NO328582B1

NO328582B1 - Mikrofon for lydkildesporing

Info

Publication number: NO328582B1
Application number: NO20066067A
Authority: NO
Inventors: Trygve Frederik Marton; Gisle Enstad; Johan Ludvig Nielsen
Original assignee: Tandberg Telecom As
Priority date: 2006-12-29
Filing date: 2006-12-29
Publication date: 2010-03-22
Also published as: US20080174665A1; EP2100476A1; NO20066067L; WO2008082308A1; JP2010515335A; EP2100476A4; EP2100476B1; US8126183B2; CN101449593A

Abstract

Den foreliggende oppfinnelsen offentliggjør et arrangement som benytter en bestemt mikrofonsammensetning for å tilrettelegge for lydkildesporingssystemer i kommunikasjonssystemer. Det kan anvendes både for enkelt- og gruppemikrofoner. Hovedideen er å forbedre lydnivået akustisk i det kritiske høyfrekvensområdet, for derved å forbedre det effektive signalstøyforholdet både for lydopptak og lokaliseringsalgoritmer. Dette gjøres ved å inneslutte mikrofonen i en kanal eller lite hulrom (en Helmholtzresonator), for derved å frembringe en ganske bredbåndet, høyfrekvent responstopp (resonans).

Description

Introduksj on

Den foreliggende oppfinnelsen omhandler lydkildelokalisering, nærmere bestemt et mikrofonarrangement konfigurert spesielt for å fange lydsignaler som skal brukes til lydkildelokalisering.

Bakgrunn

Signallokalisering brukes i flere anvendelser. Den mest kjente anvendelsen er kanskje fjernsynsprogramproduksjon.

I for eksempel debattprogrammer er det viktig for seerens opplevelse og forståelse at det aktive kamera peker på og fortrinnsvis zoomer inn på den som snakker. Dette har tradisjonelt blitt håndtert manuelt av en produsent. I andre anvendelser hvor kamera og mikrofon fanger lyden og bildet fra et antall personer kan det være umulig eller uønsket å ha en egen person for å kontrollere fremføringen.

Et eksempel på slik anvendelse er automatisk kameraposisjonering i videokonferansesystem. En typisk situasjon ved et endepunkt i en videokonferansesamtale er et møterom med et antall deltakere som sitter rundt et bord og ser endepunktets skjermanordning, mens et kamera plassert nærme skjermanordningen fanger bildet av møterommet. Hvis det er mange deltakere i rommet, kan det" være vanskelig for de som ser bildet av møterommet i den fjerne enden å fastslå hvem som snakket eller å følge vedkommendes argumentering. Det vil derfor være foretrukket å lokalisere den aktive taleren i rommet og automatisk rette og/eller zoome kameraet inn på denne deltakeren. Automatisk orientering og zooming av et kamera gitt en viss posisjon innenfor kameraets rekkevidde er velkjent innen fagfeltet, og vil ikke bli diskutert i detalj. Det er også mulig å markere den aktive taler med et grafisk tegn som en pil eller sirkel, eller ved å bruke skyggelegging og/eller fargelegging på og/eller rundt taleren. Problemet er å fremskaffe en tiltrekkelig nøyaktig lokalisering av den aktive taleren, både i tid og rom, for å tillate akseptabel automatisk videokonferanseproduksjon.

Kjente lydkildelokaliseringsarrangement bruker ofte et flertall av romlig fordelte mikrofoner og er ofte basert på bestemmelse av en forsinkelsesdifferanse mellom utgangssignalene fra forsterkerne. Hvis mikrofonposisjonene og en forsinkelsesdifferanse mellom overføringsveiene mellom kilden og de ulike mikrofonene er kjent, så kan - kildens posisjon bestemmes.

Et eksempel på en lydkildelokalisering er vist i amerikansk patent US 5,778,082. Dette patentet beskriver en metode og et system som bruker et par med romlig separerte mikrofoner for å fremdrive retningen eller lokaliseringen til en lydkilde. Ved å detektere starten på de respektive signalene for mikrofonene som representerer lyden fra den samme lydkilden, kan tidsforsinkelsen mellom lydsignalene bestemmes, og avstanden og retningen til lydkilden kan beregnes.

Hvis tre mikrofoner brukes, blir det mulig å bestemme en posisjon for kilden i et 2-D-plan. Hvis mer enn tre mikrofoner, som ikke er plassert i ett plan, blir brukt, så er det mulig å bestemme en kildes posisjon i tre dimensjoner. En vanlig sammenstilling er plassering av en gruppering av mikrofoner i den horisontale retningen under kameraet og en enkel mikrofon over kamera. Dette tillater både horisontal og vertikal kildelokalisering. Mikrofonen som er montert over kamera kan være visuelt dominerende og er utsatt for skader og kan medføre ekstra produksjonskostnader. En løsning hvor en mikrofon er integrert i toppen på selve kameraet er derfor foretrukket. Dette tillater vertikal lokalisering av en kilde uten å ha mikrofonen montert på for eksempel en stang over kameraet. Mikrofonen er usynlig og godt beskyttet og gir muligheter for mindre forstyrrende design som er visuelt mer tilfredsstillende. Som indikert over har denne preferansen noen ulemper på grunn av mindre avstander mellom mikrofonene, som impliserer mindre nøyaktighet i signalkildesporingen.

I tillegg er lydkvalitet et viktig spørsmål for kildesporingsapplikasjoner, ettersom god signalkvalitet også er nødvendig for sporingsnøyaktighet. Når utgangssignal fra flere mikrofoner blir kombinert kreves det presis og gjentatt frekvensrespons, både amplitude og fase, og bredt bånd. Samsvarende krav kan være lavere enn ldB og noen få graders fase. Dette finner man vanligvis ikke i vanlig omformerproduksjon, ikke en gang med dyre mikrofoner. Derfor må produsentene tilpasse omformere ved å måle og sortere, eller produktdesignere må inkorporere en form for måling og kalibrering av individuelle mikrofoner. Begge alternativene er kostbare.

Et annet alternative som nylig er fremkommet er å bruke ny mikrofonteknologi, MEMS (Mikro Elektro Mekanisk System). MEMS-mikrofoner er produsert ved hjelp av silisiumskiveteknologi, og prosessen gir mikrofoner med variasjon i faseresponsen som er vesentlig lavere enn for regulære ECM-mikrofoner (Electret Condenser Microphone - elektrert kondensatormikrofon). De er derfor velegnet for anvendelser hvor god fasetilpasning av mikrofonene kreves.

Mikrofonegenstøy er likevel et virkelig problem, særlig med billige ECMer. MEMS-mikrofoner har enda høyere egenstøy enn standard ECMer, som er et problem for lydopptaks- og lokaliseringssystemer, særlig ved høyere frekvenser.

Bakgrunnsstøy i rom har typisk en avtagende effekt med økende frekvens, mens mange billige mikrofontyper har en konstant eller økende egenstøyeffekt med økende frekvens. Talesignaler har svært lav effekt i høye frekvenser, men innholdet i de høye frekvensene er likevel viktig for at lydopptak skal høres naturlig ut og gir også svært effektive ledetråder for kildelokaliseringsalgoritmer. I de høye frekvensene er mikrofonegenstøyen den dominerende bidragsyteren til støy, og dette begrenser signal-til-støy-forholdet (SNR) når tale fanges opp i rom. Dette er spesielt tilfellet når mikrofonene ikke kan brukes nærme personen som snakker, og begrenser potensialet for lokalisering og sporingsalgoritmer. Analysealgoritmer blir forstyrret fordi høyfrekvensinformasjonen i tale er maskert av mikrofonegenstøyen.

Kort beskrivelse av oppfinnelsen

Den foreliggende oppfinnelsen beskriver et lydkildesporingsarrangement for å bestemme en posisjon til en kilde som frembringer en lyd, omfattende en lydsignalbehandlingsmodul konfigurert til å bestemme posisjonen ved hjelp av et antall lydsignaler som stammer fra lyden respektivt fanget opp av et antall mikrofoner, et eller flere mikrofonhus respektivt omsluttende i det minste én av nevnte antall mikrofoner, inkluderende et hulrom med et volum i hvilket den i det minste ene mikrofonen er plassert, en åpning i en overflate på mikrofonhuset og en kanal som utgår fra hulrommet til åpningen.

Oppfinnelsen er kjennetegnet ved at kanalen og hulrommet er dimensjonert til å utgjøre en akustisk forsterker med en frekvensrespons som har en eller flere høye amplitudetopper i lydens frekvensbånd.

Ytterligere trekk ved oppfinnelsen er definert i de uselvstendige kravene i det vedlagte kravsettet.

Kort beskrivelse av tegningene

For å gjøre oppfinnelsen bedre forståelig vil diskusjonen videre referere til de medfølgende tegningene hvor: Figur 1 viser et tverrsnitt av et mikrofonhus i henhold til en utførelse av den foreliggende oppfinnelsen; Figur 2 og 3 viser et eksempel på en sammensetning av mikrofonhus, et kretskort og et kamerafeste, og Figur 4 viser et diagram med et eksempel på den resulterende frekvensresponsen når man anvender den foreliggende oppfinnelsen.

Detaljert beskrivelse av oppfinnelsen

I det følgende vil cTeh foreliggende oppfinnelsen bli diskutert ved å beskrive noen foretrukne utførelser og ved å referere til de medfølgende tegningene. Likevel vil fagpersoner innse andre anvendelser og modifiseringer innenfor oppfinnelsens hensikt, slik den er definert i det vedlagte selvstendige kravet.

Den foreliggende oppfinnelsen utnytter en bestemt mikrofonsammensetning for å tilrettelegge for lydkildesporingssystemer i kommunikasjonssystemer. Den kan anvendes for både enkle og grupperte mikrofoner. Hovedideen er å forbedre lydnivået akustisk i det kritiske høyfrekvensområdet, for derved å øke det effektive signal-til-støy-forholdet for både lydopptaks- og

lokaliseringsalgoritmene.

Dette gjøres ved å innkapsle mikrofonen i en kanal eller lite hulrom (en Helmholtz-resonator), derved introduseres en høyfrekvent responstopp (resonans), ganske bredbåndet.

Figur 1 eksemplifiserer dette aspektet ved den foreliggende oppfinnelsen. Som man kan se er mikrofonelementet innesluttet i en sammenstillingshoveddel. Figuren viser et tverrsnitt av hoveddelen. Sammenstillingen består av en lydinngangskanal med diameter d og lengde L, og et hulrom med volum V omsluttende mikrofonen. Lydinngangskanalen u-tgjør en akustisk resonator sammen med hulrommet soith.. omslutter mikrofonen. Dette gir en forsterket akustisk respons i en forholdsvis bredt frekvensbånd, og forbedrer signal-til-mikrofonegenstøy-forhold i dette båndet. Resonansfrekvensen kommer fra vekselvirkning mellom lydinngangskanalens diameter d og lengden L og hulromsvolumet V. Desto kortere kanallengden L og mindre hulromsvolumet V er, desto høyere er resonansfrekvensen. I henhold til Hemlholtz-teorien, kan resonansfrekvensen (fr) beregnes som følger:

Figurene 2-3 viser en annen side ved utførelsen av den foreliggende oppfinnelsen. Den inkluderer en overflatemontert MEMS-mikrofon innkapslet i et hardt plasthus på et lite kretskort. Dette kretskortet med mikrofon og plasthus monteres inn i en stiv plastkonstruksjon. Til sammen utgjør disse delene et akustisk resonatorsystem med en inngangslydkanal og et resonatorhulrom som omslutter mikrofonen som beskrevet over. Sammensetningen har flere funksjoner. Som nevnt allerede, kanallengden og volumet er tilpasset å gi en resonanstopp i det ønskede høyfrekvensområdet. Sammensetningen er konstruert for å gi enkel og sikker montasje. Konstruksjonen skal også beskytte mikrofonen fra fysiske slag og skader, likesom elektrostatiske utladninger

(ESD) .

Mekanisk beskyttelse av elementet er fortrinnsvis sikret ved å gjøre huset robust og sterkt ved bruk av et hardt materiale. Materialet bør være ikke-porøst for å minimere lydabsorpsjon. En elastomeravstøpning med hardhet 80 Shore A er et godt kompromiss. Det bør være litt elastisk for å motstå-ulike belastninger fra systemet over det, og for å gi en god akustisk forsegling for å sikre at det ikke er noe luftlekkasje fra hulrommet rundt mikrofonen.

Sammenstillingen bør være forseglet akustisk ved å designe den slik at den ytre plastikkdelen, som mikrofonkortet med mikrofonhuset er montert på, utøver et lite trykk på toppen av mikrofonhuset. I tillegg er lydinngangshullet på mikrofonhuset tett tilpasset et rør på den omkringliggende plastdelen, som trekker ut lydinngangshullet til den ytre plastdelens front.

I denne utførelsen oppnås ESD-beskyttelse ved å ha en ubeskyttet ledende kontaktflate på kretskortet foran mikrofonen, slik at kontaktflaten er nærmere lydinngangskanalen enn mikrofonelementet er. En ESD-puls gjennom lydinngangskanalen vil treffe kontaktflaten og ikke mikrofonen fordi pulsen alltid vil gå den korteste mulige veien til jord.

Ethvert mikrofonelement som krever lydbølgeinngang fra en enkelt retning kan brukes i den foreliggende oppfinnelsen. Likevel, i den beskrevne utførelsen er en typisk MEMS-mikrofon med kulekarakteristikk valgt for å få repeterbar faserespons. Størrelsen på elementet er i prinsippet ikke viktig, men størrelsen på selve mikrofonen og lydinngangen har en betydning på minimumsstørrelsen på hulrommet som omslutter mikrofonen.

Hele frifeltsresponsen til mikrofonen i huset er en folding av mikrofonresponsen, inngangskanalresponsen og effekten av trykkoppbygging på sammensetningens front. En høy frekvensresponstopp med størrelse og form fra den mekaniske utføringen vil være det varige resultatet.

For automatisk kamerakontroll i videokonferanser trengs en mikrofongruppe for å lokalisere taleren. I én utførelse av den foreliggende oppfinnelsen er et mindre antall mikrofoner, typisk fire, montert i forbindelse med kameraet. Typisk utgjør de tre mikrofoner en horisontal gruppe under kameraet og én er,plassert over, men integrert i kameraet og utgjør et vertikalt mikrofonpar med den midterste mikrofonen in gruppen under kameraet. Dette tillater både horisontal og vertikal kildelokalisering. Mikrofonen som er montert over kameraet er visuelt svært dominerende. I henhold til en utførelse så er mikrofonen usynelig og godt beskyttet, og gir mulighet for mindre påtrengende design som er visuelt mer behagelig.

Figur 4 viser en plotterutskrift av den resulterende amplituderesponsen for en mikrofon montert i løsningen som er beskrevet over,- i forhold- til re-sponsen fra den samme mikrofonen i friluft. Som man kan se gir en resonanstopp fra 3 til 7 dB akustisk forsterkning i frekvensene fra omtrent 8 kHz til 11 kHz. Formen og frekvensomfanget til resonansen kan endres ved å justere den mekaniske utføringen som omslutter mikrofonen.

Denne påvirkningen på frekvensresponsen er dominerende sammenlignet med effektene fra refleksjon og diffraksjon fra nære objekter, og kan derfor gi en respons med mindre variasjon for endrede vinkler fra lydkilden, noe som er fordelaktig.

For de fleste andre formål enn lydkildesporing er det foretrukket at frekvensresponsen er flat for å unngå lydforvrenging. I dette tilfellet er ikke lyden som fanges av mikrofonen beregnet på å nå det menneskelige øre, men brukes istedet til deteksjon. Den optimaliserer skarphet og forbedrer signal-til-støy-forholdet i den etterfølgende analog-til-digitalomformer hvis systemet er digitalt. På grunn av støy og en relativt kort avstand mellom mikrofonelementene, er det i lydkildelokalisering viktig å ha sterke deteksjonssignaler relativt til støygulvet. Derved er, i dette tilfellet, en topp i frekvensresponsen i det høye frekvensområdet en fordel.

Claims

1. Et lydkildesporingsarrangement for å bestemme en posisjon til en kilde frembringer en lyd, omfattende en lydsignalbehandlingsmodul konfigurert til å bestemme posisjonen ved hjelp av et antall lydsignaler som stammer fra lyden respektivt fanget opp av et antall mikrofoner, et eller flere mikrofonhus respektivt omsluttende i det minste én av nevnte antall mikrofoner, inkluderende et hulrom med et volum i hvilket den i det minste ene mikrofonen er plassert, en åpning i en overflate på mikrofonhuset og en kanal som strekker seg fra hulrommet til åpningen karakterisert ved at kanalen og hulrommet er dimensjonert til å utgjøre en akustisk forsterker med en frekvensrespons som har en eller flere høye amplitudetopper i lydens frekvensbånd.

2. Lydkildesporingsarrangementet i henhold til krav 1, karakterisert ved at den akustiske forsterkerens resonansfrekvens bestemmes av vekselvirkningen mellom kanalens diameter, kanalens lengde og volumet av hulrommet.

3. Lydkildesporingsarrangementet i henhold til ett av kravene 1 - 2, karakterisert ved at nevnte antall mikrofoner er MEMS-mikrofoner.

4. Lydkildesporingsarrangementet i henhold til ett av kravene 1-3, karakterisert ved at nevnte antall mikrofoner og det ene eller flere mikrofonhus er integrert i et kameradeksel.

5. Lydkildesporingsarrangementet i henhold til ett av kravene 1-4, karakterisert ved at posisjonen definerer et referansepunkt relativt til hvilket et kamera og/eller en prosessor justerer et fanget eller sett bilde.

6. Lydkildesporingsarrangementet i henhold til ett av kravene 1-5", k a r a k t-e • r isert ved -at det er integrert i eller knyttet til et videokonferansesystem.