[发明专利]音频信号处理装置和方法

说明书

本发明涉及一种用于处理对多个音频信号频谱进行定义的多个音频信号(105)的音频信号处理装置(100)，该音频信号被发送至听众，使得听众感觉到该音频信号来自多个音频信号源的虚拟位置。该音频信号处理装置包括：选择器(101)，用于从多个可能的空间排列中选择相对于听众的音频信号源的虚拟位置的空间排列；滤波器(103)，用于基于所选择的空间排列，对所述多个音频信号进行滤波。

技术领域

本发明涉及音频信号处理装置和方法。特别地，本发明涉及用于虚拟空间音频会议系统的音频信号处理装置和方法。

背景技术

在过去，多方音频会议系统中扬声器的声音通常作为单声道音频流呈现给听众——这基本上是彼此相互堆叠在一起，并且当使用耳机时通常将其呈现给听众的“大脑内”。

虚拟空间音频会议系统是由ITU-T建议P.1301“音频和视听多方远程会议的主观质量评估”定义的多方远程会议的特殊形式，实现了参与者声音的3D音频渲染。也就是说，通过采用从头相关冲激响应(head-related impulse response，简称HRIR)或其对应的频域表示，即头相关传递函数(head-related transfer function，简称HRTF)和/或双耳房间冲激响应(binaural room impulse response，简称BRIR)或其对应的频域表示，即双耳房间传递函数(binaural room transfer function，简称BRTF)推导出的空间滤波器，将参与者的声音置于空间中的不同“虚拟”位置。这些滤波器对人类用于空间声音感知的听觉线索进行编码，即双耳时间差(interaural time difference，简称ITD)、双耳声级差(interaural level difference，简称ILD)、频谱线索以及诸如BRIR情况下的混响等的室内声学信息。相对于参与者声音的单声道音频流，3D音频渲染的有益效果不仅在于会议体验更自然，而且在于语音清晰度也大大增强。经表明，当目标扬声器和通常被称为掩蔽器的竞争扬声器(虚拟地)在空间上分离时，科学上称为空间去掩蔽的心理声学效应可以提高语音清晰度高达12-13dB。

US7391877描述了一种空间声音处理器，其以沿着以听众位置为中心的圆虚拟地将扬声器分布在非等距的位置上。基于对语音识别的心理声学测试的结果，系统以放在听众前面的扬声器的较小虚拟空间分离开始。然后，随着扬声器被放置在更多的横向位置，扬声器之间的虚拟空间间隔也会增加。对于方位角为±90度的方向，给出了两个虚拟扬声器位置，其中，一个位于远场，另一个位于近场。WO2013/142641和WO2013/142668中描述了基于等距或非等距扬声器的类似方案。

已经尝试使用语音信号本身包含的信息来增强语音清晰度。这些尝试，即使用语音信息将扬声器与掩蔽器分开，在很大程度上取决于目标扬声器和掩蔽器，即能量掩蔽之间存在的频谱重叠量。为了移除掩蔽器能量占主导地位的时频区域，仅保留目标语音能量占主导地位的那些时频区域，已经提出了理想的时频二进制掩膜，例如，在Brungart等人“隔离具有理想的时频偏析的语音对讲掩蔽的能量分量”，J.Acoust.Soc.Am.第120卷第6篇，2006年。由于需要使用来自目标扬声器和掩蔽器扬声器的干净(原始)语音信号，因此它们是理想的。更具体地，需要关于目标扬声器和掩蔽器扬声器的先验知识，以便可以保留那些由目标扬声器支配的声学混合的时频区域。然而，实践中，有时候目标扬声器不是先验或变量。例如，在虚拟空间音频会议中，每个参与者都可以是一定时间段内的目标扬声器。

因此，需要一种改进的音频信号处理装置和方法，特别是提高虚拟空间音频会议系统中的语音清晰度的音频信号处理装置和方法。

发明内容

本发明的目的是提供一种提高虚拟空间音频会议系统中的语音清晰度的音频信号处理装置和方法。

该目标通过独立权利要求的主题得以实现。从属权利要求、说明书和附图中提供了进一步的实现方式。