Vorrichtung zur Reduzierung des Rauschens bei der Wiedergabe eines Audiosignals mit einem Kopfhörer oder Hörgerät und entsprechendes Verfahren

Die vorliegende Erfindung betrifft eine Vorrichtung zur Reduzierung des Rauschens bei der Wiedergabe eines Audiosignals mit einem kopfnahen Audioausgabegerät, insbesondere einem Kopfhörer oder Hörgerät. Die vorliegende Erfindung betrifft weiterhin ein entsprechendes Verfahren.

Der Funktionsumfang von modernen Kopfhörern reicht oft weit über das Hören von Musik oder das Telefonieren hinaus. So gehört eine aktive Störgeräuschunterdrückung (engl. Active Noise Cancellation, ANC), bei der die Wahrnehmbarkeit von Umgebungsschall durch das Abspielen eines akustischen Kompensationssignals über einen kopfhörerinternen Lautsprecher reduziert wird, mittlerweile zur Standardausstattung solcher Kopfhörer. Ebenso gilt dieses für einen bei Kopfhörern und Hörgeräten vorgesehenen Transparenzmodus, bei dem Umgebungsschall so gefiltert und über den kopfhörerinternen Lautsprecher abgespielt wird, dass ein kaum hörbarer Unterschied zu dem auditiven Empfinden mit offenen Ohren, d.h. ohne Tragen des Kopfhörers, besteht. Einige Kopfhörer und insbesondere Hörgeräte verfügen weiterhin über einen Ambientmodus, bei dem Umgebungsschall prozessiert und/oder verstärkt wird, um beispielsweise die Sprachverständlichkeit zu verbessern oder einen Hörverlust auszugleichen. Diese Anwendungen beschränken sich allerdings nicht nur auf Kopfhörer und Hörgeräte, sondern können in kopfnahen Audioausgabegeräten sämtlicher Bauweise umgesetzt werden, wie beispielsweise sogenannten Smartglasses, VR/AR-Headsets, Kragenlautsprechern oder Knochenschallkopfhörern. Um eine aktive Störgeräuschunterdrückung, einen Transparenzoder Ambientmodus unterstützen zu können, werden Kopfhörer neben dem Lautsprecher zusätzlich mit mindestens einem äußeren Mikrofon, einem inneren Mikrofon und optional einem Beschleunigungssensor ausgestattet, im Folgenden gemeinsam als Sensoren bezeichnet. Die Verarbeitung der mit dem äußeren Mikrofon, inneren Mikrofon und ggfs. Beschleunigungssensor erfassten Mikrofonsignale und Beschleunigungsdaten, im Folgenden gemeinsam als Sensordaten bezeichnet, erfolgt dabei üblicherweise auf einem digitalen Signalprozessor (DSP), da nur so ausreichend leistungsstarke Algorithmen umgesetzt werden können.

Bei der Wandlung von akustischem Schall in analoge elektrische Signale durch die genannten Sensoren wird ein Rauschen auf das Nutzsignal des jeweiligen Sensors aufgeprägt. Weiterhin fügt die Analog-Digital-Wandlung der analogen elektrischen Signale in digitale Signale ein Quantisierungsrauschen hinzu, dessen Leistung von der Bitgenauigkeit des Wandlers abhängt. Aufgrund der Prozessierung und Filterung der verrauschten Sensordaten auf einem DSP kann das Rauschen außerdem noch verstärkt werden, wodurch es nach der Wiedergabe über den Lautsprecher deutlich hörbar werden kann. Speziell in leisen Umgebungen kann dies von Nutzerinnen als unangenehm empfunden werden.

Im Stand der Technik wird eine ganze Reihe an Verfahren zur Verbesserung bzw. Entstörung von Sprach- und Nutzsignalen aufgeführt. Am weitesten verbreitet sind Analyse- Synthese-Systeme, welche einen Ausschnitt des Eingangssignals nach einer Zeit- /Frequenzbereichstransformation im Frequenzbereich analysieren, eine Gewichtung einzelner Frequenzen vornehmen und anschließend durch eine inverse Transformation ein Zeitbereichssignal synthetisieren. Diese Systeme erweisen sich besonders durch ihre Recheneffizienz als vorteilhaft, da eine Faltung im Frequenzbereich sowie die Zeit- /Frequenzbereichstransformation durch eine schnelle Fouriertransformation besonders kostengünstig umgesetzt werden kann. Allerdings weisen diese Systeme durch die rahmenweise Verarbeitung eine hohe Verzögerung auf. Damit eine performante ANC auch für nichtdeterministische Signale möglich ist, muss die Verzögerung im Signalpfad des ANC-Filters jedoch möglichst gering sein. Bei einem Transparenzmodus kann es durch die Interferenz von Passivschall und verzögertem Aktivschall zu Kammfiltereffekten sowie der doppelten Wahrnehmung von Plosivlauten kommen. Daher ist ein Analyse-Synthese- System im Signalpfad für solche Anwendungen ungeeignet.

In der EP 1 538 749 A2 wird ein alternatives System, der sogenannte Filterbankequalizer, vorgestellt, welches ein Zeitbereichsfilter mit endlicher Impulsantwort (engl. Finite Impulse Response, FIR) nutzt, um ein Eingangssignal zu entstören. Das Zeitbereichsfilter ergibt sich dabei aus dem Produkt der Impulsantwort eines Prototyp-Tiefpassfilters mit einer effektiven Fensterfunktion. Die effektive Fensterfunktion wiederum ergibt sich aus der Fouriertransformation von Gewichtungsfaktoren für einzelne Frequenzbänder. Durch die Anwendung eines Zeitbereichsfilters ist die Verzögerung des Filterbankequalizers deutlich geringer als die eines Analyse-Synthese-Systems. Allerdings ist weiterhin eine Zeit- /Frequenzbereichstransformation für die Berechnung des Filters notwendig. Somit steckt zwar keine Verzögerung in der Filterung selbst, aber weiterhin in der Anpassung des Filters, wodurch der Ansatz insbesondere bei Plosivlauten fehlen kann. Ein linearphasiges Prototyp-Tiefpassfilter prägt, abhängig von der Filterlänge, eine weitere Verzögerung auf. Weiterhin lassen sich durch diesen Ansatz lediglich FIR-Filter umsetzen, welche von spezialisierten Prozessoren mit geringer Verzögerung oft nicht unterstützt werden. Des Weiteren ist eine Filterbank mit einer nichtlinearen Frequenzauflösung mit dieser Methode nur unter der Verwendung vieler Allpassfilter möglich, welche die Rechenkomplexität erhöhen.

Es ist eine Aufgabe der Erfindung, eine Vorrichtung und ein entsprechendes Verfahren zur Verfügung zu stellen, bei dem die Hörbarkeit des Rauschens bei der Wiedergabe eines Audiosignals mit einem kopfnahen Audioausgabegerät, insbesondere einem Kopfhörer oder Hörgerät, reduziert wird, ohne das Nutzsignal merklich zu verändern.

Diese Aufgabe wird durch eine Vorrichtung mit den Merkmalen des Anspruchs 1 und ein entsprechendes Verfahren gemäß Anspruch 12 gelöst. Bevorzugte Ausgestaltungen der Erfindung sind Gegenstand der abhängigen Ansprüche.

Eine erfindungsgemäße Vorrichtung zur Reduzierung des Rauschens bei der Wiedergabe eines Audiosignals mit einem kopfnahen Audioausgabegerät, insbesondere einem Kopfhörer oder Hörgerät, umfasst mindestens einen Sensor zum Erfassen eines auf Umgebungsschall und/oder Körperschall basierenden Sensorsignals; eine Vorverarbeitungseinheit zur Vorverarbeitung des Sensorsignals oder der Sensorsignale, wobei die Vorverarbeitungseinheit eine Filterung und/oder Summation für eine aktive Störgeräuschunterdrückung, eine aktive Unterdrückung des Okklusionseffekts und/oder einen Ambientmodus vornimmt; eine Filterbank zur Aufteilung des Sensorsignals oder des Ausgangssignals der Vorverarbeitungseinheit in Frequenzbänder mittels mehrerer Filter; eine oder mehrere Berechnungseinheiten zur Berechnung von Gewichtungsfaktoren für die einzelnen Frequenzbänder, wobei die Gewichtungsfaktoren basierend auf einem Maß für das Signal des Sensors oder das Ausgangssignal der Vorverarbeitungseinheit in dem jeweiligen Frequenzband und einem Maß für das Rauschsignal des Sensors oder des Ausgangssignal der Vorverarbeitungseinheit in Stille in diesem Frequenzband berechnet werden;

Multiplikatoren, mittels der die einzelnen Frequenzbänder mit den zugehörigen berechneten Gewichtungsfaktoren multipliziert werden; einen Addierer, mittels dem die gewichteten Ausgangssignale der Filterbank zu einem Gesamtausgangssignal summiert werden; und eine Ausgabeeinheit zur Ausgabe eines auf dem Gesamtausgangssignal basierenden Kompensationssignals. Gemäß einer bevorzugten Ausführungsform der Erfindung werden die Gewichtungsfaktoren basierend auf der geschätzten Leistung oder Standardabweichung des Sensorsignals oder des Ausgangssignals der Vorverarbeitungseinheit in dem jeweiligen Frequenzband und der geschätzten Leistung oder Standardabweichung des Rauschsignals des Sensors oder des Ausgangssignals der Vorverarbeitungseinheit in Stille in diesem Frequenzband berechnet.

Gemäß einer nochmals weiteren bevorzugten Ausführungsform werden die Vorverarbeitungseinheit, die Filter der Filterbank, die Multiplikatoren und der Addierer auf einer ersten Abtastrate und die Berechnungseinheiten auf einer geringeren zweiten Abtastrate um gesetzt.

Vorteilhafterweise werden die Vorverarbeitungseinheit, die Filter der Filterbank, die Multiplikatoren und der Addierer durch einen ersten Prozessor umgesetzt.

Vorteilhafterweise werden die Berechnungseinheiten durch einen separaten zweiten Prozessor umgesetzt.

Hierbei werden vorteilhafterweise über eine Schnittstelle zwischen den Prozessoren die Ausgangssignale der jeweiligen Filter der Filterbank von dem ersten Prozessor an den zweiten Prozessor übertragen und die berechneten Gewichtungsfaktoren für die einzelnen Bänder der Filterbank von dem zweiten Prozessor zurück an den ersten Prozessor übertragen.

Gemäß einer Ausführungsform der Erfindung wird hierbei die Rate der Ausgangssignale der Filter der Filterbank durch Abtastratenwandler an die Abtastrate auf dem zweiten Prozessor angepasst.

Gemäß einer weiteren Ausführungsform der Erfindung wird über eine Schnittstelle zwischen den Prozessoren das Eingangssignal der Filterbank von dem ersten Prozessor an den zweiten Prozessor übertragen, wobei durch einen Abtastratenwandler die Rate des zu übertragenden Eingangssignals gewandelt wird und eine zweite Filterbank auf dem zweiten Prozessor zur Berechnung der Gewichtungsfaktoren nachgebildet wird, welche die Filter auf einer entsprechenden niedrigeren Abtastrate realisiert und wobei die berechneten Gewichtungsfaktoren für die einzelnen Bänder der Filterbank von dem zweiten Prozessor zurück an den ersten Prozessor übertragen werden. Vorzugsweise umfasst bei der erfindungsgemäßen Vorrichtung der mindestens eine Sensor ein oder mehrere in einem Ohrstück angeordnete innere Mikrofone zur Erfassung eines Schallsignals im Gehörgang eines Nutzers und/oder äußere Mikrofone zur Erfassung eines Schallsignals außerhalb des Gehörgangs und/oder Beschleunigungssensoren zur Erfassung von Körperschall, welcher über den Gehörgang an das Ohrstück übertragen wird, und die Ausgabeeinheit mindestens einen Lautsprecher.

Ferner kann in einer Ausführungsform vorteilhafterweise vorgesehen werden, dass die Filter der Filterbank durch kaskadierte biquadratische Filter als Tief-, Hoch- und/oder Bandpassfilter realisiert werden.

Die erfindungsgemäße Vorrichtung kann hierbei in einem kopfnahen Audioausgabegerät, insbesondere einem Kopfhörer oder Hörgerät, integriert sein.

Entsprechend werden bei einem erfindungsgemäßen Verfahren zur Reduzierung des Rauschens bei der Wiedergabe eines Audiosignals mit einem kopfnahen Audioausgabegerät, insbesondere einem Kopfhörer oder Hörgerät, die folgenden Schritte ausgeführt:

Erfassen eines auf Umgebungsschall und/oder Körperschall basierenden Sensorsignals mit mindestens einem in dem Kopfhörer oder Hörgerät angeordneten Sensor;

- Vorverarbeiten des Sensorsignals oder der Sensorsignale, wobei die Vorverarbeitungseinheit eine Filterung und/oder Summation für eine aktive Störgeräuschunterdrückung, eine aktive Unterdrückung des Okklusionseffekts und/oder einen Ambientmodus vornimmt;

- Anwenden einer Rauschunterdrückung auf das Sensorsignal oder das Ausgangssignal der Vorverarbeitungseinheit, wobei das Signal mittels einer Filterbank in mehrere Frequenzbänder aufgeteilt wird, die einzelnen Frequenzbänder mit Gewichtungsfaktoren für die einzelnen Frequenzbänder multipliziert werden, wobei die Gewichtungsfaktoren basierend auf einem Maß für das Signal des Sensors oder das Ausgangssignals der Vorverarbeitungseinheit in dem jeweiligen Frequenzband und einem Maß für das Rauschsignal des Sensors oder des Ausgangssignals der Vorverarbeitungseinheit in Stille in diesem Frequenzband berechnet werden, und die gewichteten Ausgangssignale der Filterbank anschließend zu einem Gesamtausgangssignal summiert werden; und

- Ausgabe eines auf dem Gesamtausgangssignal basierenden Kompensationssignals.

Die Erfindung betrifft auch ein Computerprogramm mit Instruktionen, die einen Computer zur Ausführung der Schritte des erfindungsgemäßen Verfahrens veranlassen.

Weitere Merkmale der vorliegenden Erfindung werden aus der nachfolgenden Beschreibung und den Ansprüchen in Verbindung mit den Figuren ersichtlich.

Fig. 1 zeigt schematisch einen Im-Ohr-Kopfhörer im Gehörgang eines Nutzers mit wesentlichen elektronischen Komponenten;

Fig. 2 zeigt ein Blockdiagramm für eine Rauschunterdrückung mit einer Filterbank im Zeitbereich mit einer Adaption pro Band;

Fig. 3 zeigt ein Blockdiagramm einer erfindungsgemäßen Filterung mit Rauschunterdrückung;

Fig. 4 zeigt schematisch den Magnitudengang für eine Filterbank mit Bandpassfiltern;

Fig. 5 zeigt eine Berechnungseinheit zur Berechnung eines Gewichtungsfaktors pro

Band;

Fig. 6 zeigt eine Berechnungseinheit zur numerisch robusten Berechnung eines Gewichtungsfaktors pro Band;

Fig. 7 zeigt eine Berechnungseinheit zur Berechnung eines Gewichtungsfaktors, wobei die Rauschleistung aus dem Eingangssignal geschätzt wird;

Fig. 8 zeigt ein Blockdiagramm eines hybriden, mehrkanaligen ANC-Systems mit Rauschunterdrückung;

Fig. 9 zeigt ein Blockdiagramm eines hybriden, mehrkanaligen ANC-Systems mit Rauschunterdrückung und Kompensation des rückgekoppelten Regelkreises;

Fig. 10 zeigt ein Ablaufdiagramm eines erfindungsgemäßen Verfahrens. Zum besseren Verständnis der Prinzipien der vorliegenden Erfindung werden nachfolgend Ausführungsformen der Erfindung anhand der Figuren detaillierter erläutert. Es versteht sich, dass sich die Erfindung nicht auf diese Ausführungsformen beschränkt und dass die beschriebenen Merkmale auch kombiniert oder modifiziert werden können, ohne den Schutzbereich der Erfindung, wie er in den Ansprüchen definiert ist, zu verlassen.

Fig. 1 zeigt exemplarisch einen Im-Ohr-Kopfhörer 10 für die Verwendung der erfindungsgemäßen Vorrichtung. Die Vorrichtung kann aber genauso in andersartigen kopfnahen Audioausgabegeräten, wie Kopfhörern, Hörgeräten, Smartglasses, VR/AR- Headsets, Kragenlautsprechern oder Knochenschallkopfhörern genutzt werden. Der Im- Ohr-Kopfhörer 10 sitzt dabei, gehalten durch einen Ohreinsatz 11 , im Gehörgang 12 und dichtet diesen ganz oder teilweise akustisch ab. Dadurch können Nutzerinnen ihre Umgebung nicht mehr klar wahrnehmen. Um dennoch Nutzerinnen beim Tragen von Kopfhörern einen klaren Höreindruck ihrer Umgebung zu ermöglichen, ist der Kopfhörer mit Mikrofonen 22 und mindestens einem Prozessor 24 ausgestattet, welche den Umgebungsschall aufzeichnen, prozessieren und über den kopfhörerinternen Lautsprecher 21 wiedergeben.

Der Abschluss des Gehörgangs 12 durch einen Kopfhörer 10 führt weiterhin dazu, dass Körperschall, wie z.B. Trittschall oder Sprache, welcher durch vibrierende Ohrkanalwände in den Gehörgang 12 abgestrahlt wird, dem Gehörgang 12 kaum noch entweichen kann. Dies äußert sich in einer Verstärkung von tiefen Frequenzen des Körperschalls gegenüber einem offenen Gehörgang, was in Kombination mit der geschwächten Wahrnehmung von Umgebungsschall als Okklusionseffekt betitelt wird. Zur Kompensation des Okklusionseffekts (engl. Active Occlusion Cancellation, AOC) können zusätzliche Sensoren in Form des nach innen gerichteten Mikrofons 20 und des Beschleunigungssensors 23 auf der in den Gehörgang gerichteten Seite des Kopfhörers genutzt werden, um Informationen über den Körperschall im Gehörgang 12 aufzuzeichnen.

Neben der Erzeugung akustischer Transparenz oder der Kompensation des Okklusionseffektes beim Tragen von Kopfhörern, können die Sensoren 20, 22, 23 und Prozessoren 24 ebenfalls genutzt werden, um lauten Umgebungsschall aktiv zu dämpfen. Bei der aktiven Störgeräuschunterdrückung wird dabei basierend auf den Sensordaten ein akustisches Kompensationssignal über den kopfhörerinternen Lautsprecher 21 abgespielt, welches destruktiv mit dem Umgebungsschall am Trommelfell 13 interferiert und somit die wahrgenommene Lautstärke des Umgebungsschalls reduziert. Des Weiteren können die Sensoren für einen Ambientmodus, bei dem Umgebungsschall prozessiert und/oder verstärkt wird, um beispielsweise die Sprachverständlichkeit zu verbessern oder einen Hörverlust auszugleichen, genutzt werden.

Wie bereits erwähnt, ist ein Problem, welches durch das erfindungsgemäße Verfahren gelöst wird, dass die Sensoren nicht nur ein Nutzsignal x(n), mit dem diskreten Zeitindex n, aufzeichnen, sondern ebenfalls ein Rauschen v(n) induzieren. Im Kontext dieser Erfindung umfasst das Nutzsignal neben Sprache auch Umgebungsgeräusche, von denen einige in herkömmlichen Methoden zur Störgeräusch- oder Rauschunterdrückung als unerwünscht angesehen werden, hier allerdings dem Nutzsignal und nicht dem Rauschen zugeordnet werden. Das Ausgangssignal eines Sensors ergibt sich dabei aus der Summe des Nutzsignals und des Sensorrauschens zu x(n) = x(n) + v(n).

Durch eine Prozessierung und Filterung des Sensorsignals kann das Rauschen maßgeblich verstärkt werden, was bei der Wiedergabe durch den Lautsprecher für eine AOC oder ANC als unangenehm empfunden werden kann.

Fig. 2 zeigt eine Struktur zur Rauschunterdrückung. Dabei wird das gestörte Nutzsignal x(n) zunächst durch eine Filterbank mit K Filtern 30 mit jeweiligen Impulsantworten b _k (n) mit k = 1, 2, ..., K in verschiedene Frequenzbereiche aufgeteilt. Jede der parallelen Prozessketten als Ergebnis der Filterung wird dabei als (Frequenz-)Band bezeichnet. Die Ausgangssignale der Filter 30 ergeben sich jeweils zu ü _k ( ) = b _k ( ) *x(n).

Pro Band k wird in einer Berechnungseinheit 31 ein zeitvarianter Gewichtungsfaktor g _k (ri) berechnet, welcher anschließend mit dem Bandsignal ü _k (n) multipliziert wird. Am Ausgang der Rauschunterdrückung 63 erhält man dann eine Schätzung x(n) des Nutzsignals, basierend auf der gewichteten Summe der Bandsignale:

Fig. 3 zeigt eine erfindungsgemäße Vorrichtung, wobei ein Nutzsignal x(ri), wie z.B. Umgebungs- oder Körperschall, durch ein äußeres Mikrofon 22 eines Kopfhörers 10, wie in Fig. 1 exemplarisch gezeigt, aufgezeichnet und dabei additiv durch ein Rauschen v(ri) gestört wird. Das Mikrofonsignal wird dann auf einem Prozessor für eine schnelle Filterung 34 erst durch ein Vorverarbeitungseinheit 32 prozessiert und anschließend durch eine Filterbank mit Filtern 30 mit den Impulsantworten b _k (n) gefiltert. Die einzelnen Bänder werden dann durch Gewichtungsfaktoren g _k (n) gewichtet, wobei die Gewichtungsfaktoren auf einem oder mehreren weiteren Prozessoren 35 berechnet werden. Die Ausgangssignale der jeweiligen Filter der Filterbank werden hierbei über eine Schnittstelle von dem Prozessor für die schnelle Filterung zu dem weiteren Prozessor übertragen. Die Gewichtungsfaktoren für die einzelnen Bänder der Filterbank werden ebenfalls über diese Schnittstelle von dem weiteren Prozessor zurück zu dem Prozessor für die schnelle Filterung übertragen.

Die Vorverarbeitungseinheit kann beispielsweise eine Filterung des Mikrofonsignals durch ein Filter mit der Impulsantwort w(n) realisieren, welches für einen Transparenz- oder Ambientmodus, eine ANC oder AOC ausgelegt ist. Weiterhin kann die Vorverarbeitungseinheit beispielsweise mehrere Sensorsignale mit unterschiedlichen Filtern filtern und anschließend zu einem Ausgangssignal aufsummieren.

Das Ausgangssignal ergibt sich mit einem Filter w(n) wie folgt:

Um eine möglichst geringe Ein-zu-Ausgangslatenz auf dem Prozessor für eine schnelle Filterung 34 zu erhalten, wird vorzugsweise eine hohe Abtastrate verwendet. Vorteilshafterweise sollte die Ein-zu-Ausgangslatenz geringer als 1 Millisekunde sein. Da sich die Charakteristika des Nutzsignals in der Regel nur langsam ändern, kann die Berechnung der Gewichtungsfaktoren auf einer geringeren Abtastrate durchgeführt werden. Vorteilhafterweise kann die Berechnung der Gewichtungsfaktoren auf einem oder mehreren separaten Prozessoren 35 durchgeführt werden. Um Aliasingeffekte bei der Übertragung der Bandsignale auf eine geringere Abtastrate zur Berechnung der Gewichtungsfaktoren zu vermeiden, ist optional eine Wandlung der Abtastrate durch Abtastratenwandler 33 vorgesehen. Die Gewichtungsfaktoren benötigen dagegen keine Abtastratenwandlung, da es sich bei den Gewichtungsfaktoren um niederfrequente Signale handelt. Statt die Rate der K Ausgangssignale der Filter 30 zu wandeln, kann alternativ die Rate des Eingangssignals der Filterbank gewandelt werden und eine zweite Filterbank auf dem Prozessor oder den Prozessoren zur Berechnung der Gewichtungsfaktoren 35 nachgebildet werden, welche die Filter 30 auf einer entsprechenden niedrigeren Abtastrate realisiert. Die so berechneten Faktoren, werden anschließend wie vorher beschrieben an den Prozessor zur schnellen Filterung 34 übertragen und dort angewendet. Da eine Filterbank auf dem Prozessor für eine schnelle Filterung 34 weiterhin notwendig ist, wird dadurch keine Komplexitätsreduktion auf den Prozessoren 34, 35 erzielt, aber die Anzahl der Abtastratenwandler 33 und Kommunikationskanäle zwischen den Prozessoren 34, 35 reduziert.

Fig. 4 zeigt exemplarisch den Magnitudengang 40 der Filterbank, wobei die Filter 30 als Bandpassfilter realisiert werden. Jedes Bandpassfilter mit der Impulsantwort b _k (n) sollte dabei so ausgelegt werden, dass es idealerweise die Frequenzen eines Eingangssignals unterhalb einer unteren Grenzfrequenz f _{g k} sowie oberhalb einer oberen Grenzfrequenz f _g , _k+1 sperrt, sowie Frequenzen zwischen f _{g k} und f _g , _k+1 verzerrungsfrei durchlässt. Daraus ergibt sich folgende Zielfunktion für den Magnitudengang eines Bandpassfilters abhängig von der Frequenz f: 0, falls f < f _{g fc} falls f _{g fc} < f < f _{g fc+1} 0, sonst

Weiterhin sollte die Summe der Bandpassfilter 30 vorteilshafterweise für folgende Zielfunktion optimiert werden sodass es insbesondere in den Übergangsbereichen bei der Parallelschaltung der Bandpassfilter nicht zu unerwünschten Auslöschungen oder Verstärkungen kommt. Die untere Grenzfrequenz des ersten Bandpassfilters f _{g l} kann dabei gleich 0 Hz, gemeinhin bekannt als Tiefpassfilter, und die obere Grenzfrequenz des letzten Bandpassfilters f _0iK+1 kann dabei gleich der Nyquist-Frequenz gesetzt werden, gemeinhin bekannt als Hochpassfilter. Um eine dem menschlichen Gehör nachempfundene Prozessierung vorzunehmen, ist es vorteilhaft, die Grenzfrequenzen f _{g k} linear auf einer psychoakustischen Frequenzskala, z.B. der Bark-Skala, zu verteilen. Des Weiteren können die Filter 30 vorteilshafterweise so optimiert werden, dass die Gruppenlaufzeit der Übertragungsfunktion B(z), unter Berücksichtigung einer Zielkurve und einer maximalen Abweichung für den Magnitudengang, minimiert wird.

Vorteilshafterweise können die Filter 30 als eine Kaskade biquadratischer Filter realisiert werden.

Somit trägt die Filterbank nur minimal zu einer Verzögerung des Signalpfades bei, wodurch eine performante ANC sowie ein Transparenzmodus ohne Kammfiltereffekte und ohne die doppelte Wahrnehmung von Plosivlauten nach wie vor möglich ist, und lässt sich effizient berechnen. Vorteilhafterweise wird der Magnituden- und Phasengang von B(z) für die Auslegung von Filtern für eine ANC oder AOC zum Beispiel in einer Vorverarbeitungseinheit 32 berücksichtigt.

Es ist aber auch eine Umsetzung entsprechend einer Quadraturfilterbank möglich. Dieses führt zwar einerseits zu einer Filterbank mit einer linearen Frequenzauflösung und ggf. einer zusätzlichen Verzögerung durch eine im Signalweg befindliche Abtastratenwandlung, andererseits aber zu einer Verringerung der Rechenkomplexität.

Die Gewichtungsfaktoren können basierend auf einer spektralen Subtraktionsregel unter Verwendung von Schätzungen der Kurzzeitleistungen des gestörten Nutzsignals oj(n) sowie des Rauschens <? ² (n) angegeben werden. Die Subtraktionsregel lässt sich, im Folgenden unabhängig von dem Bandindex k = 1, 2, ... , K dargestellt, aus der Kostenfunktion

C = E{[x(n) — g(ri) ■ x(n)] ² } herleiten und resultiert, unter der Annahme, dass das Rauschen und das Nutzsignal unkorreliert sind, in Anhand dieser Vorschrift kann der Gewichtungsfaktor negativ werden, was zu ungewünschten Phasenspiegelungen führt. Daher wird üblicherweise vorausgesetzt, dass 0 < g(n) < 1. Eine harte Begrenzung von g(n) auf diesen Wertebereich kann durch nichtstetige Änderungen zu unerwünschten temporalen Artefakten führen. Abhängig von der geschätzten Kurzzeitleistung des ungestörten Nutzsignals ^(n) ist der mathematisch optimale Gewichtungsfaktor anhand der Kostenfunktion C definiert als 2(zn \)’ wodurch der gewünschte Wertebereich von g n) eingehalten wird. Leider istx(n) und somit auch 9x (n) nicht bekannt.

Da die Leistung von Sensorrauschen in der Regel gering gegenüber der Leistung eines Nutzsignals ist, kann angenommen werden, dass ( ⁿ ), wenn ein Nutzsignal vorhanden ist, womit sich die Berechnungsvorschrift des Blocks 53 in der Berechnungseinheit 31 nach Fig. 5 für ein Band k ergibt. Die Leistung des Sensor- und Quantisierungsrauschens ist in der Regel konstant, daher kann d^ _k (n) = d^ _k für jedes Band z.B. durch eine Messung in Stille, Hörversuche, Berücksichtigung von Bauteilspezifikationen, Schätzung in leiser Umgebung während der Laufzeit oder mit Hilfe von mathematischen Methoden ermittelt werden. Das Sensor- und Quantisierungsrauschens ist gemeinhin auch bekannt als Systemrauschen oder Rauschteppich. Für eine Messung in Stille können beispielsweise die digitalisierten Signale der Sensoren 20, 22, 23 oder das Ausgangssignal der Vorverarbeitungseinheit 32 aufgezeichnet werden, wobei der Kopfhörer 10 aktiviert ist und sich in einem akustisch vor Umgebungsschall geschützten Raum befindet. Vorteilhafterweise können die Werte 8 _k so gewählt werden, dass ein bestimmtes Nutzsignal, mit einem gewählten Schalldruckpegel an einem der Sensoren 20, 22, 23 oder einem separaten Referenzsensor, in einer bestimmten maximalen Dämpfung resultiert. Hierbei setzt es sich also von dem Ziel einer typischen Hörgeräteverarbeitung ab, bei der Umgebungsgeräusche reduziert werden, um Stimmsignale zu extrahieren. Die geschätzte Kurzzeitleistung d~ _k (n) des Eingangssignals u _fc (n) kann beispielsweise durch einen Block 50 mittels eines exponentiellen Glätters mit einem Glättungsfaktor 0 « A < 1 anhand berechnet werden. Aus Kosten- und Batterieeffizienzgründen werden in integrierten Systemen wie Kopfhörern oft Prozessoren verwendet, welche lediglich über eine Festkommaarithmetik verfügen. Insbesondere die Divisionsoperation ist numerisch schlecht konditioniert, weshalb es wünschenswert ist, die Dynamik der Eingangswerte der Divisionsoperation bei der Berechnung des Gewichtungsfaktors zu reduzieren. Dies kann durch die in Fig. 6 dargestellte Berechnungseinheit 31 erreicht werden, indem statt der entsprechenden Kurzzeitleistung u ² (n) die Standardabweichung, bzw. die Quadratwurzel der Varianz des Signals, u(n) genutzt und anschließend der Quotient anhand des Blocks 53 quadriert wird. Unter Vernachlässigung des Kreuzterms der binomischen Formel ist diese Berechnungsvorschrift des Blocks 53 äquivalent zu der vorherigen Berechnungsvorschrift des Blocks 53 aus Fig. 5. Eine Schätzung der Standardabweichung kann dabei wiederum durch einen Block 51 mittels eines exponentiellen Glätters anhand berechnet werden.

Wie in Fig. 7 gezeigt, kann die Kurzzeitleistung cr ² _k (n) des Rauschsignals basierend auf den Ausgangssignalen der Filter 30 ü _k (n) geschätzt werden. Dazu können in Block 52 z.B. etablierte Algorithmen, wie der sogenannte Baseline-Tracer, genutzt werden, welche auf der Annahme beruhen, dass die Leistung des Rauschens quasi zeitinvariant ist und in Nutzsignalpausen geschätzt werden kann. Diese Methoden können angewendet werden, um im laufenden System eine Schätzung des System rauschens durchzuführen, wenn eine leise Umgebung erkannt wird. Im Gegensatz zu Hörgeräteanwendungen, ist das Ziel hierbei nicht die Erkennung von Störgeräuschen aus der Umgebung, sondern die Erkennung des Systemrauschens.

Weiterhin ist es möglich, die Gewichtungsfaktoren g _k (n) so einzustellen, dass die Leistung der jeweiligen gewichteten Bandpasssignale einen vorgegebenen Schwellwert nicht überschreitet. Das kann dazu dienen, um das Gehör von Nutzerinnen in lauten Umgebungen zu schützen.

Fig. 8 zeigt eine weitere Ausführungsform der erfindungsgemäßen Vorrichtung, welche M äußere Mikrofone 22, ein in den Gehörgang gerichtetes Mikrofon 20 sowie einen Lautsprecher 21 umfasst. Zusätzlich zu oder anstelle von den äußeren Mikrofonen 22 oder dem inneren Mikrofon 20 können ebenfalls ein oder mehrere Beschleunigungssensoren 23 verwendet werden. Das Signal des in den Gehörgang gerichteten Mikrofons 20 wird einem Filter 62 k(ri) zugeführt, welches beispielsweise zur Dämpfung von Umgebungs- oder Körperschall d(n) in bestimmten Frequenzbereichen ausgelegt sein kann. Für die Auslegung eines Rückkopplungsfilters 62 ist insbesondere der Sekundärpfad 61 mit der Impulsantwort g(n), welcher die Übertragungsfunktion zwischen dem Lautsprecher 21 und dem inneren Mikrofon 20 charakterisiert, zu berücksichtigen. Die Signale der äußeren Mikrofone 22 werden der Vorverarbeitungseinheit 32 zugeführt, welche die Mikrofonsignale beispielsweise jeweils mit einem Filter w _m (n) mit m = 1, 2, ..., M filtert und anschließend aufsummiert. Die Filter können dabei für einen Transparenz- oder Ambientmodus, eine ANC oder AOC ausgelegt sein. Durch die Filterung und anschließende Summation von mehreren Mikrofonen kann durch die Vorverarbeitungseinheit beispielsweise implizit ein Filter-And-Sum-Beamformer, welcher die Signale eines Mikrofonarrays beispielsweise so verarbeitet, dass das Ausgangssignal hauptsächlich nur Schall aus bestimmten Richtungen umfasst, umgesetzt werden. Das Ausgangssignal der Vorverarbeitungseinheit wird dann der Rauschunterdrückung 63 entsprechend Fig. 3 zugeführt. Die Vorverarbeitungseinheit 32 und das Rückkopplungsfilter 62 werden weiterhin auf einer hohen Abtastrate, beispielsweise auf einem Prozessor für eine schnelle Filterung, implementiert, wohingegen die Berechnungseinheiten zur Berechnung der Gewichtungsfaktoren für die Rauschunterdrückung 63 auf einer geringeren Abtastrate, beispielsweise auf einem oder mehreren separaten Prozessoren, umgesetzt werden. Das Ausgangssignal des Rückkopplungsfilters 62 kann durch den Schalter 64 entweder der Summe des Lautsprechersignals (Schalterstellung 1) oder der Summe des Eingangssignals für die Rauschunterdrückung 63 zugeführt werden (Schalterstellung 2). Weiterhin ist die Wiedergabe eines Multimediasignals a(n), wie beispielsweise Musik oder Sprache eines Telefonats, vorgesehen, welches durch einen Equalizer 60 mit der Impulsantwort q(n) entzerrt wird. Das Ausgangssignal des Equalizers wird zusammen mit dem Ausgangssignal des Rückkopplungsfilters 62 und der Rauschunterdrückung 63 direkt an den Lautsprecher 21 weitergegeben.

Fig. 9 zeigt eine weitere Ausführungsform der erfindungsgemäßen Vorrichtung, welche wie die Ausführungsform aus Fig. 8 mehrere äußere Mikrofone 22 und Filter 32 für eine Filterung, ein in den Gehörgang gerichtetes Mikrofon 20 und ein Rückkopplungsfilter 62, einen Lautsprecher 21 , ein Multimediasignal a(n) sowie einen Equalizer 60 aufweist. Diese Ausführungsform enthält, im Gegensatz zu der Ausführungsform aus Fig. 8, eine Schätzung des Sekundärpfades 65 mit der Impulsantwort g(n), welcher die Summe des entzerrten Multimediasignals und des entrauschten Signals zugeführt wird. Das Ausgangssignal der Sekundärpfadschätzung 65 wird auf das Signal des inneren Mikrofons 20 addiert, sodass sich der geschlossene Regelkreis, welcher sich durch das Rückkopplungsfilter 62 und den Sekundärpfad 61 bildet, nur vermindert auf die, der Sekundärpfadschätzung 65 zugeführten, Signale auswirkt. Andernfalls würde sich das Übertragungsverhalten zum inneren Mikrofon 20 sowie auch zum Trommelfell 13 hörbar in Abhängigkeit des Rückkopplungsfilters 62 ändern.

Die erfindungsgemäße Vorrichtung kann insbesondere in einem Kopfhörer integriert sein, wobei ein solcher Kopfhörer auf verschiedene Weise ausgestaltet sein kann. So kann es sich beispielsweise um Muschel köpf hörer, Hearables, oder sogenannte In-Ear Monitore, die beispielsweise bei Live-Auftritten von Musikern oder Fernsehmoderatoren zur Überprüfung der eigenen Stimme verwendet werden, oder auch um eine Kombination aus einem Kopfhörer und einem Mundmikrofon zur Erfassung der Sprache in Form eines Headsets handeln. Ebenso kann die Vorrichtung aber auch Teil eines Hörgeräts sein. Darüber hinaus kann die Vorrichtung in Smartglasses, VR/AR-Headsets, Kragenlautsprecher oder Knochenschallkopfhörer integriert sein. Schließlich können Teile der Vorrichtung aber auch Bestandteil eines externen Gerätes, wie beispielsweise eines Smartphones, sein.

Figur 10 zeigt schematisch das Grundkonzept für ein Verfahren zur Reduzierung des Rauschens bei der Wiedergabe eines Audiosignals, wie es beispielsweise mittels einer Vorrichtung aus Figur 3 durchgeführt werden kann. Hierbei wird im Folgenden exemplarisch auf die Anwendung des Verfahrens bei einem Kopfhörer Bezug genommen, das Verfahren ist aber nicht hierauf beschränkt und kann ebenso bei anderen kopfnahmen Audioausgabegeräten, insbesondere bei einem Hörgerät, angewendet werden.

Bei dem Verfahren wird in einem ersten Schritt 70 mit mindestens einem in dem Kopfhörer angeordneten Sensor Umgebungsschall und/oder Körperschall, der beispielsweise von einer Sprachausgabe des Nutzers, welcher den Kopfhörer trägt, oder Trittschall dieses Nutzers herrührt, erfasst. Die entsprechenden Sensorsignale werden in einem darauffolgenden Schritt 71 mittels einer Vorverarbeitungseinheit prozessiert, welche eine Filterung und/oder Summation für eine aktive Störgeräuschunterdrückung, eine aktive Unterdrückung des Okklusionseffekts und/oder einen Ambientmodus vornimmt.

Im anschließenden Schritt 72 wird dann das Sensorsignal oder das Ausgangssignal der Vorverarbeitungseinheit einer Rauschunterdrückung unterzogen. Hierbei nutzt das erfindungsgemäße Verfahren eine Filterbank, welche in den Signalpfad zwischen die Sensoren und den Lautsprecher des Kopfhörers integriert wird. Mittels der Filterbank wird das gefilterte Sensorsignal in mehrere Frequenzbänder aufgeteilt. Ein Algorithmus stellt dabei Gewichtungsfaktoren, welche mit den jeweiligen Ausgangssignalen der Filterbank multipliziert werden, so ein, dass Frequenzbänder, in denen kaum ein Nutzsignal anliegt, merklich gedämpft werden. Insbesondere können hierbei die Gewichtungsfaktoren basierend auf einem Maß für das Signal des Sensors oder das Ausgangssignals der Vorverarbeitungseinheit (32) in dem jeweiligen Frequenzband und einem Maß für das Rauschsignal des Sensors oder des Ausgangssignals der Vorverarbeitungseinheit (32) in Stille in diesem Frequenzband berechnet werden. Die gewichteten Ausgangssignale der Filterbank werden anschließend zu einem Gesamtausgangssignal summiert.

Im darauf anschließenden Schritt 73 wird dann ein auf dem Gesamtausgangssignal basierendes Kompensationssignal einem Lautsprecher des Kopfhörers zugeführt und von diesem ausgegeben.

Bei einem Kopfhörer, der Schallwandler für beide Ohren des Nutzers umfasst, kann das beschriebene Verfahren hierbei für die beiden Ohren jeweils separat oder aber auch gemeinsam für die Schallwandler beider Ohren durchgeführt werden.

Bezugszeichenliste

Im-Ohr-Kopfhörer

Ohreinsatz

Gehörgang

Trommelfell

Inneres Mikrofon

Lautsprecher

Äußeres Mikrofon

Beschleunigungssensor

Signalprozessor

Filter

Berechnungseinheit für Gewichtungsfaktor

Vorverarbeitungseinheit

Abtastratenwandler

Prozessor zur schnellen Filterung

Prozessor zur Berechnung der Gewichtungsfaktoren

Magnitudengang eines Filters

Leistungsschätzer des Nutzsignals

Schätzer der Standardabweichung des Nutzsignals

Leistungsschätzer des Rauschsignals

Block mit Berechnungsvorschrift

Equalizer

Sekundärpfad

Filter

Rauschunterdrückung

Schalter für Ausgangssignal des Filters

Schätzung des Sekundärpfades

Verfahrensschritt zur Erfassung der Sensordaten

Verfahrensschritt zur Filterung der Sensordaten

Verfahrensschritt zur Anwendung der Rauschunterdrückung

Verfahrensschritt zur Ausgabe eines Kompensationssignals