[发明专利]使用宽带估计的参数化空间音频捕获的方向估计增强

说明书

一种装置(303)，包括被配置为执行以下操作的部件：获得至少一个音频信号(112)；确定与至少一个音频信号(112)相关联的至少一个传播声音的至少一个方向参数(506)；确定与至少一个音频信号(112)相关联的至少一个声源的至少一个方向(302)；根据所确定的至少一个方向(302)，修改至少一个方向参数(506)；以及输出经修改的至少一个方向参数(508)。

技术领域

本申请涉及用于使用宽带估计的参数化空间音频捕获的方向估计增强的装置和方法。

背景技术

使用诸如在消费者移动设备(诸如诺基亚8)和商业录音设备(诸如诺基亚OZO)中的麦克风阵列来捕获或记录空间声音是已知的。这种空间声音可以被再现以用于耳机或多通道扬声器设置，并且提供丰富的音频体验。由设备捕获的音频信号可以在同一设备内或在另一设备处以合适的输出格式被再现。例如，在作为音频通道和空间元数据或作为全景环绕声(Ambisonic)信号传输到合适的回放或接收器设备之后。

对于传输，例如，使用高级音频编码(AAC)或MPEG-H 3D音频压缩或其他合适的压缩机制，可以对音频信号或通道进行压缩。空间元数据也可以被压缩，并或者在与音频数据相同的数据分组中被发送，或者被发送为单独的压缩元数据流。在音频信号或通道和相关联的元数据被压缩以用于传输的情况下，它们在再现之前被解码。

可包括麦克风阵列的移动设备可以利用参数化空间音频捕获和渲染方法以在感知上使能准确的空间声音再现。参数化空间音频捕获是指自适应DSP驱动的音频捕获方法。具体来说，参数化空间音频方法通常可以被概括为以下操作：

1)分析在频带和短时间间隔(通常被称为时频隙(time-frequency slot))中的感知相关参数，例如，传播声音在记录位置处的到达方向，以及

2)根据所估计的空间参数，在渲染侧在感知意义上再现空间声音。

再现例如可以用于耳机或多通道扬声器设置。通过估计并再现声场的感知相关空间特性(参数)，可以产生类似于收听者正在收听原始声场时会出现的空间感知。作为结果，收听者可以感知大量声源、其方向和距离、以及周围物理空间的特性，以及其他的空间声音特征，就好像收听者处于捕获设备的位置处一样。

已知被称为空间音频捕获(SPAC)过程的双耳空间音频再现方法(诸如在PCT公开的专利WO2018/091776、WO2018/060549、US20130044884、WO2017/005978、EP3320699中所描述的)捕获(例如，从诺基亚8或诺基亚OZO)麦克风阵列信号。这些过程从频带中的麦克风信号中估计到达方向(DOA)以及被表述为直接与总能量比(direct-to-total energy ratio)的直接分量和环境分量的相对能量，并合成例如用于耳机收听的双耳信号、或者用于扬声器收听的多通道扬声器信号、或者用于YouTube 360和类似服务的Ambisonic输出。

尽管SPAC通常产生良好的音频质量，但由于各种原因，空间分析精度可能不是最优的。潜在的原因例如可能是捕获设备的情况的不规律性，例如，移动设备以不同的方式被握在手中或者被覆盖有保护壳、风噪声、有必要在空间分析之前对音频信号使用AAC编码(其可产生更差的质量分析)、以及声场本身中的声学环境。然而，AAC编码仅是可导致空间分析出现问题的有损编码的示例。任何其他的有损编解码器也可导致这些问题(例如，mp3、Ogg Vorbis等)

发明内容

根据第一方面，提供了一种装置，其包括被配置为执行以下操作的部件：获得至少一个音频信号；确定与至少一个音频信号相关联的至少一个传播声音的至少一个方向参数；确定与至少一个音频信号相关联的至少一个声源的至少一个方向；根据所确定的至少一个方向，修改至少一个方向参数；以及输出经修改的至少一个方向参数。