Anordnung zum Wiedergeben von binauralen Signalen (Kunstkopfsignalen) durch mehrere Lautsprecher

BESCHREIBUNG

Die Erfindung bezieht sich auf eine Anordnung zum Wiedergeben von binauralen Signalen (Kunstkopfsignalen) durch mehrere Lautsprecher gemäß dem Oberbegriff des Patentanspruchs 1.

Stand der Technik

Der für die Erfindung maßgebliche Stand der Technik ergibt sich aus folgenden Gebieten der Elektroakustik:

Binauraltechnik o dynamische Binauraltechnik - Transauraltechnik o dynamische Transauraltechnik Schallfeldsynthesetechniken, speziell: Wellenfeldsynthese

Mit Hilfe der Binauraltechnik kann ein akustisches Ereignis durch Aufnahme per Kunstkopf und Wiedergabe per Kopfhörer übertragen werden. Die räumliche Qualität der durch die Binauraltechnik erreichten Wiedergabe ist einer Lautsprecherwiedergabe überlegen. Es können beispielsweise Quellen in allen Raumrichtungen im dreidimensionalen Raum wiedergegeben werden.

Dies gelingt am einfachsten, wenn die Ohrübertragungsfunktionen bekannt sind. Diese werden mit dem trockenen Eingangssignal gefaltet und auf dem Kopfhörer wiedergegeben. Befindet sich der Kopf bei der Aufnahme in einem Raum, spricht man von binauralen Raumübertragungsfunktionen („BRIR" = Binaural Room Impulse Response).

Dasselbe Prinzip wird erfolgreich im Verfahren „BRS ^λV (Binaural Room Scanning, vergl. Mackensen, P., Felderhoff, U., Theile, G. „Binaural Room Scanning - A new Tool for Acoustic and Psychoacoustic Research" in Proceedings of the DAGA 1999 und Theile, G. Vortrag zur AES Convention Paris, 2000 auf www.hauptmikrofon.de/theile.htm) des Instituts für Rundfunktechnik eingesetzt. Hier wird zusätzlich ein dynamischer Austausch der BRIR vorgenommen und damit ein wesentliches Merkmal des natürlichen Hörens implementiert. Schon kleine Kopfbewegungen vermeiden nachweisbar die Artefakte der Binauraltechnik, nämlich Vorne-Hinten-Vertauschungen und Im-Kopf-Lokalisation. Deshalb wird bei BRS oder allgemein bei dynamischer Binauraltechnik die Kopfdrehung bzw. Kopfbewegung mit einem sogenannten Headtracker gemessen und an einen Prozessor übermittelt. Der Prozessor ermittelt die zu der jeweiligen Kopfdrehrichtung passende BRIR. Das Prinzip ist in Fig. 1 erläutert. Die linke Seite zeigt den Aufnahmeraum, in dem ein Kunstkopf die BRIR in der jeweiligen Richtung misst. Die rechte Seite zeigt die Wiedergabe, bei der die Kopfdrehrichtung mittels Headtracker gemessen wird. Die Kopfdrehrichtung bestimmt den zugehörigen BRIR-Satz, der im Prozessor für die Faltung verwendet wird. Als Eingangssignale dienen die Signale für fünf Studiolautsprecher (3/2-Stereo-Mix), die in einem virtuellen Abhörraum auralisiert werden.

Mit Hilfe der Transauraltechnik können binaurale Signale (=Kunstkopfsignale) durch Lautsprecher wiedergegeben werden. Für einen Hörer können damit an einer bestimmten Hörposition (mit Kenntnis der jeweiligen Ohrübertragungsfunktionen) dieselben Ohrsignale erzeugt werden, die er auch mit einem Kopfhörer hätte. Dieser Effekt beschreibt eine Täuschung des Hörers: Tritt er auf, werden nicht die eigentlichen Schallquellen (nämlich die Lautsprecher) lokalisiert, sondern die virtuelle Quelle, zu der die binauralen Signale gehören. Dies wird mit dem so genannten „Crosstalk Cancelling" erreicht, wie Fig. 2 zeigt. Mit Hilfe eines einfachen vorgeschalteten Prozessors (Ctc filter) kann das übersprechen (Crosstalk) ausgelöscht werden. Die Theorie dazu ist seit langem bekannt, beispielsweise aus Bauck, J., Cooper, D.H. „Generalized Transaural Stereo and Applications" in Journal of the AES, Vol.44/9, 1996 und Schroeder, M. R. and Atal, B.S., "Computer Simulation of Sound Transmission in Rooms" in IEEE Conv. Rec, pt. 7, pp. 150-155 (1963).

Die Lautsprecher, auf denen die transauralen Signale (Signale nach dem Crosstalk- Cancelling) wiedergegeben werden, sollen im folgenden als „Transauralisierungs- Lautsprecher" bezeichnet werden. Die Anzahl und Position der Transauralisierungs- Lautsprecher beeinflusst die Qualität der Transauralisierung. Normalerweise wird aus Gründen der Kompatibilität ein gewöhnliches 2/0-Stereo-Setup verwendet. Durch das Hinzufügen von Lautsprechern im hinteren Bereich lässt sich die Qualität und vor allem Stabilität der Transauralisierung erhöhen, wie aus Hokari, H., Furumi, Y., Shimada, S. „A Study on Loudspeaker Arrangement in Multi-Channel Transaural System for Sound Image Localization" in Proceedings of the AES 19th Int. Conference, Elmau, Germany, 2002 bekannt ist.

Es ist weiterhin bekannt, dass sich auch ein transaurales System mit dynamisch veränderbaren Filtern verwirklichen lässt (so genannte „dynamische Transauraltechnik", siehe Lentz, T., Renner, C. „A Four-Channel Dynamic Cross-Talk Cancellation System" in Proceedings of the CFA/DAGA 2004, Strasbourg, France; Gardner, B. "3-D Audio using Loudspeakers", Doktorarbeit am Massachusetts Institute of Technology, USA, 1997; Georgiou, G., Mouchtaris, A., Roumeliotis, S., Kyriakakis, C. "Immersive Sound Rendering Using Laser-Based Tracking" in Proceedings of the 109th AES Convention, Los Angeles, 2000, Preprint No.5227; Algazi, V., Duda, R., Thompson, D. "Motion-Tracked Binaural Sound" in Proceedings of the 116th AES Convention, Berlin, 2004, Preprint No.6015).

Dabei wird wiederum wie bei der dynamischen Binauraltechnik die Kopfbewegung des Hörers ausgewertet. Wiederum werden die jeweiligen Ohrübertragungsfunktionen dynamisch ausgetauscht. Auch die Crosstalk-Cancelling-Filter sind vom Kopfwinkel abhängig, da sie auf Filtern basieren, die aus den übersprech-übertragungsfunktionen HLR und HRL errechnet werden. In einer Datenbank müssen nun sowohl die übersprech- übertragungsfunktionen als auch die Ohrübertragungsfunktionen bzw. BRIR für mehrere Kopfdrehwinkel vorliegen, so dass der gesamte Datensatz dynamisch ausgetauscht werden kann.

Der Bereich der möglichen Kopfdrehrichtungen bzw. Kopfbewegungen, in dem eine dynamische Transauralisierung gelingt, ist abhängig von der Position der Transauralisierungs-Lautsprecher. Für die Transauralisierungs-Lautsprecher sind jedoch nicht beliebige Positionen möglich, wie aus Lentz, T., Renner, C. aaO und Algazi, V., Duda, R., Thompson, D. aaO bekannt ist. Wird z.B. ein gewöhnliches 2/0-Stereo-Setup verwendet, ist eine Kopfdrehung aus dem Bereich der Lautsprecher hinaus (d.h. +/- 30°) nicht möglich. In dem Aufsatz von Lentz, T., Renner, C. wird diesem Problem damit begegnet, dass für unterschiedliche Kopfrichtungen auch unterschiedliche Transauralisierungs-Lautsprecher verwendet werden, so dass einer gewissen Kopfrichtung auf ein anderes Transauralisierungs-Lautsprecher-Paar umgeschaltet wird Wie hierzu in Fig. 3 gezeigt ist, wird eine 360°-Drehung des Kopfes dadurch ermöglicht, dass jedem Sektor von möglichen Kopfdrehrichtungen ein bestimmtes Transauralisierungs-Lautsprecher-Paar (gebildet aus den vier statischen Lautsprechern „Speaker 1 bis 4") zugeordnet wird. Es ergeben sich dadurch acht Sektoren I bis VIII. So soll für jede Kopfdrehrichtung eine stabile Transauralisierung ermöglicht werden.

Problemstellung

Das Problem bei der dynamischen Transauralisierung ist die sich bei Kopfbewegungen verändernde relative Position von Ohr und Transauralisierungs-Lautsprecher. Von dieser relativen Position ist die Gestaltung der Crosstalk-Cancelling-Filter abhängig. Außerdem ist die Qualität der Transauralisierung davon stark abhängig. Da sich die relative Position der Transauralisierungs-Lautsprecher bei statischer Anordnung der Transauralisierungs- Lautsprecher bei jeder Kopfdrehung/-bewegung verändert, verändern sich auch die Crosstalk-Cancelling-Filter in gleichem Maße. Ebenso ändert sich ständig die Qualität der Transauralisierung.

Zum Verständnis dieser Probleme sei folgendes angemerkt:

Da jede Transauralisierung in Bezug auf die physikalische Genauigkeit der Signale nur eine Näherung darstellt, weil weder die Aussenohr-übertragungsfunktionen noch die genaue Position der Ohren genau ermittelt werden können und außerdem der inversen Filterung beim Crosstalk-Cancelling Grenzen gesetzt sind, treten bei jeder Kopfdrehrichtung gewisse spezifische Fehler auf. Diese Fehler bestehen aus dem Unterschied zwischen tatsächlicher und eigentlich notwendiger Filterung. Die Fehler

machen sich als Beeinträchtigung der Klangfarbe bemerkbar, was im statischen Fall das nicht hörbar unbedingt sein muss. Werden nun diese Fehler in ihrer Gestalt variiert, was eine unvermeidbare Folge der beschriebenen Veränderung der relativen Position ist, so treten spektrale Verschiebungen auf, die unweigerlich als Klangfarbenartefakte hörbar werden. Damit ist nun auch der Gesamterfolg der Transauralisierung beeinträchtigt, da sich die laufend verändernden Spektren negativ auf die beabsichtigte akustische Täuschung auswirken.

Außerdem sind die relativen Positionsänderungen der Transauralisierungs-Lautsprecher deshalb schädlich für den Erfolg der Transauralisierung, weil die unbeabsichtigte Lokalisierung der Transauralisierungs-Lautsprecher dadurch unterstützt wird. Dies erklärt sich dadurch, dass in der menschlichen Wahrnehmung, nicht nur der auditiven Wahrnehmung, im Allgemeinen immer die Veränderung eines Zustands stark wahrnehmbar ist. Im Gegensatz dazu kann das Gehör die Gestalt eines statischen Zustands schlechter beschreiben.

Die Aufgabe der Erfindung besteht darin, eine Anordnung zum Wiedergeben von binauralen Signalen (Kunstkopfsignalen) anzugeben, bei welcher für alle Kopfrichtungen dasselbe Crosstalk-Cancelling-Filter benutzt werden kann.

Diese Aufgabe wird durch die kennzeichnenden Merkmale es Patentanspruchs 1 gelöst.

Vorteilhafte Ausgestaltungen und Weiterbildung der erfindungsgemäßen Anordnung ergeben sich aus den Unteransprüchen.

Bei der erfindungsgemäßen Anordnung wird die relative Position von Ohren und Transauralisierungs-Lautsprechern für jede Kopfdrehrichtung konstant gehalten. Damit treten die vorstehend beschriebenen Nachteile nicht mehr auf. Für alle Kopfrichtungen kann dasselbe Crosstalk-Cancelling-Filter benutzt werden. Um die relative Position von Ohren und Transauralisierungs-Lautsprechern für jede Kopfdrehrichtung konstant zu halten, werden nicht diskrete Transauralisierungs-Lautsprecher sondern virtuelle Transauralisierungs-Quellen benutzt. Diese werden mit Hilfe einer Wiedergabetechnik erzeugt, die eine Schallfeldsynthese unter Verwendung mehrerer Sekundärquellen

(=Arraylautsprecher) durchführt. Da die Quellen virtuelle Quellen sind, kann ihre Position dynamisch verändert werden. Die virtuellen Transauralisierungs-Quellen werden bei einer Kopfdrehung mit dem Kopf „mitgeführt" und verändern somit ihre absolute Position.

Es sind eine Reihe von Techniken für die Schallfeldsynthese bekannt, die eng miteinander verwandt sind, z.B. Wellenfeldsynthese (WFS, siehe Berkhout, AJ., de Vries, D. and Vogel, P. „Acoustic control by wave field synthesis" in Journal of the Acoustical Society of America, Vol.93, 1993, pp 2764-2778) und und Higher Order Ambisonics (HOA, siehe Daniel, J., Moreau, S., Nicol, R. "Further Investigations of High Order Ambisoncis and Wave Field Synthesis for Holophonic Sound Reproduction" in Proceedings 114th AES Convention, Amsterdam, Preprint No. 5788, 1998.). Da diese Verfahren in der Lage sind, in Bezug auf viele Schallfeldparameter dieselben Ergebnisse zu produzieren, ist keines dieser Verfahren gegenüber einem anderen für die Zwecke der Erfindung schlechter. Entscheidend für die Erfindung ist lediglich, dass eine virtuelle Quelle mit definierten physikalischen Eigenschaften (stabiler Ort, Schallbündelung, übertragungsfunktion) erzeugt wird. Dies kann nur mit einer Technik geschehen, die ein Schallfeld quasi realgetreu nachbilden kann, so wie dies WFS und HOA leisten. Im Folgenden wird nur die Wellenfeldsynthese genannt, wenn von einer Schallfeldsynthese-Technik die Rede ist. Es kann aber auch eine andere Schallfeldsynthese-Technik wie z.B. HOA verwendet werden, wenn sie so implementiert wird, dass damit die gleichen oder bessere Eigenschaften der virtuellen Quelle im Sinne der Erfindung erzielt werden.

Die Erfindung wird an Hand der Zeichnungen näher erläutert. Es zeigt:

Fig. 4 einen Signallaufplan der erfindungsgemäßen Anordnung, wobei in den

Klammern fehlt jeweils das nicht angezeigte Symbol φ für den Kopfdrehwinkel (Azimuth) fehlt, und

Fig. 5 drei Ansichten eines WFS-Kreisarrays zur Erzeugung der bei der erfindungsgemäßen Anordnung benutzten virtuellen Transaurisierungs- Quellen (im Beispiel 2 Quellen, es können auch n Quellen sein), wobei 22 Lautsprecher in einem bestimmten Radius angebracht sind und entscheidend für die Höhe der Alias-Frequenz unter anderem der Lautsprecherabstand ist.

Bei dem in Fig. 4 gezeigten Signallaufplan der erfindungsgemäßen Anordnung werden die virtuellen Quellen von einem Lautsprecherarray nach den Prinzipien der Wellenfeldsynthese erzeugt. Das Array befindet sich an einem Ort, an dem es alle möglichen virtuellen Quellen erzeugen kann. Das heißt, alle Positionen der virtuellen Transauralisierungs-Quellen für jede mögliche Kopfdrehrichtung müssen vom Array erzeugt werden können. Erfindungswesentlich sind dabei die Einbeziehung der WFS und die Richtungsunabhängigkeit der Crosstalk-Cancelling-Filter. Die virtuellen Quellen werden derart erzeugt, dass auch sie an den unterschiedlichen Orten, das heißt bei Bewegung des Kopfes, möglichst wenig Unterschiede, besonders im Frequenzspektrum am Ohr des Hörers, aufweisen. Dies wird durch zwei Maßnahmen erreicht:

1. Es werden sog. fokussierte WFS-Quellen zwischen dem Array und den Ohren des Hörers erzeugt. Fokussierte Quellen sind virtuelle WFS-Quellen, die vor dem Array reproduziert werden. Dies hat zwei Vorteile:

a) Im Fokuspunkt wird der Schall gebündelt. Dadurch haben störende und schlecht zu kontrollierende Einflüsse wie Hintergrundgeräusche und Raumreflektionen weniger Gewicht, weil der direkte Schallanteil, der von der fokussierten Quelle ausgeht, durch seine Nähe zum Ohr relativ laut ist.

b) Eine fokussierte Quelle hat bei geringem Abstand zum Hörer eine sehr hohe Alias-Frequenz (englisch „Spatial Aliasing Frequency"). Bei WFS kann aufgrund des endlich kleinen Lautsprecherabstands das Wellenfeld nur bis zu einer gewissen Höchstfrequenz, der Alias-Frequenz, korrekt reproduziert werden. Alle Schallanteile über der Alias-Frequenz werden unkorrekt und vor allem an jedem Punkt in der Hörzone unterschiedlich wiedergegeben. Das bedeutet auch, dass virtuelle Quellen an verschiedenen Orten an einem Hörort unterschiedliche Frequenzspektren im Bereich über der Alias- Frequenz erzeugen. Demzufolge ändert sich bei einer Bewegung des Kopfes und einer korrespondierenden Bewegung der virtuellen Quelle auch das Frequenzspektrum über der Alias-Frequenz, was dann hörbar sein könnte. Eine größtmögliche Verschiebung der Alias-Frequenz nach oben verbessert dies und führt zu einer wesentlichen Verringerung der sich ändernden Schallanteile.

2. Es wird ein kreisrundes Array benutzt, dessen Mittelsenkrechte den Kopf des Hörers schneidet. In der Draufsicht befindet sich dadurch der Kopf in der Mitte des Kreises, wie aus der Ansicht 1 in Fig. 5 ersichtlich ist. Die Höhe von Array und Kopf kann unterschiedlich sein, wie dies in Ansicht 2 und 3 von Fig. 5 gezeigt ist. Dadurch wird die Akzeptanz und Einsetzbarkeit eines solchen Systems deutlich erhöht. Durch das kreisrunde Design des Arrays wird der Unterschied zwischen den virtuellen Quellen in den unterschiedlichen Richtungen minimiert. Grund dafür ist, dass bis auf die genaue Position der einzelnen Lautsprecher das relative Arraydesign für jede Quelle dieselbe ist. Es findet lediglich eine Verschiebung der Einzellautsprecher statt.

Der Abstand der virtuellen Transauralisierungs-Quellen sowie der Abstand zwischen Ohr und Arrayebene hängen von der gewünschten Alias-Frequenz ab. Ebenso bestimmen der Radius des Kreisarrays sowie die Lautsprecherabstände die Alias-Frequenz. Der maximale Abstand zwischen Ohr und Arrayebene wird durch die nötige Signaltrennung zwischen den verschiedenen Transauralisierungs-Quellen sowie die erreichbare Stabilität der Transauraiisierung begrenzt.

Die Alias-Frequenz sollte so hoch sein, dass der für die Transauraiisierung wichtige Frequenzbereich möglichst korrekt reproduziert wird und dass die wahrnehmbaren Klangfarbenänderungen bei Kopfbewegungen minimal sind.

Die Lautsprecherabstände des Lautsprecherarrays können dadurch klein gehalten werden, dass kleine Lautsprecher verwendet werden. Diese müssen nicht unbedingt den vollen hörbaren Frequenzbereich wiedergeben. Die für die Richtungswahrnehmung entscheidenden Anteile sind über ca. 200 Hz angesiedelt. Die Frequenzanteile unter dieser Frequenz können von einem separaten monophonen Tieftöner wiedergegeben werden. Dieser befindet sich im Optimalfall über dem Kopf, da hier die Lokalisierbarkeit des Tieftöners minimal ist.

Eine optimale Lösung zur Vermeidung von störenden Deckenreflektionen sowie zur Optimierung der Lautsprecherabstrahlung ist der Einbau des Kreisarrays in eine Schallwand, also eine akustisch dichte Platte, die über dem Kopf abgehängt wird. Dies ist in Fig. 5 durch die graue Fläche angedeutet. Ein akustischer Kurzschluss ist zu vermeiden. Der Tieftöner kann über dem Kopf eingebaut werden.

Die erfindungsgemäße Anordnung kommt bevorzugt als virtueller Kopfhörer zur Anwendung, wenn eine Kopfhörerwiedergabe ohne das tatsächliche Tragen eines Kopfhörers erforderlich ist.

Im Zusammenhang mit der Wiedergabe von binauralen Signalen kann die erfindungsgemäße Anordnung als Erweiterung des BRS-Systems angesehen werden. Das heißt, es kann ein virtueller Raum auralisiert (zu Gehör gebracht) werden, ohne dass der Hörer durch Kopfhörer beeinträchtigt ist. Dies könnte Anwendung finden als virtueller Abhörraum oder auch in beliebigen anderen Situationen, in denen eine realistische Auralisierung gefragt ist, z.B. Raumplanung, Computerspiele, 3D-Kino. Der Ort des Hörers ist dabei allerdings statisch, was bedeutet, dass diejenigen Anwendungen bevorzugt sind, bei der dies keine Rolle spielt, z.B. vor dem Computer, im Auto, im Kino, usw.

Das Fehlen eines Kopfhörers bietet noch einen weiteren entscheidenden Vorteil: Nun kann ein virtuelles Schallfeld über das tatsächlich vorhandene Schallfeld gestülpt werden. Das heißt, reales und virtuelles Schallfeld können zur selben Zeit wahrgenommen werden. Beispielsweise kann eine virtuelle Audioumgebung die natürlichen Geräusche beim Autofahren komplettieren, begleiten und unterstützen. Spezielle Klanginstallationen sind denkbar, die Gebrauch von echten und virtuellen Schallobjekten machen, z.B. im Museum oder in einem Themenpark, bzw. Geisterbahn. Eine weitere wichtige Anwendung ist die überstülpung einer virtuellen akustischen Umgebung, also eines Raums. Dabei wird das Signal der echten Schallquelle mit einem Mikrofon abgenommen und mit der gespeicherten BRIR (die in diesem Fall künstlich vom Direktsignal befreit ist) verarbeitet. Der Hörer nimmt den Direktschall der echten Schallquelle wahr, der optimale Lokalisation garantiert. Die echte Schallquelle befindet sich durch das virtuelle Raummuster im virtuellen Raum.