使用消费者电子设备的一个明显趋势是试图简化用户界面。希望在所有可能的地方都能够实现“建立”和“操作调整”类型任务的自动性能，这在其他情况下是需要用户人工干预的。这在该调整任务较复杂或困难的情况下或者该调整的性能会影响该设备正常使用的情况下是特别真实的。这些调整任务的例子是根据音频系统工作的环境来设定音频输出参数例如均衡、音调、音量等。 
在该设备自身通过感知周围环境而确定必要的调整控制参数是可能和可行的情况下，可以自动或半自动地完成一些这种任务。 
在这方面，现有技术已经认识到，扬声器是双向声-电传感器，即它们也能够作为麦克风工作，虽然灵敏度相对较低。这样，在理论上，扬声器也可以用于接收口头指令和命令以便能够控制该设备。 
例如，US 5255326描述了一种音频系统，其中用户可以对音频输出进行调整并通过发出话语命令来控制该音频系统的其他功能。该话语命令可以被该系统使用扬声器作为麦克风接收。US 5255326还提出了使用一对红外传感器检测主要收听者的位置和使用该位置信息自动调节音频输出的左右均衡以获得最佳立体声效果。 
EP 1443804 A2描述了一种多通道音频系统，该系统使用连接到其的多个扬声器也作为麦克风以自动确定工作区域内该扬声器的相对位置。在使用前，通过连续的多个扬声器为确定每个扬声器相对位置的自动建立过程生成测试音，并使用该信息根据多个可能的预编程收听者位置中的一个来调节音频输出以获得最佳环绕声。 

本发明涉及一种音频系统，其中该扬声器可用于在二维或三维中 检测该系统或其他声音生成物体的一个或多个用户的动态位置，并据此而调节该系统的输出参数。 
根据一个方面，本发明提供了一种音频输出设备，包括： 
用于耦合到一个或多个音频源并从其接收音频信号的输入端； 
音频处理模块，用于生成多个音频驱动信号，和在用于连接到相应的多个扬声器的各个输出端提供所述音频驱动信号； 
感知模块，具有连接到该音频处理模块的各个输出端的输入端，用于接收与由该扬声器感知的声音对应的信号，该感知模块包括辨别器，用于在对应于该音频驱动信号的信号和来自该扬声器范围内的独立噪声源的感知信号之间辨别；和 
位置计算模块，用于确定所述独立噪声源相对于该扬声器的二维或三维位置。 
附图说明
现在将通过示例和参照附图来描述本发明的实施例，其中： 
图1是结合本发明的音频系统的示意性框图； 
图2是用于解释图1的音频系统的工作原理的示意图； 
图3是用于解释图1的音频系统的建立原理的示意图；和 
图4是结合本发明的另一音频系统的示意性框图。 

在一个方面，一个优选实施例提供了一种自动提供“个人化”和“定位”功能的音频系统或音频设备。 
在“个人化”功能中，采取步骤以识别该设备的单个用户，其对于媒体内容的控制和访问形式有特殊的喜好。“定位”是关于识别用户位于装有该设备的房间中的哪个位置，或者是它们是否存在。在具有该关于谁在哪儿(个体或群体)的信息的基础上，该设备能够建立满足用户需求的最佳工作方式，而对它们部分产生很小影响或者没有影响。 
与个人一样，可以希望知道便携式设备可能在家里的哪个位置。 
音频技术提供一种通过简单测量声音在一条或多条路径上传播所用的时间而获得定位的可能的廉价方法。然而，很明显，需要声音 传感器来实现这种系统，其通常意味着额外的麦克风或超声换能器。这是不方便建立的，并且具有进一步的缺点，即需要额外的通信链接或连接导线以便与整个系统对接。本发明的优选实施例消除或减少了对于额外硬件的需求，并且使得终端用户毫不费力就能实现定位。 
从实用的观点看，许多起居室已经装配了适于被定位以给出可接受的立体声效果或环绕声效果的多个扬声器。这些扬声器被用作个人或设备的本地定位系统的部件，而不需要用户为额外的麦克风、照相机等费心。该扬声器被作为它们的正常功能用作声音生成器，并且作为麦克风用于感知房间中的其他声音。 
参照图1，现在描述结合本发明的音频输出设备的音频系统1。一个或多个常规音频源2以常规方式向放大器4供给音频信号3。音频源2可以是模拟或数字的，例如可以包括CD播放器、DVD播放器、电唱机、磁带播放器、声音服务器、计算机系统、电视机、多媒体中心等等中的一个或多个。放大器4提供适于驱动扬声器15的音频信号5。优选地，该放大器提供用于四声道或其他环绕声系统通道的多通道音频信号。在该示例性实施例中，示出了四个通道5a、5b、5c和5d。 
音频输出设备6被耦合以在输入端7接收音频信号5，该输入端7优选为多通道，但也可以是单通道输入端。音频处理模块8在各个输出端9生成多个音频驱动信号用于驱动扬声器15。提供至少两个输出端9，优选为至少三个或四个输出端。音频处理模块8可以包括放大部分。更重要地，音频处理模块8提供扬声器15和音频源2/放大器4之间的接口，以使得能够区分(i)对应于音频驱动信号的信号和(ii)来自该扬声器但是不对应于该音频驱动信号的反馈或感知音频信号。 
音频处理模块8优选地以一种方式将扬声器15连接到放大器4，以使得通过该放大器驱动该扬声器并且向普通直流电连接输出可比较的结果，同时提供输出端12以使得感知模块10能够区分该音频驱动信号和感知的音频信号。该感知的音频信号对应于该扬声器范围内的独立噪声源，并且由该作为麦克风工作的扬声器拾取。 
在扬声器获得的来自该扬声器“所生成的声音”的功率水平与该扬声器“所检测的声音”相比较，典型地是振幅不同的许多数量级。 该感知模块10适于实用将要描述的多种可能技术中的一种或多种来区分该两个水平。该区分可以是在“所检测声音”信号和“所生成声音”信号之间的同步或准同步区分，如下文中所述。虽然显示为单独的模块6，但是音频处理模块8还可以被包含在单一的音频设备内或者包括音频输出部分的多媒体设备内。 
感知模块10包括辨别器11，用于从放大器4在输入端7生成的信号中辨别来自输出端9的独立噪声源的感知信号。该辨别器11的功能可以包括从输出端9存在的驱动信号中简单减去输入端7的放大器信号。 
然而，更优选地，应当注意，当该音频驱动信号被扬声器15再现时，它们自身会具有在输出端9的感知信号中产生回声的效果，当每个扬声器作为其自身回声和从其他扬声器接收的声音(即“交叉通道干涉”)的麦克风工作时。因而，辨别器11优选地还包括信号处理模块，其不仅减去输入端7的放大器信号，而且还减去来自相同通道和可能的其他通道的放大器信号的回声副本，仅保留对应于来自独立噪声源的感知声音的信号。 
因而，使用“独立噪声源”这个表述来指示所发出声音不归因于、不对应于或不是直接或间接从该音频驱动信号获取的发声物体。因此，在本说明书中，表述“对应于该音频驱动信号的信号”不仅包括该音频驱动信号本身，还包括直接从该音频驱动信号得到的感知信号，例如来自其或交叉通道干涉的回声。 
该感知模块10和辨别器11能够在每个通道独立工作以从每个扬声器获得对应于独立声源的单独辨别的信号。在另一配置中，为每个通道提供单独的感知模块10和/或辨别器11。该一个或多个辨别器11的输出13(每个扬声器15一个)被传送到位置计算模块14，该位置计算模块14分析由该各个扬声器15检测的来自独立噪声源的辨别的声音，并且确定每个独立噪声源的位置。 
辨别器11可以以至少两种不同方式中的一种或多种工作。 
在第一种技术中，通过仅在音频驱动信号低于预定阈值的“静寂”时间周期内“收听”独立噪声源来影响在对应于音频驱动信号的信号和来自独立噪声源的信号之间的辨别，例如从而就能很容易地辨别来自独立噪声源的信号而不需要复杂的信号处理和分析。该预定阈值可 以被设定为任何适当的低音量。 
该静寂周期可以是自然发生的周期，例如在话语或者例如电影配乐中规则发生的几毫秒或更多时间。可选地，或者附加地，可以通过周期性抑制该音频驱动信号例如通过改变或变化放大器增益来有意产生该静寂周期。这是可以自动实现或者由用户的特定指令来实现的。 
在这些结构中，辨别器11具有仅在指示静寂周期时提供输出的相对简单的功能。这是通过一种用于连接和断开感知模块10的相对简单的继电器装置来实现的。 
这种使用静寂周期的方案具有这样的优点，在该音频驱动信号和独立噪声源信号的极大不同的信号水平之间不存在电混频。在声学上，在由该系统先前生成的声音而产生的任何回声消失后，当扬声器在“麦克风”模式工作时，不会检测到除了由该扬声器附近的独立噪声源所产生的声音之外的声音。这种方案的缺点是，自然静寂周期的可靠性在一些类型的音频输出例如音乐中可能不存在，或者有意产生的静寂周期会刺激收听者，如果它足够长以至于在本应连续的音频输出中能够检测到。 
在第二种技术中，通过音频输出确切同步地实现在对应于音频驱动信号的信号与来自独立噪声源的信号之间的辨别，而不是上面的准同步时间切片方案。通过与被供给的电音频输入相比较以连续区分该扬声器振膜的实际运动，从而实现该辨别。在一个方案中，音频处理器8包括位于放大器4和扬声器15之间的电阻，其中从输出端9的音频驱动信号中减去在输入端7进入的音频信号以确定在该扬声器范围内的独立噪声源。 
扬声器和放大器的电阻通常是复杂和频率相关的(“电压来源的”和“电流驱动的”)，并且该来自独立噪声源的信号的振幅远远低于该驱动信号。因而，优选地使用更高级的信号处理技术。这些技术也考虑如上所述的回声信号和交叉通道干涉信号。该信号处理还可以包括自动自适应以评估该放大器4和扬声器15组合使用的实际特性。 
该位置计算模块14适应于确定任何被检测独立噪声源的位置，其信号在感知模块10的输出端13接收，每个扬声器15至少有一个。 
图2示出了描述用于四扬声器系统的位置计算模块14的操作的 示意图。在五扬声器系统中，可以忽略一个低频的子低音扬声器(sub-woofer speaker)。 
如果该人或用户“A”说话(即作为独立噪声源)，可以通过测量他的声音沿由虚线所示路径到达该四个扬声器所需的时间来检测他相对于该四个扬声器15a...15d的位置。如果一个人或用户“B”说话，那么她的声音将沿着不同路径传播和花费不同的时间，从而计算她的位置。 
该花费的时间可以从用户所说的话语的任何适当部分测量。一个相对简单的解决方案是，通过简单地查找该用户声音水平超过特定阈值的点来检测用户A或用户B所说的任何句子的开始。更高级的方法可以包括校正特定的音位模式，从而补偿可能会降低可靠性的、来自附近和远程扬声器的振幅差别。 
因为该系统不确切知道用户开始发出噪声的时间，所以对于每个扬声器测量的来自噪声源的时间(并且从而导致所计算的距离)仅仅是相对于彼此可知的。然而，如果利用表示该四个扬声器的真实位置和相距距离的参考信息来对该系统进行预编程，就可以准确地知道该噪声源的实际位置。 
实际上，可以由该系统在初始建立过程期间自动检测该四个扬声器15a...15d相对于彼此的真实位置，其中使用一个由每个扬声器依次产生测试音而构成的测试序列，同时其他三个作为麦克风工作。通过测量该声音在扬声器之间传播所花费的时间，就能够确定它们的相对位置，因为声音在空气中的速度是固定的。 
参照图3描述该技术的一个例子。该测试序列开始，系统从前左扬声器15a发出第一猝发声(sound burst)，并且通过测量前右扬声器15b、后右扬声器15d和后左扬声器15c接收该第一猝发声的时间而确定路径长度31、32和33。然后，系统从前右扬声器15b发出第二猝发声，并且通过测量后左扬声器15c和后右扬声器15d接收该第二猝发声的时间而确定路径长度34和35。最后，系统从后右扬声器15d发出第三猝发声，并且通过测量后左扬声器15c接收该第三猝发声的时间而确定路径长度36。 
将会理解，可以改变测量的顺序和组合。如果使用不同的频率以便能够同时检测，还可以同时产生该猝发音。如果需要，可以对改变 或颠倒的扬声器组合使用进一步的检验以验证该结果或提高准确性。 
该扬声器所在房间内的反射、回声和声阻尼可以给出由该扬声器感知的很多类型的信号。不过，可以安全地假定，该直接路径是最短路径，以及如果该系统仅测量对于猝发声激励的第一(最快)响应而忽略任何随后的输入，那么就可以准确地计算该路径长度。 
该测试序列可以以稀少的间隔产生，或者仅仅在该音频系统开启时完成一次，除非该扬声器的位置被频繁改变。该测试序列使得所有扬声器对之间的所有路径长度被计算，将它们的位置“固定”在位置计算模块14的存储器18中。这里，该位置计算模块优选地存储一个参考映射，用于根据该系统中每个扬声器15所接收的声音测量来确定所检测的独立噪声源的绝对位置。 
扬声器15的相对位置不需要是矩形或规则模式以使得该系统工作。 
为了使扬声器位置感知更准确和减小对用户的干扰，优选的在建立期间的猝发音是在相对较高的频率(例如大约16kHz)和较低的声学水平以便超出大多数人的听觉范围，但是能够很好地被扬声器检测。 
应当注意，随后使用该系统来确定独立噪声源的位置并不限于被该四个扬声器限定的区域。从该区域外部发出的声音仍将具有允许计算该位置的不同的路径长度和延迟时间。 
一旦建立，感知模块10和位置计算模块14以很大程度上相同的方式工作，不论是否检测到噪声源的位置是人或物体。该人或物体发出声音。使用各种可能的技术来识别该声音中的一些特定时间点，并且测量该点到达该四个扬声器的相对时间。通过简单的几何学，可以计算该人或物体的位置，因为系统已经知道该扬声器相距多远。然后该系统以各种方式使用该位置信息来影响其功能。 
一个重要方面是，该系统能够被配置成使用至少三个、四个或更多扬声器以进行声音产生和感知。这使得能够准确确定独立噪声源在二维或三维中的位置，这是在例如如上所述的现有技术系统中没有提供的特征。在扬声器15处于相同平面上时，例如高于地平面几十厘米的水平x-y平面(环绕声系统常用的)，该系统能够至少用x和y精确确定独立噪声源的位置。将扬声器定位在由其他至少三个扬声器 限定的平面之外以便能够实现三维位置感知。在一些常规环绕声系统中，通常使用放置在如图2和3所示矩形配置中同一高度的四个扬声器，以及放置在该矩形配置后方或该矩形配置前方的地面上例如在电视机屏幕下方用于对话的子低音或中央扬声器。该水平的差别允许实现完整三维位置感知。 
在图4中示出了如上所述系统的典型实施例的简单框图。该系统40以如下方式工作。 
控制器41通过激活测试序列生成器42而在开启时或者在稀少间隔时初始化测试序列，该音频放大器4的输入被简单连接到该产生上述音频信号模式的测试序列生成器42。这使得每个扬声器15依次生成猝发音，而其他扬声器检测该声音。对于每个通道，该检测的声音被感知模块和辨别器10(显示为扬声器接口单元)感知和辨别。每个通道被辨别的信号43被传送到相应的声音特征检测器44。 
每个声音特征检测器识别该被辨别声音波形中的特定点(例如正弦波脉冲)，并且当完成时发送触发信号。将该触发信号的计时与控制器14提供的来自测试序列生成器的参考“起始”触发信号相比较，给出该声音穿越当前被测试路径的时间延迟。这些计时的测量结果被计算和存储在时间延迟存储模块45中，其在该测试序列完成后具有所有被测试声学路径(即在所有扬声器对之间)的时间延迟。 
该位置计算模块14从时间延迟存储模块15接收从该测试序列得到的信息，并且使用它来计算扬声器之间的距离。该信息被保留在位置计算模块14中以便随后使用。实际上，它允许描绘出房间中布置的扬声器15的参照图，随后被感知的声音的位置将分布在该框架内。 
在该测试序列完成后，系统40回复到正常工作模式，在其间能够确定独立噪声源的位置。在该正常工作模式中，控制器41不选择该测试序列生成器42，但是可以重新配置声音特征检测器44以查找特定类型或模式的声音(如果这些与在该测试序列中产生的声音类型或模式不同)。例如，该声音特征检测器可以被重新配置以查找低频嗓音或中等水平的咳嗽，而不是在测试模式中使用的低水平16kHz正弦波脉冲。因而，在一般方面，该声音特征检测器44还包括一个或多个信号处理器，用于识别独立噪声源信号的一个或多个特征部分，从而可以使用这些特征部分来确定相对时间差。 
在该正常工作模式，由所有四个扬声器15拾取的正确声音被该声音特征检测器44辨识，其中每个在对应于该声音从其声源传播到相关扬声器所花费时间长度的时间触发。该信息被存储在时间延迟存储模块45中，并且被依次传送到位置计算模块14。 
虽然现在该检测声音的时间延迟只是相对于彼此的(没有来自该用于独立噪声源的测试序列生成器的“开始”触发信号的等效物)，但是位置计算模块14已经知道该扬声器之间的绝对距离。因此它能够计算已经被检测的声源的绝对位置。该位置信息(例如以相对于前左扬声器15a和前右扬声器15b之间的基线方向的x，y坐标点的形式)可以由该更宽的系统或网络用于根据应用的需要而处理。 
每次检测到房间中的相关声音时，该系统的位置输出被更新以反映最新声源的位置。优选地，音频输出设备6包括匹配模块16，适于检测属于一个或多个预定噪声源的声音的预定模式或特征。该匹配模块包括这些可以与预定独立噪声源相关联的预定模式或特征的库17。这些预定噪声源可以是人或物例如电话等，其具有可以被作为候选匹配存储在库14中的特征声音模式。 
本发明的许多应用是可能的，以下给出了一些示例。 
1.用于多通道音频系统的自动均衡控制：在具有三个或更多扬声器的环绕声系统中，该系统能够根据一个或多个用户每个发出的噪声(例如咳嗽或特定的声音命令)而确定他们的二维或三维位置，并且能够使用该位置信息来为该一个或多个用户设定声音的最优左/右和前/后空间分布。当该系统检测到两个用户时，该系统可以对于该用户之间的中点最优的空间分布。如果用户绕着房间移动，那么他们只需要发出噪声以使该系统自动重新调整该声音的最优空间分布。从而，在一个一般方面，该检测的独立噪声源可以用于设定优化声音空间分布的声音均衡控制参数。 
2.优化不同用户的偏好：多通道音频系统可以学习不同用户的收听偏好。当该系统检测到匹配用户声音特征的独立噪声源时，该系统可以使用所检测的个人用户和/或用户组的偏好来优化声音参数、编程材料选择和自动均衡。对于个人来说，所需要的只是发出足以供该系统辨别谁存在的一些噪声。然后该音频输出被调节以便优化用于所有用户的表示。例如，系统设定James、他妻子Jane和小儿子Jack 在房间中。James在中央，Jane在后左扬声器附近，Jack围绕前左和前右扬声器之间移动。该系统学习到James喜欢相当大声地播放音乐，而Jane喜欢更安静一些，并且该水平应当被限制以保护年幼Jack的听觉。因此，该系统可以确定适中音量水平的控制参数；更高的低音控制用于补偿该较低的音量水平；因为Jane在后左扬声器附近并且会被来自该声源的高噪声刺激，所以更低地加重环绕声。大体上，给出最佳折衷的声音表示以满足所有收听者。利用正常学习的系统，检测该房间中的三个特定人也会影响编程内容的选择。 
另一个类似的应用可以设定控制参数以优化收听者所处区域的音频再现。例如，扬声器的空间特性可能不与频率一致，所以如果系统知道收听者偏离特定扬声器30度，并且还知道高频响应在该位置衰减4dB，那么它会调节该单个通道的音调控制以进行补偿。这种系统能够进行更好质量的声音再现，根据收听者的位置进行优化(并且与该房间其他区域的质量无关)。 
以类似的方式，如果收听者被检测到远离房间中的最佳中心位置，那么系统会通过对来自较近扬声器的声音信号添加时间延迟进行补偿以便在收听者所在位置形成更好的环绕声像。 
3.按要求自适应音频输出：如果该系统与声音识别系统集成，个人用户可以命令该系统控制音频输出或控制连接到该系统的其他一些电子设备。然而，除此之外，该“用户”不需要是一个人，还可以是一个设备。例如，该匹配模块16可以被编程以检测电话铃声，门铃声，火或烟雾警报声，或者其他任何生成可听“警报”信号的设备。在这种情况下，与该设备相关的“用户偏好”是立即减小该系统的音频输出音量，或者完全关掉该系统。 
因而，如果当系统正在播放音乐时移动电话响了，该系统能够检测到该电话的位置以及也许谁正在应答它。根据用户偏好，这种信息可以被用于自动调节音频表示。如果仅存在一个人，当电话铃响时自动暂停音乐，并且当用户指示时再继续播放(例如通过口哨或当他或她回到他或她的通常收听座位时)。可选地，如果在房间里有多个收听者，该系统可以简单地把音乐降低到较低的音量，或者调节声音均衡远离电话所在的区域。 
假定有适当复杂的音频信号处理，就能够在该电话区域形成声音 抑制区，因为该音频系统相当准确地知道该电话在哪儿。该技术与在车辆中用于生成反相声音信号的振动抑制技术类似。在这种情况下，该音频输出的相位和振幅将特别适于在该电话区域中形成近似静寂的“死点”。因为该效应仅在较小区域中有效，所以该房间中的其他人仍然能听到该音频。 
4.设备位置确认：系统一般可用于确认任何能够发出可被扬声器检测的噪声的设备的位置。这种功能可以被用于提高购买移动电话上的内容时的安全性：对于该内容的访问将依赖于例如被放置在家庭媒体中心附近的电话，以及使用近场通信在它们之间传递的消息。在本发明中描述的基于音频的定位方法能够例如通过触发该电话产生特定的铃声音调或其他噪声，来提供对于该移动电话事实上在家庭媒体中心附近的附加确认。从而，在一般的方面，匹配模块16可以被编程以辨识由通信或安全设备(例如移动电话)生成的任何特定声音模式以确认它在该系统附近的存在。然后，它的存在确认可用于确定一组控制参数，以便能够实现到达和/或来自该通信或安全设备和耦合到该音频系统的另一电子设备的通信通道。 
5.对于观看者位置优化视频显示器：用于消费者电子设备的一些显示技术具有受限的视角，并且当从推荐位置的外部观看时存在色彩失真或其他效应。在正常起居室中的该效应可以是当从沙发上观看时是好的显示质量，而当在该房间的不同部分时是较差的结果。上述的系统可以用于使得该最佳显示器追随观看者，或者在多个观看者的情况下给出最佳折衷。 
作为一个简单的例子，平面显示器可以被安装在一个机动台上，设置成当观看者说话或发出噪声时，使得该显示器旋转以面向观看者。可选地，该显示技术自身可以是内部电可调节的以便在观看者的方向上产生最佳显示而不需要显示器外壳的物理移动。因而，在一个一般方面，该检测一个或多个用户位置的音频系统可以耦合到该视频显示设备(或者构成其一个集成部分)，并生成作为该显示设备的一个或多个观看者位置的函数的显示控制参数。将会理解，当多于一个观看者存在于该房间的不同部分时，可以根据该显示设备对于所有观看者的最优设定来确定该控制参数。 
6.声音识别辅助：声音识别技术被用于控制某些类型的设备例 如计算机系统。通常，该声音识别系统必须学习多个个体用户的特征以理解他们的话语命令，并且必须在附近有多个用户和其他独立噪声源的相对嘈杂的环境中执行该功能。上述音频系统能够确定作为独立噪声源的特定个体的位置以协助该声音识别系统区分在相同区域说话的两个或更多个体。这样，通过根据位置分离该声音，澄清了所涉及个体的数量，并且减少了言语学习代理和声音识别系统误将一个人的声音转换成另一人而出错的程度。这使得个体声音和他们的命令的辨别和识别过程更可靠和更快速。 
其他实施例被包含在所附权利要求的范围内。