts AOl beginnen kann.

Eine solche relative Definition der Raum- und Zeitbedingungen führt zu einer datenbankmäßig effizienten Darstellung in Form von Constraints, wie sie z. B. in „Modeling Output Constraints in Multimedia Database Systems", T. Heimrich, 1. internationale Multimedia Modelling Conference, IEEE, 2. Januar 2005 bis 14. Januar 2005, Melbourne, beschrieben ist. Hier wird die Verwendung von Constraints in Datenbank- Systemen dargestellt, um konsistente Datenbankzustände zu definieren. Insbesondere werden zeitliche Constraints unter Verwendung von Alien-Beziehungen und räumliche Constraints unter Verwendung von räumlichen Beziehungen beschrieben. Hieraus können günstige Ausgabe-Constraints zu Synchronisa- tionszwecken definiert werden. Solche Ausgabe-Constraints umfassen eine zeitliche oder räumliche Bedingung zwischen den Objekten, eine Reaktion im Falle einer Verletzung eines Constraints und eine Überprüfungszeit, also wann ein solcher Constraint überprüft werden muss.

Bei dem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung werden die räumlichen/zeitlichen Ausgabe-Objekte jeder Szene relativ zueinander modelliert. Die Audioobjekt- manipulationseinrichtung erreicht eine Überführung dieser relativen und variablen Definitionen in eine absolute räumliche und zeitliche Ordnung. Diese Ordnung stellt das Aus- gabe-Schedule dar, das am Ausgang 6a des in Fig. 1 gezeigten Systems erhalten wird und definiert, wie insbesondere das Renderer-Modul im Wellenfeldsynthesesystem angesprochen wird. Das Schedule ist also ein Ausgabeplan, der die Audiodaten entsprechend der Ausgabebedingungen anordnet .

Nachfolgend wird anhand von Fig. 4a ein bevorzugtes Ausführungsbeispiel eines solchen Ausgabe-Schedules dargelegt. Insbesondere zeigt Fig. 4a einen Datenstrom, der gemäß Fig. 4a von links nach rechts übertragen wird, also von der Einrichtung 0 zum verarbeiten von Fig. 1 zu einem oder mehreren Wellenfeldsynthese-Renderern 3. Insbesondere umfasst der Datenstrom für jedes Audioobjekt bei dem in Fig. 4a ge- zeigten Ausführungsbeispiel zunächst einen Header H, in dem die Positionsinformationen und die Zeitinformationen stehen, und nachgeordnet eine Audiodatei für das spezielle Au- dioobjekt, die in Fig. 4a mit AOl für das erste Audioobjekt, A02 für das zweite Audioobjekt etc. bezeichnet ist.

Ein Wellenfeldsynthese-Renderer erhält dann den Datenstrom und erkennt z. B. an einer vorhandenen und fest vereinbarten Synchronisationsinformation, dass nunmehr ein Header kommt. Anhand einer weiteren Synchronisationsinformation erkennt der Renderer dann, dass der Header nunmehr vorbei ist. Alternativ kann für jeden Header auch eine feste Länge in Bits vereinbart werden.

Nach dem Empfang des Headers weiß der Audio-Renderer bei dem in Fig. 4a gezeigten bevorzugten Ausführungsbeispiel der vorliegenden Erfindung automatisch, dass die nachfol- gende Audiodatei, also z. B. AOl, zu dem Audioobjekt, also zu der Quellenposition gehört, die in dem Header identifiziert ist.

Fig. 4a zeigt eine serielle Datenübertragung zu einem WeI- lenfeldsynthese-Renderer. Allerdings werden natürlich mehrere Audioobjekte gleichzeitig in einem Renderer abgespielt. Daher benötigt der Renderer einen Eingangs-Puffer, dem eine Datenstrom-Leseeinrichtung vorausgeht, um den Datenstrom zu parsen. Die Datenstromleseeinrichtung wird dann den Header interpretieren und die zugehörigen Audiodaten entsprechend speichern, damit der Renderer dann, wenn ein Audioobjekt zum Rendern an der Reihe ist, die korrekte Audiodatei und die korrekte Quellenposition aus dem Eingangspuffer ausliest. Andere Daten für den Datenstrom sind na- türlich möglich. Auch eine separate Übertragung sowohl der Zeit/Orts-Informationen als auch der tatsächlichen Audiodaten kann verwendet werden. Die in Fig. 4a dargestellte kombinierte Übertragung wird jedoch bevorzugt, da sie durch Verkettung der Positions/Zeit-Informationen mit der Audio- datei Datenkonsistenzprobleme eliminiert, da immer sicher^¬ gestellt wird, dass der Renderer für Audiodaten auch die richtige Quellenposition hat und nicht z. B. noch Audioda- ten von einer früheren Quelle rendert, jedoch bereits Positionsinformationen der neuen Quelle zum Rendern verwendet.

Während Fig. 4a einen Datenstrom zeigt, der seriell ausge- bildet ist und bei dem jeder Audiodatei für jedes Audioobjekt der zugehörige Header vorausgeht, wie beispielsweise für die Audiodatei AOl der Header Hl, um das Audioobjekt 1 zu einem Renderer zu übertragen, ist in Fig. 4b eine Datenorganisation gezeigt, bei der ein gemeinsamer Header für mehrere Audioobjekte gewählt wird, wobei der gemeinsame Header für jedes Audioobjekt einen eigenen Eintrag hat, der wieder mit Hl, H2 und H3 für die Audiodateien der Audioobjekte AOl, A02 und AO3 bezeichnet ist.

Fig. 4c zeigt eine wieder alternative Datenorganisation, bei der der Header dem jeweiligen Audioobjekt nachgeordnet ist. Dieses Datenformat erlaubt ebenfalls die zeitliche Zuordnung zwischen Audiodatei und Header, da ein Parser im Renderer in der Lage sein wird, anhand z. B. von bestimmten Bitmustern oder sonstigen Synchronisationsinformationen immer den Beginn eines Headers zu finden. Die Implementierung in Fig. 4c ist jedoch nur dann durchführbar, wenn der Renderer einen ausreichend großen Eingangspuffer hat, um also die gesamte Audiodatei abspeichern zu können, bevor der zu- gehörige Header kommt. Aus diesem Grund wird die Implementierung in den Fig. 4a oder 4b bevorzugt.

Fig. 4d zeigt wieder ein alternatives Ausführungsbeispiel, bei dem der Datenstrom durch ein Modulationsverfahren bei- spielsweise mehrere parallele Übertragungskanäle aufweist. Vorzugsweise sind für jeden Datenstrom, also für jede Datenübertragung von der Datenverarbeitungseinrichtung zu einem Renderer so viele Übertragungskanäle vorgesehen, wie der Renderer Audioquellen rendern kann. Kann ein Renderer beispielsweise maximal 32 Audioquellen rendern, so ist bei diesem Ausführungsbeispiel ein Übertragungskanal vorgesehen, der wenigstens 32 Kanäle hat. Diese Kanäle können durch beliebige bekannte FDMA-, CDMA- oder TDMA-Techniken implementiert werden. Auch die Bereitstellung von parallelen physischen Kanälen kann verwendet werden. In diesem Fall wird der Renderer parallel gespeist, und zwar mit ei^¬ ner minimalen Menge an Eingangspuffer. Stattdessen empfängt der Renderer über einen Eingangskanal z. B. den Header für eine Audioquelle, nämlich Hl für die Audioquelle AOl, um dann, unmittelbar darauf, wenn die ersten Daten eintreffen, mit dem Rendern zu beginnen. Da die Daten somit gewissermaßen ohne oder nur mit geringer „Zwischenlagerung" im Rende- rer verarbeitet werden, kann natürlich auf Kosten einer aufwendigeren Modulationstechnik oder einer aufwendigeren Übertragungsstrecke allgemein ein Renderer mit einer sehr geringen Speicheranforderung implementiert werden.

Die vorliegende Erfindung basiert somit auf einem objektorientierten Ansatz, dass also die einzelnen virtuellen Quellen als Objekte aufgefasst werden, die sich durch eine Audiodatei und eine virtuelle Position im Raum und möglicherweise durch die Art und Weise der Quelle auszeichnen, also ob sie eine Punktquelle für Schallwellen oder eine Quelle für ebene Wellen oder eine Quelle für anders geformte Quellen sein soll.

Wie es ausgeführt worden ist, ist die Berechnung der WeI- lenfelder sehr rechenzeitintensiv und an die Kapazitäten der verwendeten Hardware, wie beispielsweise Soundkarten und Rechner, im Zusammenspiel mit der Effizienz der Berechnungsalgorithmen gebunden. Auch die beste ausgestattete PC- basierte Lösung stößt somit bei der Berechnung der Wellen- feldsynthese schnell an ihre Grenzen, wenn viele anspruchsvolle Klangereignisse gleichzeitig dargestellt werden sollen. So gibt die Kapazitätsgrenze der verwendeten Soft- und Hardware die Beschränkung hinsichtlich der Anzahl der virtuellen Quellen bei der Abmischung und Wiedergabe vor.

Fig. 6 zeigt ein solches in seiner Kapazität begrenztes bekanntes Wellenfeldsynthese-Konzept, das ein Authoring- Werkzeug 60, ein Steuer-Renderer-Modul 62 und einen Audio- Server 64 umfasst, wobei das Steuer-Renderer-Modul ausgebildet ist, um ein Lautsprecherarray 66 mit Daten zu versorgen, damit das Lautsprecher-Array 66 eine gewünschte Wellenfront 68 durch Überlagerung der Einzelwellen der ein- zelnen Lautsprecher 70 erzeugt. Das Authoring-Werkzeug 60 erlaubt es dem Nutzer, Szenen zu erstellen, zu editieren und das Wellenfeldsynthese-basierte System zu steuern. Eine Szene besteht sowohl aus Informationen zu den einzelnen virtuellen Audioquellen als auch aus den Audiodaten. Die Eigenschaften der Audioquellen und der Referenzen auf die Audiodaten werden in einer XML-Szenendatei gespeichert. Die Audiodaten selbst werden auf dem Audioserver 64 abgelegt und von dort aus an das Renderer-Modul übertragen. Gleichzeitig erhält das Renderer-Modul die Steuerdaten vom Autho- ring-Werkzeug, damit das Steuer-Renderer-Modul 62, das zentral ausgeführt ist, die Synthesesignale für die einzelnen Lautsprecher erzeugen kann. Das in Fig. 6 gezeigte Konzept ist in „Authoring System for Wave Field Synthesis", F. Melchior, T. Röder, S. Brix, S. Wabnik und C. Riegel, AES Convention Paper, 115. AES-Versammlung, 10. Oktober 2003, New York, beschrieben.

Wird dieses Wellenfeldsynthese-System mit mehreren Rende- rer-Modulen betrieben, so wird dabei jeder Renderer mit denselben Audiodaten versorgt, egal, ob der Renderer aufgrund der ihm zugeordneten begrenzten Zahl von Lautsprechern diese Daten für die Wiedergabe benötigt oder nicht. Da jeder der aktuellen Rechner in der Lage ist, 32 Audioquellen zu berechnen, stellt dies die Grenze für das System dar. Andererseits soll die Anzahl der im Gesamtsystem ren- derbaren Quellen effizient deutlich erhöht werden. Dies ist eine der wesentlichen Voraussetzungen für komplexe Anwendungen, wie beispielsweise Kinofilme, Szenen mit immersiven Atmosphären, wie beispielsweise Regen oder Applaus oder an- dere komplexe Audioszenen.

Erfindungsgemäß wird eine Reduktion redundanter Datenübertragungsvorgänge und Datenverarbeitungsvorgänge in einem Wellenfeldsynthese-Mehr-Renderer-System erreicht, was zu einer Erhöhung der Rechenkapazität bzw. der Anzahl von gleichzeitig berechenbaren Audioquellen erreicht.

Zur Reduktion der redundanten Übertragung und Verarbeitung von Audio- und Metadaten zum einzelnen Renderer des Mehr- Renderer-Systems wird der Audioserver um die Datenausgabeeinrichtung erweitert, welche in der Lage ist, zu ermitteln, welcher Renderer welche Audio- und Metadaten benö- tigt. Die Datenausgabeeinrichtung, gegebenenfalls unterstützt durch den Datenmanager benötigt bei einem bevorzugten Ausführungsbeispiel mehrere Informationen. Diese Informationen sind zunächst die Audiodaten, dann Zeit- und Positionsdaten der Quellen und schließlich die Konfiguration der Renderer, also Informationen über die verbundenen Lautsprecher und ihre Positionen sowie deren Kapazität. Mit Hilfe von Datenmanagementtechniken und der Definition von Ausgabebedingungen wird ein Ausgabe-Schedule durch die Datenausgabeeinrichtung mit einer zeitlichen und räumlichen Anordnung der Audioobjekte erzeugt. Aus der räumlichen Anordnung, dem zeitlichen Schedule und der Rendererkonfigura- tion berechnet das Datenmanagementmodul dann, welche Quelle für welche Renderer zu einem bestimmten Zeitpunkt von Relevanz sind.

Ein bevorzugtes Gesamtkonzept ist in Fig. 5 dargestellt. Die Datenbank 22 ist ausgangsseitig um die Datenausgabeeinrichtung 24 ergänzt, wobei die Datenausgabeeinrichtung auch als Scheduler bezeichnet wird. Dieser Scheduler erzeugt dann an seinen Ausgängen 20a, 20b, 20c für die verschiedenen Renderer 50 die Renderer-Eingangssignale, damit die entsprechenden Lautsprecher der Lautsprecherarrays versorgt werden.

Vorzugsweise wird der Scheduler 24 noch durch einen Stora- ge-Manager 52 unterstützt, um mittels eines RAID-Systems und entsprechender Datenorganisationsvorgaben die Datenbank 42 zu konfigurieren. Auf der Eingangsseite steht ein Daten-Erzeuger 54, welcher beispielsweise ein Tonmeister oder ein Audioingenieur sein kann, der eine Audioszene objektorientiert modellieren bzw. beschreiben soll. Hierbei gibt er eine Szenenbeschreibung vor, die entsprechende Ausgabebedingungen 56 umfasst, die dann gegebenenfalls nach einer Transformation 58 zusammen mit Audiodaten in der Datenbank 22 gespeichert werden. Die

Audiodaten können mittels eines Insert/Update-Werkzeugs 59 manipuliert und aktualisiert werden.

Abhängig von den Gegebenheiten kann das erfάndungsgemäße Verfahren in Hardware oder in Software implementiert werden. Die Implementierung kann auf einem digitalen Speicher- medium, insbesondere einer Diskette oder CD, mit elektronisch auslesbaren Steuersignalen erfolgen, die so mit einem programmierbaren Computersystem zusammenwirken können, dass das Verfahren ausgeführt wird. Allgemein besteht die Erfindung somit auch in einem Computer-Programm-Produkt mit ei- nem auf einem maschinenlesbaren Träger gespeicherten Programmcode zur Durchführung des Verfahrens, wenn das Computer-Programm-Produkt auf einem Rechner abläuft. In anderen Worten ausgedrückt kann die Erfindung somit als ein Computer-Programm mit einem Programmcode zur Durchführung des Verfahrens realisiert werden, wenn das Computer-Programm auf einem Computer abläuft.

Claims

Patentansprüche

1. Vorrichtung zum Ansteuern einer Wellenfeldsynthese- Renderer-Einrichtung (3) mit Audioobjekten, damit die Wellenfeldsynthese-Renderer-Einrichtung aus den Audio^¬ objekten Synthesesignale erzeugt, die durch eine Vielzahl von Lautsprechern (4), die in einem Wiedergabe- räum anbringbar sind, wiedergebbar sind, mit folgenden Merkmalen:

einer Einrichtung (8) zum Liefern einer Szenenbe^¬ schreibung, wobei die Szenenbeschreibung eine zeitli- che Abfolge von Audioobjekten in einer Audioszene definiert, und wobei ein Audioobjekt Informationen über eine Quellenposition einer virtuellen Quelle sowie eine Audiodatei für die virtuelle Quelle oder Verweisinformationen, die auf die Audiodatei für die virtuelle Quelle verweisen, umfasst; und

einer Einrichtung (0) zum Verarbeiten der Audioobjekte, um einen Ausgabedatenstrom zu erzeugen, der der Wellenfeldsynthese-Renderer-Einrichtung (3) zuführbar ist, wobei der Ausgabedatenstrom sowohl die Audiodatei des Audioobjekts als auch, in Zuordnung zu der Audiodatei, Informationen über die Position der virtuellen Quelle des Audioobjekts aufweist.

2. Vorrichtung nach Anspruch 1, bei der die Audiodatei eines Audioobjekts, auf die das Audioobjekt in der Szenenbeschreibung verweist, oder die in der Szenenbeschreibung enthalten ist, eine komprimierte Audiodatei ist, und

bei der die Einrichtung (0) zum Verarbeiten ausgebildet ist, um den Ausgabedatenstrom (2) so zu erzeugen, dass die Audiodatei dekomprimierte Audiodaten aufweist .

3. Vorrichtung nach Anspruch 1 oder 2, bei der die WeI- lenfeldsynthese-Rendering-Einrichtung (3) ein einziges Renderer-Modul umfasst, mit dem alle Lautsprecher kop^¬ pelbar sind, und bei der die Einrichtung (0) zum Verarbeiten ausgebildet ist, um einen Datenstrom zu er^¬ zeugen, in dem die Informationen über die Position ei- ner virtuellen Quelle und die Audiodatei für alle von dem Renderer-Modul zu verarbeitenden Daten enthalten sind, oder

bei der die Wellenfeldsynthese-Renderer-Einrichtung eine Mehrzahl von Renderer-Modulen umfasst, die mit unterschiedlichen Lautsprechern koppelbar sind, und bei der die Einrichtung (0) zum Verarbeiten ausgebildet ist, um für jedes Renderer-Modul einen Ausgabedatenstrom zu erzeugen, in dem Informationen über die Position der virtuellen Quellen und Audiodaten nur für Audioobjekte enthalten, die von dem einen Renderer- Modul aufzubereiten sind, für den der Ausgabedatenstrom vorgesehen ist.

4. Vorrichtung nach einem der vorhergehenden Ansprüche, bei der die Einrichtung (0) zum Verarbeiten ausgebildet ist, um den Ausgabedatenstrom so zu erzeugen, dass einem Header (H) , in dem die Positionsinformationen für eine virtuelle Quelle enthalten sind, die Audioda- tei für die virtuelle Quelle folgen, so dass die WeI- lenfeldsynthese-Renderer-Einrichtung (3) in der Lage ist, aufgrund der zeitlichen Position des Headers bezüglich der Audiodatei festzustellen, dass die Audiodatei mit den Positionsinformationen in dem Header aufzubereiten ist.

5. Vorrichtung nach einem der Ansprüche 1 bis 3, bei der die Einrichtung (0) zum Verarbeiten ausgebildet ist, um den Datenstrom so zu erzeugen, dass ein gemeinsamer Header für mehrere Audiodateien erzeugt wird, wobei der gemeinsame Header für jede Audiodatei einen Eintrag aufweist, der für jede virtuelle Quelle die Posi- tionsinformationen identifiziert, und der ferner an^¬ gibt, wo im Datenstrom die Audiodatei für die virtuelle Quelle angeordnet ist.

6. Vorrichtung nach einem der Ansprüche 1 bis 4, bei der die Einrichtung (0) zum Verarbeiten ausgebildet ist, um den Header an einer fest vorgegebenen absoluten o- der relativen Position in dem Datenstrom anzuordnen.

7. Vorrichtung nach einem der vorhergehenden Ansprüche, bei der zwischen der Einrichtung (0) zum Verarbeiten und der Wellenfeldsynthese-Rendering-Einrichtung eine parallele Datenverbindung mit einer Mehrzahl von Übertragungskanälen verwendbar ist, wobei die Einrichtung (0) zum Verarbeiten ausgebildet ist, um zeitlich pa- rallel auftretende Audioobjekte auf parallele Übertragungskanäle zu verteilen, wobei die Einrichtung (0) zum Verarbeiten ferner so ausgebildet ist, dass ein Übertragungskanal sowohl die Audiodatei als auch die Informationen über die Position der virtuellen Quelle, der die Audiodatei zugeordnet ist, erhält.

8. Vorrichtung nach einem der vorhergehenden Ansprüche, bei der die Einrichtung (0) zum Verarbeiten ferner ausgebildet ist, um Informationen über einen Start- Zeitpunkt oder Endzeitpunkt aufgrund der Szenenbeschreibung zu erhalten und in den Ausgabedatenstrom in Zuordnung zu der Audiodatei einzubringen.

9. Vorrichtung nach einem der vorhergehenden Ansprüche,

bei der die Einrichtung (8) zum Liefern ausgebildet ist, um eine Szenenbeschreibung mit einer relativen Zeitinformation oder Positionsinformation eines Audio- Objekts zu einem anderen Audioobjekt oder einem Be- zugs-Audioobjekt zu liefern, und

bei der die Einrichtung (0) zum Verarbeiten ausgebil- det ist, um aus der relativen Zeitinformation oder der relativen Positionsinformation eine absolute Position der virtuellen Quelle im Wiedergaberaum oder einen tatsächlichen Startzeitpunkt oder einen tatsächlichen

Endzeitpunkt zu berechnen und in den Ausgabedatenstrom in Zuordnung zu der Audiodatei einzubringen.

10. Vorrichtung nach einem der vorhergehenden Ansprüche,

bei der die Einrichtung (8) zum Liefern eine Datenbank (1) umfasst, in der ferner die Audiodateien für die Audioobjekte gespeichert sind, und

wobei die Einrichtung (0) zum Verarbeiten als Daten- bankausgabedispositionseinrichtung ausgebildet ist.

11. Verfahren zum Ansteuern einer Wellenfeldsynthese- Renderer-Einrichtung (3) mit Audioobjekten, damit die Wellenfeldsynthese-Renderer-Einrichtung aus den Audioobjekten Synthesesignale erzeugt, die durch eine Viel- zahl von Lautsprechern (4), die in einem Wiedergaberaum anbringbar sind, wiedergebbar sind, mit folgenden Schritten:

Liefern (8) einer Szenenbeschreibung, wobei die Sze- nenbeschreibung eine zeitliche Abfolge von Audioobjekten in einer Audioszene definiert, und wobei ein Audioobjekt Informationen über eine Quellenposition einer virtuellen Quelle sowie eine Audiodatei für die virtuelle Quelle oder Verweisinformationen, die auf die Audiodatei für die virtuelle Quelle verweisen, um- fasst; und Verarbeiten (0) der Audioobjekte, um einen Ausgabeda- tenstrom zu erzeugen, der der Wellenfeldsynthese- Renderer-Einrichtung (3) zuführbar ist, wobei der Ausgabedatenstrom sowohl die Audiodatei des Audioobjekts als auch, in Zuordnung zu der Audiodatei, Informationen über die Position der virtuellen Quelle des Audioobjekts aufweist.

12. Computer-Programm mit einem Programmcode zum Ausführen des Verfahrens gemäß Patentanspruch 11, wenn das Computer-Programm auf einem Rechner abläuft.