[发明专利]三维声音重现的方法、装置及系统

说明书

技术领域

本发明涉及通信领域，特别是涉及一种三维声音重现的方法、装 置及系统。

背景技术

人的听觉不仅涉及听觉器官本身，还涉及视觉，甚至触觉等生理、 物理、心理等综合因素。从听觉角度来讲，人耳除了声音有响度、音 调、音色的主观感觉外，还有对声源的空间印象感觉，即对声源的定 位能力。人耳对声源的定位能力产生于如下原因：人的双耳之间有一 定的距离(约17cm)，若某一点声源偏离听音人正前方主轴方向，到达 两耳的声音是有差别的，人的听觉系统根据这些差别就可以判断出声 源的方位，这一理论被称为“双耳效应”理论。双耳效应理论认为：人 耳对声源方位的判断能力是根据由于双耳距离差引起的以下四个物理 因素产生的，具体为：

1.声音到达双耳间的时间差；

2.声音到达双耳间的强度差；

3.声音低频分量由于时间差产生的相位差；

4.由于人头对高频分量的遮蔽作用产生的音色差。

由于上面的原因，自然界发出的声音被人耳感知后都能够被确定 声源的空间位置，即带有立体声效果。但如果把这些立体声经过记录、 放大等处理后进行重放时，所有的声音都从一个扬声器放出来，这种 重放声(与原声源相比)就不是立体的了。这是由于各种声音都从同 一个扬声器发出，原来的空间感也消失了。如果从记录到重放整个系 统能够在一定程度上恢复原发声的空间感，那么这种具有一定程度的 方位层次等空间分布特性的重放声称为音响技术中的立体声。

如图1所示，现有的扬声器立体声重现系统中，通过调整立体声 重现系统中的两个扬声器101、102的信号的时间差或者强度差，在传 播过程中叠加后被听音人P感知。由于人的双耳效应的存在，听音人P 会感觉声源位于一个虚拟的位置，如图中的VSS(虚拟声源，Virtual Sound Source)所标记的声源，而不是感觉有两个声源(每一个扬声器 可以看作是一个声源)。

图2是运用上述现有技术的扬声器立体声重现系统的多方视讯会 议示意图。如图2所示，这里以三方视讯会议为例，图中的会场A、会 场B和会场C是三个不同的会场。会场B和会场C中的与会者、指向 性麦克风、扬声器及显示屏均与会场A类似，所以图中未示出。会场 之间通过网络进行通信。会场A中，P1～P4为四个与会者；M1～M3为 三个指向性麦克风，用于捕捉会场中的声音信号；L11～L12为两个扬 声器，用于声音重现；D1～D2为两个显示屏幕，用于分别显示会场B 和会场C中的摄像机捕捉到的会场场景。三个麦克风M1～M3所采集到 的信号被混叠为一个声道或者两个声道，分别传送到会场B和会场C 中；在会场B和会场C中，将接收到的声音信号，通过两个会场中的 扬声器，利用立体声重现方法，将声音重现出来。另外，每个会场内 的麦克风的个数也可以是由多个麦克风组成的一个麦克风阵列，该麦 克风阵列捕捉到的信号也混叠为一个或者两个声道，传到其他的会场。

发明人在完成本发明的过程中，发现现有技术至少存在如下问题： 现有的立体声重现系统中，通常存在一个“热点”区域，即黄金位置， 只有在该位置的听者才能得到好的立体声效果，在其它位置的听者则 不能得到好的立体声效果。而在视讯通信系统中，通常在一个会场有 多个与会者，这样必然使得一些与会者不能听到较好的立体声效果， 也就是音频的空间感有限。这在会场中的显示屏幕较大时更为突出， 因为从视觉的角度看，较大的显示屏幕可以使更多的与会者获得较好 的观看效果，但是由于现有技术的立体声重现系统存在的热点区域问 题，使得只有部分位于黄金位置的与会者能得到好的立体声效果，在 其它位置的与会者则不能得到好的立体声效果，音频的空间感较差。

发明内容

本发明实施例所要解决的技术问题在于，提供一种三维声音重现 方法、装置及系统，使得在再现声场中的任何位置都具有较好的立体 声效果，消除热点区域。

本发明实施例提供一种三维声音重现的发送端处理方法，包括：

获取来自各个声源的多路音频信号；

对所述获取到的多路音频信号进行声源分离，得到与所述各个声 源对应的音频信号；

根据所述获取的多路音频信号及用来获取来自各个声源的多路音 频信号的装置之间的位置关系计算出与所述各个声源对应的方位信 息；

将所述与各个声源对应的音频信号和方位信息分别进行编码。