JP4921470B2 - 頭部伝達関数を表すパラメータを生成及び処理する方法及び装置 - Google Patents

Description

本発明は、頭部伝達関数を表すパラメータを生成する方法に関する。

本発明はまた、頭部伝達関数を表すパラメータを生成するための装置に関する。

本発明は更に、頭部伝達関数を表すパラメータを処理する方法に関する。

更に本発明は、プログラム要素に関する。

更に本発明は、コンピュータ読み取り可能な媒体に関する。

仮想空間における音声の操作が人々の興味を引き始めるにつれて、オーディオ音声、特に３次元音声が、例えば画像と組み合わせた種々のゲームソフトウェア及びマルチメディアアプリケーションにおいて人工的な現実感を提供することにおいて、一層重要となっている。音楽において大いに利用されている多くの効果のなかでも、音場効果（sound field effect）が、特定の空間において聴取される音声を再現するための試みとして考えられている。

これに関連して、３次元音声（しばしば空間音響と呼ばれる）は、３次元環境内の特定の位置において（仮想的な）音源の印象を聴取者に対して与えるように処理された音声として理解される。

聴取者に対して特定の方向から来る音響信号は、該信号が該聴取者の両耳の鼓膜に到達する前に、該聴取者の身体の一部と相互作用する。斯かる相互作用の結果、鼓膜に到達する音声は、該聴取者の肩からの反響によって、頭部との相互作用によって、耳介応答によって、及び外耳道における共鳴によって、変化させられる。身体は、到来する音声に対するフィルタリング効果を持つと言うことができる。特定のフィルタリング特性は、（頭部に対する）音源位置に依存する。更に、空気中の音声の有限の速度のため、音源の位置に依存して、両耳間のかなりの時間遅延が知覚され得る。ここで、頭部伝達関数（Head-Related Transfer Functions、ＨＲＴＦ）が役に立つ。斯かる頭部伝達関数（更に最近では解剖学的伝達関数（anatomical transfer function、ＡＴＦ）と呼ばれる）は、音源位置の方位角及び仰角の関数であり、特定の音源方向から聴取者の鼓膜までのフィルタリング効果を記述する。

ＨＲＴＦデータベースは、音源に対して、位置の大量のセットから両耳までの伝達関数を測定することにより構築される。斯かるデータベースは、種々の音響条件に対して得られる。例えば、無響環境においては、反響が存在しないため、ＨＲＴＦは或る位置から鼓膜までの直接の伝達のみを捕捉する。ＨＲＴＦは、反響性の条件においても測定され得る。反響もが捕捉される場合、斯かるＨＲＴＦデータベースは部屋に特有なものとなる。

ＨＲＴＦデータベースは、しばしば「仮想的な」音源の位置決めのために利用される。音声信号をＨＲＴＦの対により畳み込み、その結果の音声をヘッドフォンにより再生することにより、聴取者は該音声を、前記ＨＲＴＦの対に対応する方向から来るかのように知覚することができる。このことは、処理されていない音声がヘッドフォンにより再生される場合に起こるような、「頭部内に」音源を知覚することと、対照的である。この点において、ＨＲＴＦデータベースは、仮想的な音源の位置決めのための一般的な手段である。

本発明の目的は、頭部伝達関数の表現及び処理を改善することにある。

以上に定義された目的を達成するため、独立請求項において定義された頭部伝達関数を表すパラメータを生成する方法、頭部伝達関数を表すパラメータを生成するための装置、頭部伝達関数を表すパラメータを処理する方法、プログラム要素及びコンピュータ読み取り可能な媒体が提供される。

本発明の一実施例によれば、頭部伝達関数を表すパラメータを生成する方法であって、第１の頭部インパルス応答信号を表す第１の周波数ドメイン信号を、少なくとも２つのサブバンドに分割するステップと、前記サブバンドの値の統計的尺度に基づいて、少なくとも１つの前記サブバンドの少なくとも１つの第１のパラメータを生成するステップと、を有する方法が提供される。

更に、本発明の他の実施例によれば、頭部伝達関数を表すパラメータを生成するための装置であって、第１の頭部インパルス応答信号を表す第１の周波数ドメイン信号を、少なくとも２つのサブバンドに分割するように構成された分割ユニットと、前記サブバンドの値の統計的尺度に基づいて、少なくとも１つの前記サブバンドの少なくとも１つの第１のパラメータを生成するように構成されたパラメータ生成ユニットと、を有する装置が提供される。

本発明の他の実施例によれば、頭部伝達関数を表すパラメータを生成するためのコンピュータプログラムが保存されたコンピュータ読み取り可能な媒体であって、前記コンピュータプログラムは、プロセッサにより実行されるときに、上述した方法ステップを制御又は実行するように構成された、コンピュータ読み取り可能な媒体が提供される。

更に、本発明の更に他の実施例によれば、プロセッサにより実行されるときに、上述した方法ステップを制御又は実行するように構成された、オーディオデータを処理するためのプログラム要素が提供される。

本発明の更なる実施例によれば、頭部伝達関数を表すパラメータを処理するための装置であって、音源のオーディオ信号を受信するように構成された入力段と、頭部伝達関数を表す基準パラメータを受信するように構成され、前記音源の位置及び／又は方向を表す位置情報を前記オーディオ信号から決定するように構成された決定手段と、前記オーディオ信号を処理するための処理手段と、前記位置情報に基づいて前記オーディオ信号の処理に影響を与え、影響を受けた出力オーディオ信号を導出するように構成された影響手段と、を有する装置が提供される。

本発明による頭部伝達関数を表すパラメータを生成するためのオーディオデータの処理は、コンピュータプログラムによって即ちソフトウェアによって、１以上の特別な電子最適化回路を利用することによって即ちハードウェアによって、又はハイブリッドな形態で即ちソフトウェアコンポーネントとハードウェアコンポーネントとによって、実現され得る。ソフトウェア又はソフトウェアコンポーネントは、データ担体に前もって保存されていても良いし、又は信号伝送システムによって伝送されても良い。

本発明による特徴はとりわけ、頭部伝達関数（ＨＲＴＦ）が単純なパラメータにより表現され、オーディオ信号に適用された場合に計算の複雑さの低減に導くという利点を持つ。

従来のＨＲＴＦデータベースはしばしば、情報量の点で極めて大きい。各時間ドメインのインパルス応答は、約６４サンプル（低複雑度の無響条件について）から数千サンプル（反響室において）の長さまで有し得る。ＨＲＴＦ対が垂直及び水平方向において１０度の解像度で測定される場合、保存されるべき係数の量は少なくとも３６０／１０＊１８０／１０＊６４＝４１４７２個（６４サンプルのインパルス応答を仮定）となるが、より大きなオーダに容易になり得る。対称的な頭部は、（１８０／１０）＊（１８０／１０）＊６４個の係数を必要とする（４１４７２個の係数の半分である）。

本発明の有利な態様によれば、複数の同時音源が単一の音源のものと凡そ等しい処理の複雑度で合成され得る。低減された処理の複雑度により、大量の音源に対しても、リアルタイムの処理が有利にも可能となる。

更なる態様においては、上述のパラメータが周波数範囲の固定されたセットについて決定されるという事実を考えると、このことはサンプリングレートとは独立したパラメータ化に帰着する。異なるサンプリングレートは、パラメータ周波数帯域をどのように信号表現にリンクさせるかについての異なるテーブルのみを必要とする。

更に、ＨＲＴＦを表現するためのデータの量が著しく低減され、低減された記憶要件に帰着し、このことは実際にモバイルアプリケーションにおいては重要な結果である。

本発明の更なる実施例は、従属請求項に関連して、以下に説明されるであろう。

頭部伝達関数を表すパラメータを生成する方法の実施例が、以下に説明される。これら実施例は、頭部伝達関数を表すパラメータを生成するための装置、コンピュータ読み取り可能な媒体、及びプログラム要素についても適用され得る。

本発明の更なる態様によれば、第２の頭部インパルス応答信号を表す第２の周波数ドメイン信号を、第２の頭部インパルス応答信号の少なくとも２つのサブバンドに分割するステップと、前記サブバンドの値の統計的尺度に基づいて、前記第２の頭部インパルス応答信号の少なくとも１つの前記サブバンドの少なくとも１つの第２のパラメータを生成するステップと、サブバンド毎に前記第１の周波数ドメイン信号と前記第２の周波数ドメイン信号との間の位相角を表す第３のパラメータを生成するステップと、が実行される。

換言すれば、本発明によれば、頭部インパルス応答信号の対、即ち第１の頭部インパルス応答信号と第２の頭部インパルス応答信号とが、該インパルス応答の対の対応する頭部インパルス応答信号の間の遅延パラメータ又は位相差パラメータにより、及び周波数サブバンドのセットにおける各インパルス応答の二乗平均平方根（ｒｍｓ）により、記述される。遅延パラメータ又は位相差パラメータは、単一の（周波数非依存の）値であっても良いし、又は周波数依存であっても良い。

この点に関して、知覚的な観点から、頭部インパルス応答信号の対、即ち第１の頭部インパルス応答信号と第２の頭部インパルス応答信号とが、同一の空間位置に属する場合、有利である。

例えば最適化の目的のためのカスタマイズのような特定の場合においては、前記第１の周波数ドメイン信号が、サンプリングレートを利用して第１の時間ドメイン頭部インパルス応答信号をサンプリング長でサンプリングして第１の時間離散信号を導出し、前記第１の時間離散信号を周波数ドメインへと変換して前記第１の周波数ドメイン信号を導出することにより得られる場合、有利であり得る。

前記時間離散信号の周波数ドメインへの変換は有利にも高速フーリエ変換に基づき、前記周波数ドメイン信号の少なくとも２つのサブバンドへの分割は高速フーリエ変換ビンのグループ化に基づく。換言すれば、スケール係数及び／又は時間／位相差を決定するための周波数帯域は好ましくは、所謂等価矩形帯域幅（Equivalent Rectangular Bandwidth、ＥＲＢ）の帯域において（これに限定されるものではないが）組織化される。

ＨＲＴＦデータベースは通常、仮想的な音源位置の有限のセット（典型的には一定の距離及び５乃至１０度の空間解像度で）を有する。多くの状況において、音源は、測定位置間の位置について生成される必要がある（とりわけ仮想的な音源が時間によって移動する場合）。斯かる生成は、利用可能なインパルス応答の補間を必要とする。ＨＲＴＦデータベースが垂直及び水平方向についての応答を有する場合、各出力信号について補間が実行される必要がある。それ故、各ヘッドフォン出力信号について４個のインパルス応答の組み合わせが、各音源について必要とされる。必要とされるインパルス応答の数は、より多くの音源が同時に「仮想化」される必要がある場合に、更に重要となる。

本発明の一態様においては、典型的に１０個から４０個の周波数帯域が利用される。本発明の手法によれば、有利にもパラメータドメインにおいて補間が直接に実行されることができ、それ故、時間ドメインにおける完全な長さのＨＲＴＦインパルス応答の代わりに、１０乃至４０個のパラメータの補間が必要とされる。更に、チャネル間の位相（又は時間）及び大きさが別個に補間されるという事実のため、有利にも位相相殺アーティファクトがかなり低減されるか又は生じない。

本発明の更なる態様においては、前記第１のパラメータ及び前記第２のパラメータは主周波数範囲において処理され、位相角を表す前記第３のパラメータは前記主周波数範囲のサブ周波数範囲において処理される。実験結果及び科学的な証拠が共に、特定の周波数限界を超える周波数について、知覚的な観点から位相情報が実際には冗長であることを示している。

この点において、サブ周波数範囲の周波数上限が、有利にも２ｋＨｚ乃至３ｋＨｚの範囲内にある。それ故、該周波数限界を超えるいずれの時間又は位相情報をも無視することにより、更なる情報の低減及び複雑さの低減が得られる。

本発明による手法の主な用途の分野は、オーディオデータの処理の分野である。しかしながら本手法は、オーディオデータに加え、例えば視覚的なコンテンツに関連する付加的なデータが処理される状況において実施化され得る。かくして、本発明は、ビデオデータ処理システムの枠組みにおいても実現され得る。

本発明によるアプリケーションは、携帯型オーディオプレイヤ、携帯型ビデオプレイヤ、頭部装着型ディスプレイ、モバイル電話、ＤＶＤプレイヤ、ＣＤプレイヤ、ハードディスクベースのメディアプレイヤ、インターネットラジオ装置、車載オーディオシステム、一般向け娯楽装置及びＭＰ３プレイヤから成る装置の群のうちの１つとして実現され得る。本装置のアプリケーションは好ましくは、ゲーム、仮想現実システム又はシンセサイザのために設計され得る。上述の装置は本発明の主な用途の分野に関連するが、例えば電話会議及びテレプレゼンス、視覚障害者のためのオーディオディスプレイ、遠隔学習システム、テレビジョン及び映画用のプロフェッショナル向け音声及び画像編集、並びにジェット戦闘機（３次元オーディオはパイロットを支援し得る）及びＰＣベースのオーディオプレイヤにおいてのような、他の用途も可能である。

本発明の更に他の態様においては、上述のパラメータが装置間で伝送されても良い。このことは、全てのオーディオ再生装置（ＰＣ、ラップトップ、モバイル型プレイヤ等）がパーソナライズされ得るという利点を持つ。換言すれば、自身の耳に合致するパラメトリックデータが、従来のＨＲＴＦの場合におけるように大量のデータを送信する必要なく得られる。モバイル電話網によってパラメータのセットをダウンロードすることさえ想定され得る。当該分野において、大量のデータの伝送は依然として比較的高価であり、パラメータ化された方法が、非常に適したタイプの（不可逆）圧縮であり得る。

更に他の実施例においては、ユーザ及び聴取者が、望む場合には、交換インタフェースを介してそれぞれのＨＲＴＦパラメータのセットを交換することもできる。この方法により、他の誰かの耳を通した聴取が、容易に可能とされ得る。

本発明の以上に定義された態様及び更なる態様は、以下に記載される実施例から明らかであり、これら実施例を参照しながら説明される。

本発明は、実施例を参照しながら以下に更に詳細に説明される。本発明はこれら実施例に限定されるものではない。

図面における説明図は模式的なものである。異なる図面において、類似の又は同一の要素は、同一の参照記号により示される。

頭部伝達関数（ＨＲＴＦ）を表すパラメータを生成するための装置６００が、ここで図６を参照しながら説明される。

装置６００は、ＨＲＴＦテーブル６０１、サンプリングユニット６０２、変換ユニット６０３、分割ユニット６０４及びパラメータ生成ユニット６０５を有する。

ＨＲＴＦテーブル６０１は、共に同一の空間位置に属する、少なくとも第１の時間ドメインＨＲＴＦインパルス応答信号ｌ（α，ε，ｔ）及び第２の時間ドメインＨＲＴＦインパルス応答信号ｒ（α，ε，ｔ）を保存している。換言すれば、ＨＲＴＦテーブルは、仮想的な音源位置について、少なくとも１つの時間ドメインＨＲＴＦインパルス応答信号の対（ｌ（α，ε，ｔ），ｒ（α，ε，ｔ））を保存している。各インパルス応答信号は、方位角α及び仰角εにより表現される。代替として、ＨＲＴＦテーブル６０１はリモートのサーバに保存されても良く、ＨＲＴＦインパルス応答対は適切なネットワーク接続を介して提供されても良い。

サンプリングユニット６０２において、これら時間ドメインの信号はサンプル長ｎによりサンプリングされ、サンプリングレートｆ_ｓを利用したディジタル的な（離散的な）表現が導出される。即ち、本例においては、第１の時間離散信号ｌ（α，ε）［ｎ］と第２の時間離散信号ｒ（α，ε）［ｎ］とを導出する：

本例においては、サンプリングレートｆ_ｓ＝４４．１ｋＨｚが利用される。代替として、例えば１６ｋＨｚ、２２．０５ｋＨｚ、３２ｋＨｚ又は４８ｋＨｚのような、他のサンプリングレートが利用されても良い。

続いて、変換ユニット６０３において、これらの離散時間表現がフーリエ変換を利用して周波数ドメインへと変換され、複素値の周波数ドメイン表現、即ち第１の周波数ドメイン信号Ｌ（α，ε）［ｋ］及び第２の周波数ドメイン信号Ｒ（α，ε）［ｋ］に帰着する（ｋ＝０…Ｋ−１）：

次いで、分割ユニット６０４において、それぞれの周波数ドメイン信号のＦＦＴビンｋをグループ化することにより、周波数ドメイン信号がサブバンドｂに分割される。従って、サブバンドｂはＦＦＴビンｋ∈ｋ_ｂを有する。該グループ化処理は好ましくは、結果の周波数帯域が、心理音響原理に従う非線形周波数解像度を持つように実行され、又は換言すれば、周波数解像度が好ましくは、人間の聴覚システムの不均一な周波数解像度に合致させられる。本例においては、２０個の周波数帯域が利用される。例えば４０個のような、より多くの周波数帯域、又は例えば１０個のような、より少ない周波数帯域が利用されても良いことは言及され得る。

更に、パラメータ生成ユニット６０５において、サブバンドの値の統計的尺度に基づくサブバンドのパラメータが、生成され算出される。本例においては、該統計的尺度として、二乗平均平方根演算が利用される。また代替として、本発明によれば、該統計的尺度として、サブバンドにおけるパワースペクトル値の最頻値若しくは中央値、又はサブバンドにおける（平均）信号レベルと共に単調に増大する他のいずれの測定基準（ノルム）もが、有利に利用されても良い。

本例においては、信号Ｌ（α，ε）［ｋ］についてのサブバンドｂにおける二乗平均平方根信号パラメータＰ_ｌ，ｂ（α，ε）は、以下により与えられる：

同様に、信号Ｒ（α，ε）［ｋ］についてのサブバンドｂにおける二乗平均平方根信号パラメータＰ_ｒ，ｂ（α，ε）は、以下により与えられる：

ここで、（*）は複素共役演算を示し、｜ｋ_ｂ｜はサブバンドｂに対応するＦＦＴビンｋの数を示す。

最後に、パラメータ生成ユニット６０５において、サブバンドｂについての信号Ｌ（α，ε）［ｋ］とＲ（α，ε）［ｋ］との間の平均位相角パラメータφ_ｂ（α，ε）が生成され、本例においては以下により与えられる：

図６に基づく本発明の更なる実施例によれば、ＨＲＴＦテーブル６０１'が提供される。図６のＨＲＴＦテーブル６０１とは異なり、該ＨＲＴＦテーブル６０１'は、既に周波数ドメインにあるＨＲＴＦインパルス応答を供給する。例えば、ＨＲＴＦのＦＦＴが該テーブルに保存される。前記周波数ドメイン表現は分割ユニット６０４'に直接に供給され、それぞれの周波数ドメイン信号のＦＦＴビンｋをグループ化することにより、周波数ドメイン信号がサブバンドｂへと分割される。次いで、パラメータ生成ユニット６０５'が備えられ、上述したパラメータ生成ユニット６０５と同様の方法で構成される。

本発明の実施例による、入力オーディオデータＸ_ｉ及び頭部伝達関数を表すパラメータを処理するための装置１００が、ここで図１を参照しながら説明される。

装置１００は、幾つかのオーディオ入力信号Ｘ_１…Ｘ_ｉを受信し、オーディオ入力信号Ｘ_１…Ｘ_ｉを合計することにより合計信号ＳＵＭを生成する、合計ユニット１０２を有する。合計信号ＳＵＭは、フィルタユニット１０３に供給される。フィルタユニット１０３は、フィルタ係数に基づいて、即ち本例においては第１のフィルタ係数ＳＦ１及び第２のフィルタ係数ＳＦ２に基づいて、合計信号ＳＵＭをフィルタリングし、第１のオーディオ出力信号ＯＳ１及び第２のオーディオ出力信号ＯＳ２に帰着させる。フィルタユニット１０３の詳細な説明は、以下に与えられる。

更に、図１に示されるように、装置１００は、オーディオ入力信号Ｘ_ｉの音源の空間的な位置を表す位置情報Ｖ_ｉを一方で受信し、オーディオ入力信号Ｘ_ｉのスペクトルパワーを表すスペクトルパワー情報Ｓ_ｉを他方で受信するパラメータ変換ユニット１０４を有する。パラメータ変換ユニット１０４は、入力信号ｉに対応する位置情報Ｖ_ｉ及びスペクトルパワー情報Ｓ_ｉに基づいてフィルタ係数ＳＦ１及びＳＦ２を生成する。パラメータ変換ユニット１０４は更に、伝達関数パラメータを受信し、前記伝達関数パラメータに依存してフィルタ係数を追加的に生成する。

図２は、本発明の更なる実施例における装置２００を示す。装置２００は、図１に示された実施例による装置１００を有し、更に、利得係数ｇ_ｉに基づいてオーディオ入力信号Ｘ_ｉをスケーリングするスケーリングユニット２０１を有する。本実施例においては、パラメータ変換ユニット１０４は更に、オーディオ入力信号の音源の距離を表す距離情報を受信し、前記距離情報に基づいて利得係数ｇ_ｉを生成し、これらの利得係数ｇ_ｉをスケーリングユニット２０１に供給する。それ故、距離の効果が、単純な手段によって信頼性高く実現される。

本発明によるシステム又は装置の実施例が、ここで図３を参照しながら、より詳細に説明される。

図３の実施例においてシステム３００が示され、システム３００は、図２に示された実施例による装置２００を有し、更に記憶ユニット３０１、オーディオデータインタフェース３０２、位置データインタフェース３０３、スペクトルパワーデータインタフェース３０４及びＨＲＴＦパラメータインタフェース３０５を有する。

記憶ユニット３０１は、オーディオ波形データを保存し、オーディオデータインタフェース３０２は、保存されたオーディオ波形データに基づいて幾つかのオーディオ入力信号Ｘ_ｉを供給する。

本例においては、オーディオ波形データは、各音源について、パルス符号変調（ＰＣＭ）された波形テーブルの形で保存される。しかしながら波形データは、更に又は別途、例えばＭＰＥＧ−１レイヤ３（ＭＰ３）、ＡＡＣ（Advanced Audio Coding）、ＡＡＣ−Ｐｌｕｓ等の規格に従う圧縮フォーマットのような、他の形態で保存されても良い。

記憶ユニット３０１において、各音源についての位置情報Ｖ_ｉも保存され、位置データインタフェース３０３が、保存される位置情報Ｖ_ｉを供給する。

本例においては、好適な実施例は、コンピュータゲームアプリケーションに向けたものである。斯かるコンピュータゲームアプリケーションにおいては、位置情報Ｖ_ｉは時間によって変化し、空間におけるプログラムされた絶対位置（即ちコンピュータゲームの場面における仮想的な空間位置）に依存するが、例えばゲーム場面中の仮想的な人物即ちユーザが該ユーザの仮想的な位置を回転又は移動させたときなどのようにユーザの動作にも依存し、ユーザに対する音源位置もまた変化する又は変化すべきである。

斯かるコンピュータゲームにおいては、コンピュータゲームの場面において、単一の音源（例えば背後からの銃声）から、全ての楽器が異なる空間位置にあるような多声音楽まで、あらゆるものが想定され得る。同時の音源の数は、例えば６４までであっても良く、その場合は従ってオーディオ入力信号Ｘ_ｉはＸ_１からＸ_６４にまで亘る。

インタフェースユニット３０２は、サイズｎのフレームで、保存されたオーディオ波形データに基づく幾つかのオーディオ入力信号Ｘ_ｉを供給する。本例においては、各オーディオ入力信号Ｘ_ｉは、１１ｋＨｚのサンプリングレートで供給される。例えば各オーディオ入力信号Ｘ_ｉについて４４ｋＨｚのような、他のサンプリングレートも可能である。

スケーリングユニット２０１において、式（８）に従って、チャネル毎の利得係数即ち重みｇ_ｉを利用して、サイズｎの入力信号Ｘ_ｉ即ちＸ_ｉ［ｎ］が、合計信号ＳＵＭ即ちモノラル信号ｍ［ｎ］へと組み合わせられる：

利得係数ｇ_ｉは、上述したように位置情報Ｖ_ｉにより付随される保存された位置情報に基づいて、パラメータ変換ユニット１０４により供給される。位置情報Ｖ_ｉ及びスペクトルパワー情報Ｓ_ｉパラメータは典型的に、例えば１１ミリ秒毎の更新のような、かなり低い更新レートを持つ。本例においては、音源毎の位置情報Ｖ_ｉは、方位角、仰角及び距離情報のトリプレットから成る。代替として、カーテシアン座標（ｘ，ｙ，ｚ）又は代替の座標が利用されても良い。任意に、位置情報は組み合わせ又はサブセットで、即ち仰角情報及び／又は方位角情報及び／又は距離情報の情報を有しても良い。

原則的に、利得係数ｇ_ｉ［ｎ］は時間に依存する。しかしながら、これら利得係数の必要とされる更新レートが、入力オーディオ信号Ｘ_ｉのオーディオサンプリングレートよりもかなり低いという事実を考えると、利得係数ｇ_ｉ［ｎ］は、短い時間（上述したように、約１１乃至２３ミリ秒）の間は一定であるとみなされる。この特性は、利得係数ｇ_ｉが一定であり、合計信号ｍ［ｎ］が以下の式（９）により表現される、フレームベースの処理を可能とする：

フィルタユニット１０３が、ここで図４及び５を参照しながら説明される。

図４に示されたフィルタユニット１０３は、セグメント化ユニット４０１、高速フーリエ変換（ＦＦＴ）ユニット４０２、第１のサブバンドグループ化ユニット４０３、第１の混合器４０４、第１の組み合わせユニット４０５、第１の逆ＦＦＴユニット４０６、第１のオーバラップ加算ユニット４０７、第２のサブバンドグループ化ユニット４０８、第２の混合器４０９、第２の組み合わせユニット４１０、第２の逆ＦＦＴユニット４１１及び第２のオーバラップ加算ユニット４１２を有する。第１のサブバンドグループ化ユニット４０３、第１の混合器４０４及び第１の組み合わせユニット４０５は、第１の混合ユニット４１３を構成する。同様に、第２のサブバンドグループ化ユニット４０８、第２の混合器４０９及び第２の組み合わせユニット４１０は、第２の混合ユニット４１４を構成する。

セグメント化ユニット４０１は、入力される信号、即ち本例においては合計信号ＳＵＭ及び信号ｍ［ｎ］を、オーバラップするフレームへとセグメント化し、各フレームにウィンドウ処理をする。本例においては、ウィンドウ処理のためハニング（Hanning）ウィンドウが利用される。例えばWelch又は三角ウィンドウのような他の方法が利用されても良い。

続いて、ＦＦＴユニット４０２が、ＦＦＴを利用して、各ウィンドウ処理された信号を周波数ドメインへと変換する。

所与の例において、長さＮの各フレームｍ［ｎ］（ｎ＝０…Ｎ−１）が、ＦＦＴを利用して、周波数ドメインへと変換される：

該周波数ドメイン表現Ｍ［ｋ］は、第１のチャネル（以下、左チャネルＬとも呼ばれる）及び第２のチャネル（以下、右チャネルＲとも呼ばれる）へとコピーされる。続いて、周波数ドメイン信号Ｍ［ｋ］は、各チャネルについてＦＦＴビンをグループ化することによりサブバンドｂ（ｂ＝０…Ｂ−１）へと分割される。即ち、該グループ化は、左チャネルＬについては第１のサブバンドグループ化ユニット４０３によって、右チャネルＲについては第２のサブバンドグループ化ユニット４０８によって、実行される。左出力フレームＬ［ｋ］及び右出力フレームＲ［ｋ］（ＦＦＴドメインにおける）が次いで、バンド毎に生成される。

実際の処理は、現在のＦＦＴビンが対応する周波数範囲について保存されたそれぞれのスケール係数に従う各ＦＦＴビンの変更（スケーリング）と、保存された時間又は位相の差に従う位相の変更と、から成る。位相差に関して、該差は任意の態様で適用され得る（例えば、両方のチャネルに対して（２で割る）又は一方のチャネルのみに対して）。各ＦＦＴビンのそれぞれのスケール係数は、フィルタ係数ベクトル、即ち本例においては第１の混合器４０４に供給される第１のフィルタ係数ＳＦ１及び第２の混合器４０９に供給される第２のフィルタ係数ＳＦ２により、供給される。

本例においては、フィルタ係数ベクトルは、各出力信号についての周波数サブバンドに対して、複素値のスケール係数を供給する。

次いで、スケーリングの後、変更された左出力フレームＬ［ｋ］が逆ＦＦＴユニット４０６により時間ドメインへと変換されて左時間ドメイン信号が得られ、右出力フレームＲ［ｋ］が逆ＦＦＴユニット４１１により変換されて右時間ドメイン信号が得られる。最後に、得られた時間ドメイン信号に対するオーバラップ加算演算が、各出力チャネルについての最終的な時間ドメインに帰着する。即ち、第１のオーバラップ加算ユニット４０７により第１の出力チャネル信号ＯＳ１が得られ、第２のオーバラップ加算ユニット４１２により第２の出力チャネル信号ＯＳ２が得られる。

図５に示されたフィルタユニット１０３'は、非相関ユニット５０１が備えられる点において、図４に示されたフィルタユニット１０３から逸脱している。非相関ユニット５０１は、ＦＦＴユニット４０２から得られた周波数ドメイン信号から導出される非相関信号を、各出力チャネルに供給する。図５に示されたフィルタユニット１０３'においては、図４に示された第１の混合ユニット４１３に類似するが加えて非相関信号を処理するように構成された、第１の混合ユニット４１３'が備えられる。同様に、図４に示された第２の混合ユニット４１４に類似する第２の混合ユニット４１４'が備えられ、図５の第２の混合ユニット４１４'もまた加えて、非相関信号を処理するように構成される。

本例においては次いで、バンド毎に、２つの出力信号Ｌ［ｋ］及びＲ［ｋ］（ＦＦＴドメインにおける）が、以下のように生成される：

ここでＤ［ｋ］は、以下の特性により周波数ドメイン表現Ｍ［ｋ］から得られる非相関信号を示す：

ここで、＜..＞は、期待値演算子を示す：

ここで、（*）は複素共役を示す。

非相関ユニット５０１は、ＦＩＦＯバッファを利用して達成される、１０乃至２０ｍｓのオーダー（典型的に１フレーム）の遅延時間を持つ単純な遅延から成る。更なる実施例においては、非相関ユニットは、ランダム化された大きさ又は位相応答に基づいても良く、又はＦＦＴ、サブバンド若しくは時間ドメインにおけるＩＩＲ若しくは全通過構造から成っても良い。斯かる非相関方法の例は、Engdegard、Heiko Purnhagen、Jonas Roden及びLars Liljerydによる「Synthetic ambiance in parametric stereo coding」（Proc. 116th AES Convention, Berlin, 2004）において示されており、本開示は参照によって本明細に組み込まれたものとする。

非相関フィルタは、特定の周波数帯において、「拡散した」感覚を生成することを目的とする。人間の聴取者の２つの耳に到達する出力信号が、時間又はレベルの差を除いて同一である場合、人間の聴取者は、音声を特定の方向（前記時間及びレベルの差に依存する）から来たものとして知覚する。この場合、方向は非常に明確であり、即ち該信号は空間的に「コンパクト」である。

しかしながら、複数の音源が異なる方向から同時に到着する場合、各耳は音源の異なる混合を受信する。それ故、耳の間の差は、単純な（周波数依存の）時間及び／又はレベル差としてモデリングされることができない。本例においては、異なる音源が既に単一の音源へと混合されているため、異なる混合物の再現が可能ではない。しかしながら、斯かる再現は基本的には必要ではない。なぜなら、人間の聴覚システムは、空間的な特性に基づいて個々の音源を分離することが困難であることが知られているからである。本例において支配的な知覚の側面は、時間及びレベル差についての波形が補償される場合に、両耳における波形がどれだけ異なるかである。チャネル間コヒーレンス（又は正規化された相互相関関数の最大値）の数学的な概念が、空間的な「コンパクトさ」の感覚によく合致する尺度であることが分かっている。

主な側面は、両耳における混合が誤っている場合であっても、仮想的な音源の類似する知覚を呼び起こすために、正しいチャネル間コヒーレンスが再現される必要がある点である。該知覚は、「空間的な拡散」、又は「コンパクトさ」の欠如として記述され得る。これが、混合ユニットと組み合わせて非相関フィルタが再現するものである。

パラメータ変換ユニット１０４は、波形が単一音源処理に基づくものであった場合に、これら波形が通常のＨＲＴＦシステムの場合にどれだけ異なるかを決定する。次いで、２つの出力信号において、直接信号と非相関信号とを異なる態様で混合することにより、単純なスケーリング及び時間遅延に帰することができない、信号中の該差を再現することが可能である。有利にも、斯かる拡散度パラメータを再現することにより、現実的な音響ステージが得られる。

既に述べたように、パラメータ変換ユニット１０４は、各オーディオ入力信号Ｘ_ｉについて、位置ベクトルＶ_ｉ及びスペクトルパワー情報Ｓ_ｉから、フィルタ係数ＳＦ１及びＳＦ２を生成する。本例においては、フィルタ係数は、複素値の混合係数ｈ_ｘｘ，ｂにより表される。斯かる複素値の混合係数は、とりわけ低周波数領域において有利である。とりわけ高周波数を処理する場合に、実数値の混合係数が利用されても良いことは言及され得る。

複素値の混合係数ｈ_ｘｘ，ｂの値は、本例においては、特に、頭部伝達関数（ＨＲＴＦ）モデルパラメータＰ_ｌ，ｂ（α，ε）、Ｐ_ｒ，ｂ（α，ε）及びφ_ｂ（α，ε）を表す伝達関数パラメータに依存する。ここで、ＨＲＴＦモデルパラメータＰ_ｌ，ｂ（α，ε）は、左耳についての各サブバンドｂにおける二乗平均平方根（ｒｍｓ）パワーを表し、ＨＲＴＦモデルパラメータＰ_ｒ，ｂ（α，ε）は、右耳についての各サブバンドｂにおけるｒｍｓパワーを表し、ＨＲＴＦモデルパラメータφ_ｂ（α，ε）は、左耳及び右耳のＨＲＴＦ間の平均の複素値位相角を表す。全てのＨＲＴＦモデルパラメータは、方位角（α）及び仰角（ε）の関数として提供される。それ故、該アプリケーションにおいてはＨＲＴＦパラメータＰ_ｌ，ｂ（α，ε）、Ｐ_ｒ，ｂ（α，ε）及びφ_ｂ（α，ε）のみが必要とされ、実際のＨＲＴＦ（多くの異なる方位角及び仰角値によりインデクシングされた有限のインパルス応答テーブルとして保存された）は必要とされない。

ＨＲＴＦモデルパラメータは、本例においては水平方向及び垂直方向に共に２０度の空間解像度に対して、仮想的な音源位置の有限のセットについて保存される。例えば１０又は３０度の空間解像度のような、他の解像度も可能である又は好適である。

一実施例においては、保存された空間解像度間のＨＲＴＦモデルパラメータを補間する、補間ユニットが備えられても良い。双一次の補間が好ましくは適用されるが、他の（非線形の）補間方式が好適であり得る。

従来のＨＲＴＦテーブルに対して本発明によるＨＲＴＦモデルパラメータを提供することにより、有利で高速な処理が実行されることができる。特にコンピュータゲームアプリケーションにおいては、頭部の動きが考慮に入れられる場合、オーディオ音源の再生は、保存されたＨＲＴＦデータ間の高速な補間を必要とする。

更なる実施例においては、パラメータ変換ユニットに供給される伝達関数パラメータは、球形頭部モデルに基づき、該モデルを表すものであっても良い。

本例においては、スペクトルパワー情報Ｓ_ｉは、入力信号Ｘ_ｉの現在のフレームに対応する周波数サブバンド毎に、線形ドメインにおけるパワー値を表す。従って、Ｓ_ｉをサブバンド毎のパワー又はエネルギー値σ^２を持つベクトルとして解釈することができる：
Ｓ_ｉ＝［σ^２ _０，ｉ，σ^２ _１，ｉ，…，σ^２ _ｂ，ｉ］

本例における周波数サブバンドの数（ｂ）は、１０である。スペクトルパワー情報Ｓ_ｉはパワー又は対数ドメインにおけるパワー値により表され得、周波数サブバンドの数は３０又は４０個の周波数サブバンドという値に達し得ることは、ここで言及されるべきである。

パワー情報Ｓ_ｉは基本的に、特定の周波数バンド及びサブバンドにおいて、特定の音源がどれだけのエネルギーを持つかを記述する。特定の周波数バンドにおいて特定の音源が（エネルギーの点で）他の全ての音源に対して支配的である場合、該支配的な音源の空間パラメータは、フィルタ演算により適用される「合成」空間パラメータにおいて、より大きな重みを得る。換言すれば、空間パラメータの平均化されたセットを計算するために、各音源の空間パラメータは、周波数バンドにおける各音源のエネルギーを利用して重み付けされる。これらパラメータの重要な拡張は、位相差及びチャネル毎のレベルが生成されるのみならず、コヒーレンス値もが生成される点である。該値は、２つのフィルタ演算により生成された波形が、どれだけ類似すべきかを記述する。

フィルタ係数又は複素値混合係数ｈ_ｘｘ，ｂのための基準を説明するため、出力信号の代替の対即ちＬ'及びＲ'が導入される。出力信号Ｌ'及びＲ'は、ＨＲＴＦパラメータＰ_ｌ，ｂ（α，ε）、Ｐ_ｒ，ｂ（α，ε）及びφ_ｂ（α，ε）に従った各入力信号Ｘ_ｉの独立した変更に起因し、出力の合計により後続される：

次いで混合係数ｈ_ｘｘ，ｂが、以下の基準に従って得られる：

１．入力信号Ｘ_ｉが、各周波数バンドｂにおいて相互に独立であると仮定される：

２．各サブバンドｂにおける出力信号Ｌ［ｋ］のパワーは、信号Ｌ'［ｋ］の同一のサブバンドにおけるパワーと等しいべきである：

３．各サブバンドｂにおける出力信号Ｒ［ｋ］のパワーは、信号Ｒ'［ｋ］の同一のサブバンドにおけるパワーと等しいべきである：

４．信号Ｌ［ｋ］とＭ［ｋ］との間の平均の複素角は、各周波数バンドｂについて、信号Ｌ'［ｋ］とＭ［ｋ］との間の平均の複素位相角に等しいべきである：

５．信号Ｒ［ｋ］とＭ［ｋ］との間の平均の複素角は、各周波数バンドｂについて、信号Ｒ'［ｋ］とＭ［ｋ］との間の平均の複素位相角に等しいべきである：

６．信号Ｌ［ｋ］とＲ［ｋ］との間のコヒーレンスは、各周波数バンドｂについて、信号Ｌ'［ｋ］とＲ'［ｋ］との間のコヒーレンスに等しいべきである：

以下の（一意でない）解が、上述の基準を満たすことが分かる：

ここで、

ここで、σ_ｂ，ｉは信号Ｘ_ｉのサブバンドｂにおけるエネルギー又はパワーを示し、δ_ｉは音源ｉの距離を表す。

本発明の更なる実施例においては、フィルタユニット１０３は代替として、実数値又は複素値のフィルタバンク、即ちｈ_ｘｙ，ｂの周波数依存性を模倣するＩＩＲフィルタ又はＦＩＲフィルタに基づき、そのためＦＦＴ方式がもはや必要とされない。

聴覚ディスプレイにおいては、オーディオ出力は、ラウドスピーカ又は聴取者によって装着されたヘッドフォンによって、聴取者へと伝達される。ヘッドフォン及びラウドスピーカは共にそれぞれ利点と欠点とを持ち、どちらかが、用途に応じてより好ましい結果を生み出し得る。更なる実施例に関して、例えば耳毎に１つよりも多いスピーカを用いるヘッドフォン又はラウドスピーカ再生設定のため、更なる出力チャネルが備えられても良い。

本発明の好適な実施例による、頭部伝達関数（ＨＲＴＦ）を表すパラメータを処理するための装置７００ａが、ここで図７を参照しながら説明される。装置７００ａは、音源のオーディオ信号を受信する入力段７００ｂと、頭部伝達関数を表す基準パラメータを受信し、更に前記オーディオ信号から、音源の位置及び／又は方向を表す位置情報を決定する決定手段７００ｃと、前記オーディオ信号を処理するための処理手段と、前記位置情報に基づいて前記オーディオ信号の処理に影響を与え、影響を受けた出力オーディオ信号を導出する影響手段７００ｄと、を有する。

本例においては、ＨＲＴＦを表すパラメータを処理するための装置７００ａは、補聴器７００として適合される。

補聴器７００は更に、音源の音声信号又はオーディオデータを入力段７００ｂに供給する、少なくとも１つの音声センサを有する。本例においては、第１のマイクロフォン７０１及び第２のマイクロフォン７０３としてそれぞれ構成された、２つの音声センサが備えられる。第１のマイクロフォン７０１は、本例においては人間７０２の左耳に近い位置における環境からの音声信号を検出する。更に、第２のマイクロフォン７０３は、人間７０２の右耳に近い位置における環境からの音声信号を検出する。第１のマイクロフォン７０１は、第１の増幅ユニット７０４及び位置推定ユニット７０５に結合される。同様に、第２のマイクロフォン７０３は、第２の増幅ユニット７０６及び位置推定ユニット７０５に結合される。第１の増幅ユニット７０４は、第１の再生手段即ち本例においては第１のラウドスピーカ７０７に、増幅されたオーディオ信号を供給する。同様に、第２の増幅ユニット７０６は、第２の再生手段即ち本例においては第２のラウドスピーカ７０８に、増幅されたオーディオ信号を供給する。ここで、例えばＤＳＰ処理ユニット及び記憶ユニット等のような、種々の既知のオーディオ処理方法のための更なるオーディオ信号処理手段が、増幅ユニット７０４及び７０６に先行していても良いことは、言及されるべきである。

本例においては、位置推定ユニット７０５は、頭部伝達関数を表す基準パラメータを受信するように構成され、更に音源の位置及び／又は方向を表す位置情報を前記オーディオ信号から決定するように構成された、決定手段７００ｃを表す。

位置情報ユニット７０５の下流において、補聴器７００は更に、利得情報を第１の増幅ユニット７０４及び第２の増幅ユニット７０６に供給する利得算出ユニット７１０を有する。本例においては、利得算出ユニット７１０は、増幅ユニット７０４及び７０６と合わせて、前記位置情報に基づいて前記オーディオ信号の処理に影響を与え、影響を受けた出力オーディオ信号を導出する、影響手段７００ｄを構成する。

位置情報ユニット７０５は、第１のマイクロフォン７０１から供給された第１のオーディオ信号及び第２のマイクロフォン７０３から供給された第２のオーディオ信号の位置情報を決定する。本例においては、ＨＲＴＦを表すパラメータは、図６及びＨＲＴＦを表すパラメータを生成するための装置６００に関連して上述した位置情報として決定される。換言すれば、ＨＲＴＦインパルス応答から通常測定されるように、入力される信号フレームから同一のパラメータを測定し得る。続いて、ＨＲＴＦインパルス応答を装置６００のパラメータ推定段への入力とする代わりに、左及び右入力マイクロフォン信号のための特定の長さのオーディオフレーム（例えば４４．１ｋＨｚにおいて１０２４個のオーディオサンプル）が解析される。

位置情報ユニット７０５は更に、ＨＲＴＦを表す基準パラメータを受信する。本例においては、基準パラメータは、好ましくは補聴器７００において適合された、パラメータテーブル７０９に保存される。代替として、パラメータテーブル７０９は、有線又は無線の態様でインタフェース手段を介して接続される、リモートのデータベースであっても良い。

換言すれば、補聴器７００のマイクロフォン７０１及び７０３に入る音声信号の測定パラメータは、音源の方向又は位置の解析を実行することができる。続いて、これらのパラメータは、パラメータテーブル７０９に保存されたパラメータと比較される。特定の基準位置についての、パラメータテーブル７０９の基準パラメータの保存されたセットからのパラメータと、音源の到来した信号からのパラメータとの間に、合致がある場合には、該音源は当該同一の位置から来たものである見込みが非常に高い。後続するステップにおいて、現在のフレームから決定されたパラメータが、パラメータテーブル７０９に保存された（且つ実際のＨＲＴＦに基づくものである）パラメータと比較される。例えば、特定の入力フレームがパラメータＰ＿フレームに帰着すると仮定する。パラメータテーブル７０９において、方位角（α）及び仰角（ε）の関数として、パラメータＰ＿ＨＲＴＦ（α，ε）がある。次いで照合処理が、方位角（α）及び仰角（ε）の関数としての誤差関数Ｅ（α，ε）即ちＥ（α，ε）＝｜Ｐ＿ｆｒａｍｅ−Ｐ＿ＨＲＴＦ（α，ε）｜^２を最小化することにより、音源位置を推定する。Ｅについての最小値を与える方位角（α）及び仰角（ε）の値は、音源位置の推定値に対応する。

次のステップにおいて、照合処理の結果が利得算出ユニット７１０に供給され、次いで第１の増幅ユニット７０４及び第２の増幅ユニット７０６に供給される利得情報を算出するために用いられる。

換言すれば、ＨＲＴＦを表すパラメータに基づいて、到来する音源の音声信号の方向及び位置が推定され、次いで、該推定された位置情報に基づいて音声が減衰又は増幅される。例えば、人間７０２の前方から来る全ての音声が増幅され、他の方向から来る全ての音声及びオーディオ信号が減衰されても良い。

例えば、パラメータ毎の重みを利用する重み付け手法のような、拡張された照合アルゴリズムが利用されても良いことに留意されたい。このとき、或るパラメータは他のパラメータとは異なる「重み」を、誤差関数Ｅ（α，ε）において与えられる。

動詞「有する（comprise）」及びその語形変化の使用は、他の要素又はステップの存在を除外するものではなく、冠詞「１つの（a又はan）」の使用は、複数の要素又はステップの存在を除外するものではないことは、留意されるべきである。また、異なる実施例に関連して説明された要素が組み合わせられても良い。

請求項における参照記号は、請求の範囲を限定するものとして解釈されるべきではないことも、留意されるべきである。

本発明の好適な実施例による、オーディオデータを処理するための装置を示す。 本発明の更なる実施例による、オーディオデータを処理するための装置を示す。 本発明の実施例による、記憶ユニットを有する、オーディオデータを処理するための装置を示す。 図１又は図２に示されたオーディオデータを処理するための装置において実装されるフィルタユニットを詳細に示す。 本発明の実施例による更なるフィルタユニットを示す。 本発明の好適な実施例による、頭部伝達関数（ＨＲＴＦ）を表すパラメータを生成するための装置を示す。 本発明の好適な実施例による、頭部伝達関数（ＨＲＴＦ）を表すパラメータを処理するための装置を示す。

Claims (14)

1. 頭部伝達関数を表すパラメータを生成する方法であって、
   第１の頭部インパルス応答信号を表す第１の周波数ドメイン信号を、少なくとも２つのサブバンドに分割するステップと、
   前記サブバンドの値の統計的尺度に基づいて、少なくとも１つの前記サブバンドの少なくとも１つの第１のパラメータを生成するステップと、
   第２の頭部インパルス応答信号を表す第２の周波数ドメイン信号を、該第２の頭部インパルス応答信号の少なくとも２つのサブバンドに分割するステップと、
   前記サブバンドの値の統計的尺度に基づいて、前記第２の頭部インパルス応答信号の少なくとも１つの前記サブバンドの少なくとも１つの第２のパラメータを生成するステップと、
   サブバンド毎に前記第１の周波数ドメイン信号と前記第２の周波数ドメイン信号との間の位相角を表す第３のパラメータを生成するステップと、
   を有する方法。
2. 前記第１の周波数ドメイン信号は、サンプリングレートを利用して第１の時間ドメイン頭部インパルス応答信号をサンプリング長でサンプリングして第１の時間離散信号を導出し、前記第１の時間離散信号を周波数ドメインへと変換して前記第１の周波数ドメイン信号を導出することにより得られる、請求項１に記載の方法。
3. 前記第２の周波数ドメイン信号は、サンプリングレートを利用して第２の時間ドメイン頭部インパルス応答信号をサンプリング長でサンプリングして第２の時間離散信号を導出し、前記第２の時間離散信号を周波数ドメインへと変換して前記第２の周波数ドメイン信号を導出することにより得られる、請求項１または２に記載の方法。
4. 前記統計的尺度は、前記周波数ドメイン信号の前記サブバンドの信号レベルの二乗平均平方根表現である、請求項１乃至３のいずれか一項に記載の方法。
5. 前記時間離散信号の周波数ドメインへの変換は高速フーリエ変換に基づき、前記周波数ドメイン信号の少なくとも２つのサブバンドへの分割は高速フーリエ変換ビンのグループ化に基づく、請求項２又は３に記載の方法。
6. 前記第１のパラメータ及び前記第２のパラメータは主周波数範囲において処理され、位相角を表す前記第３のパラメータは前記主周波数範囲のサブ周波数範囲において処理される、請求項１乃至５のいずれか一項に記載の方法。
7. 前記サブ周波数範囲の上限周波数は、２ｋＨｚと３ｋＨｚとの間の範囲にある、請求項６に記載の方法。
8. 前記第１の頭部インパルス応答信号と前記第２の頭部インパルス応答信号とは同一の空間位置に属する、請求項１乃至７のいずれか一項に記載の方法。
9. 前記少なくとも２つのサブバンドの生成は、前記サブバンドが心理音響原理に従う非線形周波数解像度を持つように実行される、請求項１乃至８のいずれか一項に記載の方法。
10. 頭部伝達関数を表すパラメータを生成するための装置であって、
    第１の頭部インパルス応答信号を表す第１の周波数ドメイン信号を、少なくとも２つのサブバンドに分割するように構成された分割ユニットと、
    前記サブバンドの値の統計的尺度に基づいて、少なくとも１つの前記サブバンドの少なくとも１つの第１のパラメータを生成するように構成されたパラメータ生成ユニットと、
    を有し、
    前記分割ユニットは更に、第２の頭部インパルス応答信号を表す第２の周波数ドメイン信号を、該第２の頭部インパルス応答信号の少なくとも２つのサブバンドに分割するように構成され、
    前記パラメータ生成ユニットは更に、前記サブバンドの値の統計的尺度に基づいて、前記第２の頭部インパルス応答信号の少なくとも１つの前記サブバンドの少なくとも１つの第２のパラメータを生成し、サブバンド毎に前記第１の周波数ドメイン信号と前記第２の周波数ドメイン信号との間の位相角を表す第３のパラメータを生成するように構成されている装置。
11. サンプリングレートを利用して第１の時間ドメイン頭部インパルス応答信号をサンプリング長でサンプリングして第１の時間離散信号を導出するように構成されたサンプリングユニットと、
    前記第１の時間離散信号を周波数ドメインへと変換して前記第１の周波数ドメイン信号を導出するように構成された変換ユニットと、
    を有する、請求項１０に記載の装置。
12. 前記サンプリングユニットは更に、サンプリングレートを利用して第２の時間ドメイン頭部インパルス応答信号をサンプリング長でサンプリングして第２の時間離散信号を導出することにより、前記第２の周波数ドメイン信号を生成するように構成され、前記変換ユニットは更に、前記第２の時間離散信号を周波数ドメインへと変換して前記第２の周波数ドメイン信号を導出するように構成された、請求項１１に記載の装置。
13. オーディオデータを処理するためのコンピュータプログラムが保存されたコンピュータ読み取り可能な媒体であって、前記コンピュータプログラムは、プロセッサにより実行されるときに、請求項１乃至９のいずれか一項に記載の方法のステップを制御又は実行するように構成された、コンピュータ読み取り可能な媒体。
14. オーディオデータを処理するためのプログラム要素であって、プロセッサにより実行されるときに、請求項１乃至９のいずれか一項に記載の方法のステップを制御又は実行するように構成されたプログラム要素。

Images