SINTESIS Y ESPACIALIZACION SONORA CONJUNTA.

Procedimiento para sintetizar y espacializar conjuntamente una pluralidad de fuentes sonoras en posiciones asociadas del espacio,

incluyendo:

a) una etapa de asignación a cada fuente de por lo menos un parámetro (pi), representativo de una amplitud de por lo menos una componente frecuencial de la fuente,

b) una etapa de espacialización en la que se emplea una codificación en una pluralidad de canales, en la que se duplica cada parámetro de amplitud (p1) para multiplicarlo por una ganancia (gim) de espacialización, determinándose cada ganancia de espacialización, por una parte, para un canal (pgm) de codificación y, por otra, para una fuente (Si) a espacializar,

c) una etapa de agrupación (R) de los parámetros (pim) multiplicados por las ganancias, en canales respectivos (pg1, ..., pgM), aplicando una suma de dichos parámetros multiplicados (pim) en todas las fuentes (Si) para cada canal (pgm), y

d) una etapa de síntesis paramétrica (SYNTH(1), ..., SYNTH(M)) aplicada a cada uno de los canales (pgm)

Síntesis y espacialización sonora conjunta.

La presente invención se refiere a un procesamiento de audio y, más concretamente, una espacialización tridimensional de fuentes sonoras sintéticas.

Actualmente, la espacialización de una fuente sonora sintética suele realizarse sin tener en cuenta el modo de producción del sonido, es decir la manera misma en que se sintetiza el sonido. De esta manera, se han propuesto para la síntesis numerosos modelos, especialmente paramétricos. Paralelamente, se han propuesto asimismo numerosas técnicas de espacialización, sin proponer sin embargo una comparación con la técnica elegida para una síntesis.

Se conocen, entre las técnicas de síntesis, los métodos denominados "no paramétricos". A priori, no se utiliza parámetro particular alguno para modificar muestras anteriormente almacenadas en memoria. El representante más conocido de dichos métodos es la síntesis mediante tabla de onda clásica.

A este tipo de técnica se oponen los métodos de síntesis "paramétrica" que se basan en la utilización de un modelo que permite manipular un número reducido de parámetros, comparado con el número de muestras de señales producidas en el sentido de los métodos no paramétricos. Las técnicas de síntesis paramétricas se basan típicamente en modelos aditivos, sustractivos, fuente-filtro o no lineales.

Entre estos métodos paramétricos, se califican de "mutuos" aquellos que permiten manipular en común parámetros correspondientes a distintas fuentes sonoras, para utilizar entonces un único proceso de síntesis, para la totalidad de las fuentes. En los métodos denominados "sinusoidales", se construye típicamente un espectro en frecuencia a partir de los parámetros tales como la amplitud y la frecuencia de cada componente parcial del espectro sonoro global de las fuentes. En efecto, una implementación mediante transformada de Fourier inversa, seguida de una adición/recubrimiento, asegura una síntesis extremadamente eficaz de varias fuentes sonoras simultáneamente.

En lo que se refiere a la espacialización de fuentes sonoras, se conocen actualmente distintas técnicas. Algunas técnicas (como la "transaural" o la "binaural") se basan en tener en cuenta funciones de transferencia HRTF ("Head Related Transfer Function") que representan la perturbación de ondas acústicas por la morfología de un individuo, siendo dichas funciones HRTF propias de dicho individuo. La restitución sonora se efectúa de forma adaptada a los HRTF del oyente, típicamente en dos altavoces distantes ("transaural") o a partir de dos auriculares de un casco ("binaural"). Otras técnicas (por ejemplo la "ambiofónica" o el "multicanal" (5.1 a 10.1 o más) prevén una restitución en más de dos altavoces.

Más concretamente, algunas técnicas a base de HRTF utilizan la separación de las variables "frecuencia" y "posición" de las HRTF, proporcionando así un conjunto de p filtros de base (correspondientes a los p primeros valores propios de la matriz de covariancia de las HRTF cuyas variables estadísticas son las frecuencias), siendo dichos filtros ponderados mediante funciones espaciales (obtenidas mediante proyección de las HRTF en filtros de base). A continuación, las funciones espaciales pueden interpolarse como se describe en el documento US-5,500,900.

La espacialización de numerosas fuentes sonoras puede efectuarse gracias a una implementación multicanal aplicada a la señal de cada una de las fuentes sonoras. Las ganancias de los canales de espacialización se aplican directamente a las muestras sonoras de la señal, a menudo descritas en el dominio temporal (pero posiblemente también en el dominio frecuencial). Dichas muestras sonoras se procesan mediante un algoritmo de espacialización (con aplicación de ganancias que son en función de la posición deseada), con independencia del origen de dichas muestras. De este modo, la especialización propuesta podría aplicarse tanto a sonidos naturales como a sonidos sintéticos.

Por una parte, cada fuente sonora debe sintetizarse independientemente (con obtención de una señal temporal o frecuencial), con objeto de poder aplicar a continuación ganancias de espacialización independientes. Por lo tanto, para N fuentes sonoras, es necesario realizar N cálculos de síntesis.

Por otra parte, la aplicación de las ganancias a muestras sonoras, procedentes del dominio temporal o frecuencial, requiere como mínimo tantas multiplicaciones como muestras existentes. Por lo tanto, para un bloque de Q muestras, es necesario aplicar por lo menos N.M.Q. ganancias, siendo M el número de canales intermedios (por ejemplo canales ambiofónicos) y N el número de fuentes.

Por lo tanto, esta técnica requiere un elevado coste de cálculo en el caso de la espacialización de numerosas fuentes sonoras.

Entre las técnicas ambiofónicas, el método denominado de "altavoces virtuales" permite codificar las señales a espacializar aplicándoles especialmente ganancias, realizándose la descodificación mediante convolución de las señales codificadas mediante filtros precalculados (Jérôme Daniel, "Representación de campos acústicos, aplicación a la transmisión y reproducción de escenas sonoras complejas en un contexto multimedia", Tesis doctoral, 2000).

El documento WO-05/069272 presenta una técnica muy prometedora, que combina síntesis y espacialización.

Consiste en determinar amplitudes a asignar a señales que representan fuentes sonoras para definir, al mismo tiempo, la intensidad sonora (por ejemplo un "volumen") de una fuente a sintetizar y una ganancia de espacialización de dicha fuente. Este documento divulga especialmente una espacialización binaural con consideración de los retrasos y las ganancias (o "funciones espaciales") y, en particular, una mezcla de las fuentes sintetizadas en la parte codificación de la espacialización.

Más concretamente aún, un ejemplo de realización que se incluye en dicho documento WO-05/069272, en el que las fuentes se sintetizan asociando amplitudes a frecuencias que constituyen un "timbre sonoro" (por ejemplo una frecuencia fundamental y sus armónicos), prevé reagrupar por frecuencias idénticas señales de síntesis, con objeto de una espacialización posterior que opere sobre las frecuencias.

Este ejemplo de realización se ilustra en la figura 1. En un bloque de síntesis SYNTH (representado en trazo discontinuo), se asignan a frecuencias f₀, f₁, f₂, ..., f_p de cada fuente a sintetizar S₁, ..., S_N amplitudes respectivas a₀¹, a₁¹, ..., a_p¹, ..., a_i^j, ..., a₀^N, a₁^N, ..., a_p^N donde, en la notación general a_i^j, j es un índice de fuente incluido entre 1 y N e i es un índice de frecuencia incluido entre 0 y p. Por supuesto, algunas amplitudes de un juego a₀^j, a₁^j, ..., a_p^j a asignar a una misma fuente j pueden ser nulas si las frecuencias correspondientes no están representadas en el timbre sonoro de dicha fuente j.

Las amplitudes a_i¹, ..., a_i^N relativas a cada frecuencia f_i se agrupan ("mezclan") para ser aplicadas, frecuencia por frecuencia, al bloque de espacialización SPAT para una codificación que opera en las frecuencias (por ejemplo en binaural, previendo entonces un retraso interaural a aplicar a cada fuente). Las señales de los canales c₁, ..., c_k, procedentes del bloque de espacialización SPAT, están destinadas a continuación a ser transmitidas a través de una o varias redes, o almacenadas, o demás, con objeto de una restitución posterior (precedida en su caso de una descodificación de espacialización adaptada).

Esta técnica, aunque muy prometedora, merece aún algunas optimizaciones.

De manera general, los procedimientos actuales requieren potencias de cálculo notables para espacializar numerosas fuentes sonoras sintetizadas.

La presente invención viene a mejorar la situación.

Propone a tal efecto un procedimiento para sintetizar y espacializar conjuntamente una pluralidad de fuentes sonoras en posiciones asociadas del espacio, incluyendo el procedimiento:

1. Procedimiento para sintetizar y espacializar conjuntamente una pluralidad de fuentes sonoras en posiciones asociadas del espacio, incluyendo: