自动音色、响度以及均衡控制技术领域
本公开涉及了一种用于处理信号、具体地是音频信号的系统和方
法(一般称为“系统”)。
背景技术
收听者在房间中听到的声音是从声源笔直行进至收听者的耳朵
的直接声音与间接反射声音(即，来自该声源的在其到达收听者的耳
朵之前被墙壁、地板、天花板和房间中的物体回弹的声音)的组合。
反射可为所需但不利的。这取决于它们的频率、级别、以及在声源所
产生的直接声音后反射到达收听者的耳朵所花费的时间。反射声音可
使音乐以及语音比它们原本饱满和响亮得多。反射声音还可以使原始
声音增添令人愉悦的空灵感。然而，这些相同反射还可通过使得某些
音符声音变得更响、同时抵消其他声音来使房间中的声音失真。反射
还可在与来自声源的声音不同的时间到达收听者的耳朵，以使例如语
音可识别度可以降低并且音乐无法被收听者感知。
反射受到房间的声学特性(即其“声波签名”)的严重影响。存在
影响给定房间的“声波签名”的许多因素，最具影响的是房间大小、刚
性、质量和反射率。房间尺寸(以及它们的比率)会对收听房间中的
声音造成高度影响。房间高度、长度以及宽度确定空间以及在很大程
度上声音感知最佳的地方的谐振频率。刚度和质量均在确定给定空间
将如何对其内声音做出反应的方面具有重要作用。反射率简言之即为
房间的外观“活跃度(liveness)”，也被称为混响时间，其为脉冲音调
衰减至低于其原始强度的某些级别而花费的时间量。混响房间具有较
为理想的反射率，并且因此具有较长混响时间。干燥房间具有极低的
反射率，并且因此具有较短混响时间。如可看出，改变房间特性(例
如，通过打开门或窗户，或者通过改变房间中的物体或人数量)可急
剧地改变感知到的声音的声学的变化(例如，音品或音质)。
从心理声学的角度，音品和音质也称为“音色”，其为区分不同
类型的发声(诸如话音以及乐器(弦乐器、管乐器、以及打击乐器))
的音符、声音或音调的质量。声音的确定音色感知的物理特性包括频
谱以及包络。简而言之，音色是使特定音乐声音不同于彼此的特性，
即使是在这些音乐声音具有相同的音高和响度也是如此。例如，以相
同响度来弹奏相同音符的吉他和钢琴之间存在差异。
具体来说，在小型房间(诸如车厢)内，房间签名变化对房间中
生成且收听到的声音的音色的影响是显著的，并且常被收听者感知为
恼人的。
发明内容
公开了一种用于自动控制收听房间中的声音信号的音色的系统。
所述系统包括：时频变换区块，所述时频变换区块被配置来接收时域
中的电声音信号并且生成频域中的电声音信号；频时变换区块，所述
频时变换区块被配置来接收所述频域中的所述电声音信号并且生成
所述时域中的再变换电声音信号；扬声器，所述扬声器被配置来从所
述再变换电声音信号生成声音输出；麦克风，所述麦克风被配置来生
成表示所述房间中的总声音的总声音信号，其中所述总声音包括来自
所述扬声器的所述声音输出以及所述房间内的环境噪声；噪声提取区
块，所述噪声提取区块被配置来从所述麦克风接收所述总声音信号并
且从所述总声音信号提取表示所述房间中的所述环境噪声的估计环
境噪声信号；以及均衡区块，所述均衡区块被配置来接收所述估计环
境噪声信号以及所述频域中的所述电声音信号，并且被配置来根据所
述估计环境噪声信号、所述电声音信号和房间相关增益信号调节所述
频域中的所述电声音信号的频谱增益。所述房间相关增益信号从参考
房间数据和估计房间数据确定。
还公开了一种用于自动控制收听房间中的声音信号的音色的方
法。所述方法包括：从时域中的再变换电声音信号产生所述时域中的
声音，其中所述时域中的电声音信号被变换成频域中的电声音信号，
并且所述频域中的电声音信号再变换成所述再变换电声音信号；生成
所述房间中的表示总声音的总声音信号，其中所述总声音包括来自扬
声器的声音输出以及所述房间中的环境噪声；处理所述总声音信号以
提取表示在所述房间中的所述环境噪声的估计环境噪声信号；以及根
据所述估计环境噪声信号、所述电声音信号和房间相关增益信号，调
节所述频域中的所述电声音信号的频谱增益。所述房间相关增益信号
从参考房间数据和估计房间数据确定。
此外，还公开了一种用于自动控制收听房间中的声音信号的音色
的系统。所述系统包括：扬声器，所述扬声器被配置来从电声音信号
生成声学声音输出；麦克风，所述麦克风被配置来生成表示所述房间
中的总声学声音的总电声音信号，其中所述总声学声音包括来自所述
扬声器的声学声音输出以及所述房间内的环境噪声；实际响度评估区
块，所述实际响度评估区块被配置来提供表示所述房间中的所述总声
学声音的实际响度信号；所需响度评估区块，所述所需响度评估区块
被配置来提供所需响度信号；以及增益成形区块，所述增益成形区块
被配置来接收所述电声音信号、音量设置、所述实际响度信号、所述
所需响度信号以及房间相关增益信号，所述房间相关增益信号从参考
房间数据、估计房间数据、以及所述音量设置确定。所述增益成形区
块还被配置来根据所述音量设置、所述实际响度信号、所述所需响度
信号、以及所述房间相关增益信号调节所述电声音信号的增益。
此外，还公开了一种用于自动控制收听房间中的声音信号的音色
的方法。所述方法包括：从电声音信号产生声音输出；生成表示所述
房间中的总声音的总声音信号，其中所述总声音包括来自扬声器的所
述声音输出以及所述房间中的环境噪声；评估所述总声音信号以提供
实际响度；接收音量设置、所需响度、以及参考房间数据；提供从参
考房间数据、估计房间数据、以及所述音量设置确定的房间相关增益；
以及根据所述音量设置、所述实际响度信号、所需响度信号、以及所
述房间相关增益，调节所述电声音信号的所述增益。
对于本领域的技术人员而言，在研究以下附图以及具体实施方式
后，其他系统、方法、特征以及优点将会或将变得明显。意图是将所
有此类另外系统、方法、特征以及优点包括在本说明书内、在本发明
的范围内，并由随附权利要求书来保护。
附图说明
所述系统可以参考以下附图以及描述来更好地理解。附图中的部
件不一定按比例绘制，相反，通常着重示出本发明的原理。此外，在
附图中，相同参考数字标记所有不同视图中的对应部分。
图1是用于使用延迟系数方法来对未知房间脉冲响应(RIR)进
行自适应估计的示例性系统的框图。
图2是采用动态均衡系统的示例性自动音色控制系统的框图。
图3是采用动态均衡系统以及自动响度控制系统的示例性自动
音色控制系统的框图。
具体实施方式
在下文中，根据具体情况增益可为正(放大)或负(衰减)的。
表达“频谱增益”在本文中用于频率相关增益(随频率的增益)，而“增
益”可根据具体情况为频率相关或频率不相关的。“房间相关增益”是
受到所调查的房间的声学特性的影响的增益。“增益成形”或“均衡”意
指(在频谱上)控制或改变信号的(频谱)增益。如本文所用的“响
度”是主要为物理强度(振幅)的心理相关关系的声音特性。
许多已知声学控制系统呈现与估计(稳健)房间脉冲响应(RIR)、
即对外部影响不敏感的RIR有关的问题，所述外部影响诸如背景噪
声(关闭车门、风噪声等)，这可使得信噪比(SNR)劣化。产生噪
声扰乱适应过程；系统尝试适应噪声并且随后再次适应原始信号。这
个过程花费一段时间，在这段时间中，系统并非是准确适应的。
用于使用如图1所示延迟系数方法对未知RIR进行自适应估计
的示例性系统包括房间4(例如，可为车厢)中的扬声器房间麦克风
(LRM)布置1、麦克风2、以及扬声器3。表示音频信号x(n)的所
需声音是由扬声器3生成并且随后在房间4中并且根据该房间(其具
有传递函数H(x))经由信号路径5而传递至麦克风2。另外，麦克风
2接收不需要的声音信号b(n)(也被称为噪声)，其由房间4外或内
的噪声源6生成。为了简单起见，在假设声学信号至电信号的转换(反
之亦然)为1:1的前提下，声学信号与电信号之间没有差异。
麦克风2得到的不需要的声音信号b(n)借助延迟元件7延迟一定
延迟时间，所述延迟时间是由长度N(t)表示，其为可调节的。延迟元
件7的输出信号被供应至减法器8，该减法器还从可控制滤波器9接
收输出信号并且输出输出信号滤波器9可为具有滤波长度N的
有限脉冲响应(FIR)滤波器，所述FIR滤波器提供信号Dist(n)，所
述信号Dist(n)表示系统距离且其传递函数(滤波器系数)可以利用滤
波控制信号调节。所需信号源10所提供的所需信号x(n)还供应至滤
波器9、提供信号均值X(n)的均值计算装置11以及提供滤波控制信
号以控制滤波器9传递函数的自适应控件12。自适应控件12可以采
用最小均方(LMS)算法(例如，归一化的最小均方(NLMS)算法)
来从所需信号x(n)、输出信号以及表示来自适应步长计算器(μC)
13的适应步长μ(n)的输出信号计算滤波器9的滤波器控制信号。适
应步长计算器13从信号Dist(n)、信号均值X(n)、以及信号均值B(n)
计算适应步长μ(n)。信号均值B(n)表示输出信号的均值并由被供
应输出信号的均值计算区块14提供。
如图1的系统所用，时域中的NLMS算法可以在数学上如下描
述：
y(n)＝h(n)x(n)T，
b ^ ( n ) = e ( n ) = d ^ ( n ) - y ( n ) , ]]>
h ^ ( n + 1 ) = h ^ ( n ) + μ ( n ) e ( n ) x ( n ) | | x ( n ) | | 2 , ]]>其中
h ^ ( n ) = [ h ^ 0 ( n ) , h ^ 1 ( n ) , ... , h ^ N - 1 ( n ) ] , ]]>
x(n)＝[x(n),x(n-1)，...，x(n-N+1)]，
N＝FIR滤波器的长度，
x(n)＝时间点(样本)n上的具有长度N的输入信号，
y(n)＝自适应(FIR)滤波器的输出信号的第n个样
本，
μ(n)＝时间点(样本)n上的自适应的适应步长，
||x||2＝向量x的2次范数(2-partnorm)，
(x)T＝向量x的移向。
为了确定以上等式中的自适应的适应步长μ(n)，可以使用延迟系
数方法，所述延迟系数方法可以在数学上如下描述：
μ(n)＝Dist(n)SNR(n)
D i s t ( n ) = 1 N t Σ i = 1 N t | h ^ i ( n ) | ]]>
S N R ( n ) = | x ( n ) ‾ - | | b ^ ( n ) ‾ - | ]]>由此
| x ( n ) ‾ - | = α x | x ( n ) | + ( 1 - α x ) | x ( n - 1 ) ‾ - | . ]]>
| b ^ ( n ) ‾ - | = α b ^ | b ^ ( n ) | + ( 1 - α b ^ ) | b ^ ( n - 1 ) ‾ - | , ]]>其中
SNR(n)＝时间点(样本)n上的估计SNR，
Nt＝用作延迟系数方法的自适应(FIR)滤波器的滤波
器系数的数量(Nt＝[5,...,20])，
αx＝用于输入信号x(n)的平滑系数(ax≈0.99)，
如从以上等式可见，自适应的适应步长μ(n)可从估计当前SNR(n)
与估计当前系统距离Dist(n)的乘积得出。具体来说，估计当前SNR(n)
可计算为输入信号的平滑振幅与误差信号的平滑振幅的
比率，输入信号表示SNR(n)中的“信号”，误差信号表示
SNR(n)中的“噪声”。两个信号可容易从任何合适的自适应算法得出。
图1的系统使用专用延迟系数方法估计当前系统距离Dist(n)，其中预
定延迟(Nt)被实施于麦克风信号路径中。延迟用于得出滤波器的预
定部分的自适应质量的估计(例如，FIR滤波器的第一Nt系数)。第
一Nt系数理想为零，因为自适应滤波器首先必须为由Nt乘以零而形
成的Nt系数的延迟线建模。因此，FIR滤波器的第一Nt系数(其应
理想为零)的平滑(均值)大小是系统距离Dist(n)的测量结果，即，
估计RIR与实际RIR的结果方差。图1所示系统允许对RIR的准确
估计，甚至是在存在暂时噪声的情况下也是如此。
自适应质量还可在收听者利用衰减/平衡控制时劣化，因为在此
RIR再次改变。一种使得自适应对这类型的干扰更稳健的方式是为每
个衰减/平衡设置保存相应RIR。然而，这种方法需要存储器的大量
空间。将消耗较少存储器空间的方式是仅将各种RIR保存作为幅频
特性。存储器空间进一步减少可以通过采用具有幅频特性的心理声学
频标(诸如Bark、Mel或ERB频标)来实现。使用Bark频标，例如，
仅仅需要每频率特性的24个平滑(平均)值表示RIR。另外，存储
器消耗可借助以下方式来进一步降低：不存储音调改变而采用不同衰
减/平衡设置、仅仅存储某些步骤、以及在两者间插值以便得到当前
音调改变的近似值。
谱域中的动态均衡控制(DEC)系统中的图1的系统的实施方式
在图2中示出，其中自适应滤波器(图1的系统中的9、12)还实施
于谱域之中。存在不同方式用以在谱域中实施自适应滤波器，但是为
了简单起见，仅仅描述频域自适应滤波器(FDAF)的重叠保留版本。
在图2的系统中，信号源15将所需信号(例如，来自CD播放
器、收音机、卡带机等的音乐信号x[k])供应至增益成形区块，诸如
频谱动态均衡控制(DEC)区块16，所述区块在频域中操作并向扬
声器17提供均衡信号Out[k]。扬声器17生成声学信号，所述声学信
号根据传递函数H(z)而传递至麦克风18。来自麦克风18的信号经由
频谱话音抑制区块19以及心理声学增益成形区块20(两者在频域中
操作)来供应至包括大量倍增器的倍增器区块25。
话音抑制区块19包括用于将信号从时域变换成频域的快速傅立
叶变换(FFT)区块21。在后续均值计算区块22中，来自FFT区块
21的频域中的信号求平均值并供应至用于使得来自均值计算区块22
的均值信号的频谱分量平滑化的非线性平滑滤波器(NSF)区块23。
来自NSF区块23的信号被供应至心理声学增益成形(PSG)区块20，
以从频谱DEC区块16接收信号并向所述频谱DEC区块16传输信号。
DEC区块16包括FFT区块24、倍增器区块25、逆快速傅立叶变换
(IFFT)区块26、以及PSG区块20。FFT区块24接收信号x[k]并
将其变换成频谱信号X(ω)。信号X(ω)被供应至PSG区块20以及还
从PSG区块20接收表示频谱增益因数的信号G(ω)的倍增器区块25。
倍增器25生成频谱信号Out(ω)，所述频谱信号Out(ω)被馈送入IFFT
区块26并变换以提供信号Out[k]。
频域中操作的自适应滤波器(诸如频域(重叠保留)自适应滤波
器(FDAF)区块27)接收误差信号s[k]+n[k]的频谱版本，所述误差
信号是麦克风信号d[k]与估计回声信号y[n]之间的差值；麦克风信号
d[k]表示环境(例如，LRM系统)中的总声级，其中所述总声级由来
自扬声器17的声音输出e[k](如由麦克风18接收到的)、环境噪声
n[k]、以及(根据具体情况)脉冲状的扰动信号(诸如环境内的语音
信号s[k])确定。信号X(ω)用作自适应滤波器27的参考信号。FDAF
区块27的信号输出被传递至IFFT28并变换成信号y[k]。减法器区
块29计算信号y[k]与麦克风信号d[k]之间的差值，以便生成表示环
境噪声n[k]和语音信号s[k]的估计总和信号n[k]+s[k]的信号，其可以
被视为误差信号。总和信号n[k]+s[k]通过FFT区块21来变换成相应
频域总和信号N(ω)+S(ω)，随后，频域总和信号通过均值计算区块
22而变换成均值频域总和信号随后，均值频域总和信号
是由NSF区块23进行滤波，以便提供均值频谱噪声信号
图2的系统还包括房间相关增益成形(RGS)区块30，所述RGS
区块30从FDAF区块27接收表示LRM系统的估计频率响应(RTF)
的信号W(ω)并且接收由参考数据选择(RDE)区块31提供的参考
RTF的参考信号Wref(ω)，所述RDE区块31根据衰减/平衡(F/B)
区块33所提供的给定衰减/平衡设置选择参考房间数据存储器
(RDM)区块32中存储的大量参考RTF中的一个。RGS区块30将
估计RTF与参考RTF进行比较，以便提供房间相关频谱增益信号
Groom(ω)，所述房间相关频谱增益信号与由音量设置区块34所提供
的音量(VOL)设置一起控制PGS区块20。PGS区块20根据均值
背景噪声当前音量设置VOL、参考信号X(ω)以及房间相关
频谱增益信号Groom(ω)计算信号；信号G(ω)表示用于DEC区块16
中的均衡和音色校正的频谱增益因数。VOL设置控制信号x[k]以及
因此提供至扬声器17的信号Out[k]的增益。
图1的系统可以经受各种结构改变，诸如已对图3所示示例性系
统所做出的改变。在图3的系统中，NSF区块23是由话音激活解码
器(VAD)区块35取代。另外，处于当前示例DEC区块16中的增
益成形区块包括最大量值(MM)检测器区块36，所述MM检测器
区块36将估计均值背景噪声与区块38所提供的、以增益G放
大且取决于当前音量设置VOL的先前存储的参考值进行比较，使得
包括自动响度控制功能。VAD区块35与NSF区块23类似地操作，
并且提供均值频谱噪声信号均值频谱噪声信号由MM检
测器区块36处理，以便提供均值频谱噪声信号的最大量值
MM检测器区块36采取均值频谱噪声信号和由增益控制
区块37来提供的信号Ns(ω)的最大值，从区块38接收所需噪声功率
频谱密度(DNPSD)，并且通过来自音量设置区块34的音量设置VOL
来控制。
本文所呈现的系统允许对动态地改变的背景噪声的心理声学校
正计算、对响度的心理声学校正再现、以及对房间相关音色改变的自
动校正。
虽然已经描述本发明的各种实施方案，但是本领域的普通技术人
员将会清楚，在本发明的范围内，更多实施方案以及实施方式是可能
的。因此，本发明仅受到随附权利要求书及其等效物限制。