对比文件名称：2016-07-07_WO2016109065A_发明申请_WO2016109065A1 METHOD, SYSTEM AND ARTICLE OF MANUFACTURE FOR PROCESSING SPATIAL AUDIO
目标专利名称：704一种声场相关渲染的方法和装置CN114270878B
本次调用的模型名称：gemini-3-pro
## 特征比对表格
| 技术特征描述及公开性判断 | 对比文件原文引用 | 公开性论述 |
| **技术特征A**：《隐含公开》<br>包括至少一个处理器和包括计算机程序代码的至少一个存储器，所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起使所述装置至少：获得散焦方向 | [0100] 图10是用于根据本文公开的技术对音频输出进行成形的示例性系统1000的框图。系统1000包括耦合到一个或多个音频扬声器1008的设备1001。<br>[0102] GUI 1004可以允许用户执行本文所述的功能和控制操作，包括输入数据，例如扇区边界、区域边界和启用的区域选择，以及控制音频处理器1002和回放模块1006的操作。<br>[0105] 在框1054中，接收音频扇区边界。<br>[0106] 在框1056中，接收一个或多个启用的区域选择。 | 对比文件公开了系统1000（一种装置），其包含音频处理器1002（处理器）和用于存储指令及数据的存储器（图10）。该系统通过GUI 1004接收用户输入的“启用的区域选择”（步骤1056）。用户通过选择启用或禁用特定的区域（例如图4中的区域401），实际上是指定了需要被“散焦”（即抑制或去加重）的空间方向或区域。虽然对比文件没有直接使用“散焦方向”这一术语，但其“启用的区域”和“禁用的区域”的概念与本专利中通过散焦方向来指定需要去加重的音频部分的作用完全相同。本领域技术人员可以从对比文件中推断出，用户选择的、需要被抑制声音的区域所对应的方向，即为散焦方向。因此，该特征被隐含公开。 |
| **技术特征B**：《隐含公开》<br>处理表示音频场景的空间音频信号以生成表示基于所述散焦方向的经修改的音频场景的经处理的空间音频信号，以便在所述散焦方向上至少部分地控制所述空间音频信号的一部分至少部分地相对于所述空间音频信号的其他部分的相对去加重 | [0100] 音频处理器1002接收方向性编码的（空间的）音频数据1010，并根据上文结合图1-5描述的方法和技术对其进行处理。<br>[0062] 存在由边界404a-d分隔的四个用户可选择区域402a-d。...如图中示例所示，第一可选择区域402a被选择（启用），而其他三个区域402b-d被禁用。<br>[0063] 示例空间400展示了第一区域402a被选择（启用），而其他三个区域402b-d被禁用。<br>[0080] 在第一个操作场景600a中，左侧区域608（深色阴影）被启用以进行音频捕获/回放，而其他区域610-614（线条阴影）被禁用。...以这种方式，位于启用区域608中的声源被聚焦，而禁用区域中的声源被抑制。 | 对比文件公开了音频处理器1002接收并处理“方向性编码的（空间的）音频数据”（即空间音频信号）。处理过程包括根据用户选择的启用/禁用区域来应用掩蔽窗口函数。当用户“禁用”某个区域（例如图4的区域402b-d，图6A的区域610-614）时，系统通过在该区域应用零增益或低增益来抑制来自该方向的声音（[0080]），这实质上就是对该方向的音频进行“相对去加重”。该处理生成的音频输出即为“经修改的音频场景”。对比文件中“禁用区域”的处理方式与目标专利中在“散焦方向”上进行“去加重”处理的作用和效果相同。因此，该特征被隐含公开。 |
| **技术特征C**：《直接公开》<br>输出所述经处理的空间音频信号 | [0100] 音频处理器1002接收并处理方向性编码的（空间的）音频数据1010...<br>[0103] 回放模块1006从音频处理器1002接收处理后的音频数据，并将其渲染成适合由扬声器1008输出的形式。 | 对比文件明确记载了音频处理器1002处理音频数据后，将“处理后的音频数据”传递给回放模块1006进行渲染和输出。该“处理后的音频数据”即为经处理的空间音频信号。因此，该特征被直接公开。 |
| **技术特征D**：《直接公开》<br>其中，基于所述散焦方向的所述经修改的音频场景在所述散焦方向上至少部分地使能所述空间音频信号的所述一部分至少部分地相对于所述空间音频信号的其他部分的去加重 | [0063] 示例空间400展示了第一区域402a被选择（启用），而其他三个区域402b-d被禁用。<br>[0080] 在第一个操作场景600a中，左侧区域608（深色阴影）被启用...而其他区域610-614（线条阴影）被禁用。...位于启用区域608中的声源被聚焦，而禁用区域中的声源被抑制。 | 对比文件明确描述了通过用户选择启用/禁用区域，使得被禁用区域（对应散焦方向）中的声源被“抑制”（suppressed），而被启用区域中的声源被“聚焦”。这种对禁用区域声源的“抑制”作用，就是使该部分音频相对于其他部分音频的去加重。经修改的音频场景在禁用方向上实现了这种去加重效果。因此，该特征被直接公开。 |
| **技术特征E**：《隐含公开》<br>其中，所述装置进一步被使得：获得散焦量 | [0044] 示例函数201说明了只有一个音频扇区被启用的情况...掩蔽窗口被设计为在扇区中心（270度）具有单位增益。从中心向外移动，增益可以保持为单位增益204，直到“滚降开始”角度，这是一个作为调谐参数的度数值。<br>[0045] 掩蔽函数的末端具有零增益。这些末端的位置可以通过使用“滚降结束”角度来调谐。<br>[0046] 窗口的单位增益和零增益之间的部分可以是分段余弦函数...<br>[0047] 参考图1，掩蔽窗口函数可以被配置为使得每个实际扬声器位置108a-e处的增益为单位增益，并且在每个扇区边界104a-e处，增益为1/sqrt(2)，以确保边界处的平滑音频过渡。边界处的增益是可调的。 | 对比文件虽然没有明确使用“散焦量”这一术语，但其描述了用于控制去加重程度的多个可调参数，例如掩蔽窗口函数中的“滚降开始”角度、“滚降结束”角度以及边界处的“可调增益”。这些参数的调整直接决定了在禁用方向（散焦方向）上增益从1下降到0的速率和程度，即控制了去加重的“量”。本领域技术人员可以推断，这些可调参数的作用等同于目标专利中的“散焦量”。因此，该特征被隐含公开。 |
| **技术特征F**：《隐含公开》<br>并且其中，处理所述空间音频信号使所述装置：根据所述散焦量，在所述散焦方向上至少部分地控制所述空间音频信号的所述一部分至少部分地相对于所述空间音频信号的其他部分的相对去加重。 | [0046] 为了计算在音频帧的估计DOA角度θ（以度为单位）处应用了增益的音频输出，可以使用以下通用函数：<br>（公式）<br>其中Gain是掩蔽窗口函数输出（音频输出信号），Roll-off end等于零增益和单位增益之间的滚降结束（例如，参见图2）中的度数，p²是帧表示的输入音频信号的幅度。<br>[0047] 边界处的增益是可调的。 | 对比文件公开了用于计算输出音频增益的具体函数（[0046]），该函数中包含了控制去加重程度的参数（如 `Roll-off end`）。通过调整这些参数（相当于调整“散焦量”），可以精确控制输出增益从1到0的过渡，从而控制对特定方向声音的抑制程度，即“相对去加重”的程度。这种根据可调参数（散焦量）来控制去加重程度的过程，与本技术特征的作用相同。因此，该特征被隐含公开。 |
| **技术特征G**：《直接公开》<br>其中，处理所述空间音频信号使所述装置执行以下中的至少一个：在所述散焦方向上至少部分地相对于所述空间音频信号的其他部分至少部分地减少所述空间音频信号的所述一部分的加重 | [0062] 示例空间400展示了第一区域402a被选择（启用），而其他三个区域402b-d被禁用。<br>[0080] 在第一个操作场景600a中...禁用区域中的声源被抑制。 | 对比文件明确指出，对于用户“禁用”的区域（即散焦方向），其中的声源会被“抑制”（suppressed）。这种抑制操作本身就是对该部分音频信号“加重”的减少，使其相对于未被抑制的音频部分变得更不突出。因此，该特征被直接公开。 |
| **技术特征H**：《直接公开》<br>在所述散焦方向上相对于所述空间音频信号的所述一部分至少部分地增大所述空间音频信号的其他部分的加重。 | [0080] 在第一个操作场景600a中...位于启用区域608中的声源被聚焦，而禁用区域中的声源被抑制。 | 对比文件明确指出，在“禁用”（散焦）区域声源被抑制的同时，位于“启用”区域（即散焦方向之外的其他部分）中的声源会被“聚焦”（focused）。这种“聚焦”操作相对于被抑制的部分而言，就是增大了其相对加重。因此，该特征被直接公开。 |
| **技术特征I**：《隐含公开》<br>其中，处理所述空间音频信号使所述装置执行以下中的至少一个：根据所述散焦量，在所述散焦方向上至少部分地相对于所述空间音频信号的其他部分至少部分地降低所述空间音频信号的所述一部分的声级 | [0046] 为了计算在音频帧的估计DOA角度θ（以度为单位）处应用了增益的音频输出，可以使用以下通用函数：<br>（公式）<br>其中Gain是掩蔽窗口函数输出（音频输出信号），Roll-off end等于零增益和单位增益之间的滚降结束...中的度数...<br>[0047] 边界处的增益是可调的。 | 对比文件公开了通过掩蔽窗口函数来修改音频信号。该函数通过应用一个在0到1之间的增益值来调整输出。当该增益值小于1时，即“降低”了该部分音频的“声级”。增益值的大小由“滚降结束”等可调参数（对应散焦量）决定。因此，根据可调参数降低特定方向声级的技术方案被隐含公开。 |
| **技术特征J**：《隐含公开》<br>至少部分地在所述散焦方向上相对于所述空间音频信号的所述一部分根据所述散焦量，增大所述空间音频信号的其他部分的声级。 | [0044] 掩蔽窗口被设计为在扇区中心...具有单位增益。<br>[0046] （公式）<br>[0047] 边界处的增益是可调的。 | 对比文件公开的掩蔽窗口函数在“禁用”区域（散焦方向）的增益是可变的（小于1或等于0），而在其他区域（启用的聚焦区域）保持单位增益1。当散焦量（可调参数）导致散焦区域的增益降低时，其他部分保持的单位增益1相对于被降低的散焦区域声级，在感知上或相对意义上就实现了声级的“增大”。这种通过调整散焦量来相对增大其他部分声级的方案被隐含公开。 |
| **技术特征K**：《隐含公开》<br>其中，所述装置进一步被使得：获得散焦形状，并且其中，处理所述空间音频信号使所述装置：在所述散焦方向上并在所述散焦形状内至少部分地控制所述空间音频信号的所述一部分至少部分地相对于所述空间音频信号的其他部分的相对去加重。 | [0062] 存在由边界404a-d分隔的四个用户可选择区域402a-d。用户可选择区域402a-d的数量、边界位置和大小可以由用户通过图形用户界面（GUI）来配置...如图中示例所示，第一可选择区域402a在225°和315°之间延伸；第二可选择区域402b在120°和225°之间延伸...<br>[0065] 扇区边界和区域边界——这些可以是以度为单位的单位圆角度...这些可以在音频录制或音频回放期间由用户实时更改。 | 对比文件公开了用户可以通过GUI定义多个“可选择区域”（例如图4的区域402a-d），每个区域由边界（角度）定义，具有特定的大小和形状（例如，弧段）。用户选择禁用某个区域，即定义了一个具有特定形状（如角度范围）的散焦区域。系统在该形状范围内对声音进行抑制（去加重）。这等同于目标专利中获得“散焦形状”（如由边界定义的弧）并在该形状内进行去加重控制。因此，该特征被隐含公开。 |
| **技术特征L**：《直接公开》<br>其中，处理所述空间音频信号使所述装置执行以下中的至少一个：在所述散焦方向上并在所述散焦形状内至少部分地相对于所述空间音频信号的其他部分至少部分地减少所述空间音频信号的所述一部分的加重 | [0062] 示例空间400展示了第一区域402a被选择（启用），而其他三个区域402b-d被禁用。<br>[0080] 在第一个操作场景600a中...禁用区域中的声源被抑制。 | 对比文件公开了在用户定义的“禁用区域”（散焦形状，例如图4的区域402b-d）内，声源会被“抑制”（suppressed）。这明确表明，在散焦方向及其定义的形状内，音频信号的加重被减少。因此，该特征被直接公开。 |
| **技术特征M**：《直接公开》<br>至少部分地在所述散焦方向上并在所述散焦形状内相对于所述空间音频信号的所述一部分增大所述空间音频信号的其他部分的加重。 | [0080] 在第一个操作场景600a中...位于启用区域608中的声源被聚焦，而禁用区域中的声源被抑制。 | 对比文件明确指出，在“禁用区域”（散焦形状）内的声源被抑制的同时，位于“启用区域”（散焦形状之外的其他部分）中的声源会被“聚焦”（focused）。这种“聚焦”操作就是增大了其相对加重。因此，该特征被直接公开。 |
| **技术特征N**：《隐含公开》<br>其中，处理所述空间音频信号使所述装置执行以下中的至少一个：根据所述散焦量，在所述散焦方向上并在所获得的散焦形状内至少部分地相对于所述空间音频信号的其他部分至少部分地降低所述空间音频信号的所述一部分的声级 | [0046] （公式）<br>[0062] 存在由边界404a-d分隔的四个用户可选择区域402a-d。<br>[0080] 在第一个操作场景600a中...禁用区域中的声源被抑制。 | 对比文件公开了通过可调参数的掩蔽窗口函数（公式）在用户定义的禁用区域（散焦形状）内对声源进行抑制。该函数通过应用一个可变的增益值来调整输出，当增益值小于1时，即“降低”了该部分音频的“声级”。增益变化的程度由可调参数（对应散焦量）控制。因此，该特征被隐含公开。 |
| **技术特征O**：《隐含公开》<br>根据所述散焦量，在所述散焦方向上并在所获得的散焦形状内相对于所述空间音频信号的所述一部分至少部分地增大所述空间音频信号的其他部分的声级。 | [0044] 掩蔽窗口被设计为在扇区中心...具有单位增益。<br>[0046] （公式）<br>[0062] 存在由边界404a-d分隔的四个用户可选择区域402a-d。 | 对比文件公开的掩蔽窗口函数在用户定义的禁用区域（散焦形状）内应用可变增益，而在其他区域（启用区域）保持单位增益1。当代表散焦量的可调参数导致散焦形状内的增益降低时，启用区域保持的单位增益1相对于被降低的声级，在相对意义上实现了声级的“增大”。因此，该特征被隐含公开。 |
| **技术特征P**：《隐含公开》<br>其中，所述装置进一步被使得：获得再现控制信息，以控制输出所述经处理的空间音频信号的至少一个方面，并且其中，被使得输出所述经处理的空间音频信号的所述装置进一步被使得执行以下中的一个：根据所述再现控制信息，处理表示基于所述散焦方向的所述经修改的音频场景的所述经处理的空间音频信号以生成输出空间音频信号 | [0103] 回放模块1006从音频处理器1002接收处理后的音频数据，并将其渲染成适合由扬声器1008输出的形式。模块1006可以包括一个或多个音频D/A转换器、滤波器、音频放大器等。<br>[0093] 通过另外使用双耳下混，可以改善场景再现的保真度...<br>[0094] 本文描述的方法可以扩展到双耳下混，前提是双耳脉冲响应数据库足够密集以对设备602周围的360度进行采样。<br>[0161] 图16是概念图，示出了一种用于校准声音再现系统与回放系统中扬声器1602a-g的实际位置的技术，以便可以根据本文描述的技术对音频进行成形以考虑实际扬声器位置。 | 对比文件中的回放模块1006负责将处理后的音频数据渲染成适合扬声器输出的形式，这个过程需要根据扬声器配置或双耳化参数进行操作，这些参数即为“再现控制信息”。特别是图16描述的校准过程，明确需要获取实际扬声器的位置信息来控制音频输出。对比文件公开了在处理之后，根据这些信息进行渲染以生成最终输出信号。因此，该特征被隐含公开。 |
| **技术特征Q**：《未公开》<br>在所述装置被使得处理表示所述音频场景的所述空间音频信号以生成表示基于所述散焦方向的所述经修改的音频场景的所述经处理的空间音频信号并输出所述经处理的空间音频信号作为所述输出空间音频信号之前根据所述再现控制信息处理所述空间音频信号。 | 对比文件描述的流程是先进行音频聚焦/散焦处理（音频处理器1002），然后再进行回放渲染（回放模块1006）。对比文件中没有公开或暗示可以在散焦处理之前，先根据再现控制信息（如扬声器配置）对空间音频信号进行处理。也未公开将散焦处理后的信号直接作为最终输出而不进行后续渲染的方案。因此，该特征未被公开。 | |
| **技术特征R**：《未公开》<br>其中，所述空间音频信号和所述经处理的空间音频信号包括相应的全景环绕声信号，并且其中，处理所述空间音频信号使所述装置针对一个或多个频率子带，执行以下操作：从所述空间音频信号中提取表示从所述聚焦方向到达的声音分量的单通道目标音频信号 | [0150] 空间音频编码方法的示例...还可以包括最初旨在与特定麦克风一起使用的方法，例如Ambisonic B格式或高阶Ambisonic格式。 | 虽然对比文件提到了Ambisonic格式（即全景环绕声），但其处理方法是基于从音频帧中估计到达方向（DOA），然后直接应用掩蔽窗口函数来调整增益。对比文件完全没有公开从Ambisonic信号中“提取表示从聚焦方向到达的声音分量的单通道目标音频信号”这一特定处理步骤。因此，该特征未被公开。 |
| **技术特征S**：《未公开》<br>生成聚焦的空间音频信号，其中，所述聚焦的音频信号被布置在由所述散焦方向定义的空间位置 | 对比文件中没有公开生成一个独立的、被布置在散焦方向定义的空间位置上的“聚焦的空间音频信号”这一步骤。其处理方式是直接对原始音频帧应用增益掩蔽。因此，该特征未被公开。 | |
| **技术特征T**：《未公开》<br>将所述经处理的空间音频信号创建为从所述空间音频信号中减去所述聚焦的空间音频信号的线性组合，其中，所述聚焦的空间音频信号和所述空间音频信号中的至少一个通过基于所述散焦量而导出的相应的缩放因子来缩放，以降低所述声音在所述散焦方向上的相对级别。 | 对比文件中完全没有公开通过“减去”（subtract）一个空间化的聚焦信号来创建经处理信号的线性组合方法。其采用的是对到达方向（DOA）对应的信号直接乘以增益系数（掩蔽窗口）的方法。因此，该特征未被公开。 | |
| **技术特征U**：《隐含公开》<br>其中，提取所述单通道目标音频信号使所述装置：应用波束成形器以从所述空间音频信号中得到表示从所述散焦方向到达的声音分量的波束成形信号 | [0121] 在一些配置中，音频分析器1114还可以通过对输入信号1108应用波束成形器1190来生成音频信号1110的每个特定音频信号（或通道）。波束成形器1190可以对应于与特定音频信号（或通道）相关联的特定方向。 | 对比文件公开了使用波束成形器（beamformer）来从多麦克风输入信号中生成对应特定方向的音频信号。本领域技术人员可以推断，为了提取或增强来自特定方向（如散焦方向）的声音分量，可以采用波束成形技术。这与目标专利中应用波束成形器从空间音频信号中得到散焦方向声音分量的作用相同。因此，该特征被隐含公开。 |
| **技术特征V**：《未公开》<br>应用后置滤波器以基于所述波束成形信号得到经处理的音频信号，从而调整所述波束成形信号的频谱以近似从所述散焦方向到达的所述声音的频谱。 | 对比文件中完全没有提及在波束成形器之后应用“后置滤波器”（post-filter）来调整波束成形信号频谱，以使其近似目标声音频谱的技术内容。因此，该特征未被公开。 | |
| **技术特征W**：《隐含公开》<br>其中，所述空间音频信号和所述经处理的空间音频信号包括相应的参数化空间音频信号，其中，参数化空间音频信号包括一个或多个音频通道以及空间元数据，其中，所述空间元数据包括针对多个频率子带的相应方向指示和能量比率参数，其中，处理所述空间音频信号使所述装置： | [0034] 本文公开的技术还可以在回放/渲染时动态执行位置声音编码...<br>[0041] 对于每个捕获的音频帧，到达方向（DOA）是按频率区间估计的，从而产生方向性编码的音频帧。每个帧的方向信息（DOA）可以与描述该帧的其他音频信息（例如频谱信息）一起保留。<br>[0116] 音频分析器1114可以使用...描述的技术来确定输入信号1108的到达方向信息，并生成输入信号1108的血管造影表示。 | 对比文件公开了方向性编码的音频帧，其中包含了每个频率区间的到达方向（DOA）信息和频谱信息。DOA即为“方向指示”，而频谱信息（能量/幅度）可用于推导“能量比率参数”。这些信息构成了空间元数据，并与音频信号一起被处理。这种“音频信号+空间元数据”的形式与目标专利的“参数化空间音频信号”在构成和作用上本质相同。因此，该特征被隐含公开。 |
| **技术特征X**：《隐含公开》<br>针对一个或多个频率子带，计算所述散焦方向与针对所述空间音频信号的相应频率子带而指示的方向之间的相应的角度差；针对所述一个或多个频率子带，基于针对相应频率子带而计算的角度差，通过使用预定义的角度差函数和基于所述散焦量而导出的缩放因子，导出相应的增益值 | [0046] 为了计算在音频帧的估计DOA角度θ（以度为单位）处应用了增益的音频输出，可以使用以下通用函数：<br>（公式）<br>其中Gain是掩蔽窗口函数输出...<br>[0067] 然后，对于每个通道扇区405、407，需要获得掩蔽窗口的起点和终点。为此，对于右通道扇区407，该方法从90度边界开始搜索矩阵，并以一度为增量递增，直到遇到存储在矩阵中的第一个1。 | 对比文件公开的掩蔽窗口函数（[0046]）的输入是声源的估计DOA角度θ。该函数实际上计算了输入DOA与预设的掩蔽窗口中心（对应散焦或聚焦方向）之间的关系（即角度差），并基于此输出一个增益值。该增益值由“滚降结束”等参数（对应散焦量）控制。这种基于声源方向与目标方向的角度关系来导出增益值的方法，与本技术特征的方法相同。因此，该特征被隐含公开。 |
| **技术特征Y**：《未公开》<br>针对所述经处理的空间音频信号的一个或多个频率子带，基于所述空间音频信号的相应频率子带的能量比率参数以及所述增益值，计算相应的更新定向能量值 | 对比文件仅描述了将增益值直接应用于音频信号或通道，没有公开根据“能量比率参数”和增益值来重新计算“更新定向能量值”的步骤。目标专利的这一步骤是为了后续修改能量比率参数，属于参数化空间音频信号处理的特定细节。因此，该特征未被公开。 | |
| **技术特征Z**：《未公开》<br>针对所述经处理的空间音频信号的所述一个或多个频带，基于所述空间音频信号的相应频率子带的能量比率参数以及所述缩放因子，计算相应的更新环境能量值 | 对比文件同样没有公开计算“更新环境能量值”的步骤。其处理过程没有对环境能量和定向能量进行分离计算和更新。因此，该特征未被公开。 |
<<<a>>><<<b>>><<<C>>><<<D>>><<<e>>><<<f>>><<<G>>><<<H>>><<<i>>><<<j>>><<<k>>><<<L>>><<<M>>><<<n>>><<<o>>><<<p>>><<<u>>><<<w>>><<<x>>>