BRPI0808965B1

BRPI0808965B1 - Método e aparelho para medir a intensidade sonora percebida de um sinal de áudio e meio legível por computador

Info

Publication number: BRPI0808965B1
Application number: BRPI0808965-5A
Authority: BR
Inventors: Alan Jeffrey Seefeldt
Original assignee: Dolby Laboratories Licensing Corporation
Priority date: 2007-06-19
Filing date: 2008-06-18
Publication date: 2020-03-03
Also published as: MY144152A; AU2008266847B2; HK1141622A1; WO2008156774A1; DK2162879T3; IL200585A0; BRPI0808965A2; CN101681618A; EP2162879A1; CA2679953A1; CN101681618B; TW200912893A; US20100067709A1; IL200585A; EP2162879B1; MX2009009942A; RU2434310C2; RU2009135056A; KR20100013308A; PL2162879T3

Abstract

método e aparelho para medir a intensidade sonora percebida de um sinal de áudio e meio legível por computador a presente invenção refere-se à intensidade sonora percebida de um sinal de áudio é medida por meio da modificação de uma representação espectral de um sinal de áudio como uma função de uma forma espectral de referência de modo que a representação espectral do sinal de áudio conforme-se mais estritamente à forma espectral de referência, e por meio da determinação da intensidade sonora percebida da representação espectral modificada do sinal de áudio.

Description

Relatório Descritivo da Patente de Invenção para “MÉTODO E APARELHO PARA MEDIR A INTENSIDADE SONORA PERCEBIDA DE UM SINAL DE ÁUDIO E MEIO LEGÍVEL POR COMPUTADOR”.

Campo da Técnica [0001] A presente invenção refere-se a um processamento de sinal de áudio. Em particular, a presente invenção se refere-se à medição da intensidade sonora percebida de um sinal de áudio por meio da modificação da representação espectral de um sinal de áudio como uma função de sua forma espectral de referência de modo que a representação espectral do sinal de áudio conforme-se de uma forma mais estrita à forma espectral de referência, e por meio do cálculo da intensidade sonora percebida da representação espectral modificada do sinal de áudio.

Referências e Incorporação por Referência [0002] Certas técnicas para medir objetivamente uma intensidade sonora (psicoacústica) percebida, úteis para um melhor entendimento dos aspectos da presente invenção são descritas na Publicação Internacional WO 2004/111994 A2, de Alan Jeffrey Seefeldt et al., apresentada em 23 de dezembro de 2004, intitulada Method, Apparatus and Computer Program for Calculating and Adjusting the Perceived Loudness of an Audio Signal, no Pedido de Patente resultante US N. 2007/0092089, depositado em 26 de abril de 2007, e no documento A New Objective Measure of Perceived Loudness, de Alan Seefeldt et al., Audio Engineering Society Convention Paper 6236, San Francisco, de 28 de outubro de 2004. A dita Publicação WO 2004/11 1994 A2 e dito Pedido de Patente U.S. N. 2007/0092089 e o dito documento imediatamente acima são incorporados ao presente relatório descritivo a título de referência em suas totalidades.

Antecedentes da Técnica

Petição 870190106776, de 22/10/2019, pág. 4/28

2/18 [0003] Existem muitos métodos para medir objetivamente a intensidade sonora percebida de sinais de áudio. Exemplos destes métodos incluem as medidas de força ponderadas A, B, e C, bem como os modelos psicoacústicos de intensidade sonora, como descritos no documento Acoustics - Method for calculating loundness level, ISO 532 (1975) e a dita publicação WO 2004/111994 A2 e Pedido de Patente U.S. N. 2007/0092089. As medidas de força ponderadas operam ao considerar um sinal de entrada de áudio, aplicar um filtro conhecido que enfatiza as frequências mais perceptivelmente sensíveis e desconsidera as frequências perceptivelmente menos sensíveis, e, em seguida, calcular a potência do sinal filtrado por uma extensão de tempo predeterminada. Os métodos psicoacústicos são normalmente mais complexos e visam modelar melhor o trabalho do ouvido humano. Tais métodos psicoacústicos dividem o sinal em faixas de frequência que imitam a resposta de frequência e a sensibilidade do ouvido e, em seguida, manipulam e integram as bandas, levando em consideração fenômenos psicoacústicos, tais como a frequência e o mascaramento temporal, bem como a percepção não-linear, com variadas intensidades de sinal. O objetivo de todos estes métodos é obter uma medida numérica que corresponda mais proximamente à impressão subjetiva do sinal de áudio.

[0004] O inventor descobriu que as medições de uma intensidade sonora objetiva descrita não encontram uma correspondência precisa às impressões subjetivas para determinados tipos de sinais de áudio. Na dita publicação WO 2004/111994 e Pedido de Patente U.S. N. 2007/0092089, estes sinais problemáticos são descritos como banda estreita, significando que a maior parte da potência do sinal fica concentrada em uma ou várias pequenas porções do espectro sonoro. Nos ditos pedidos, é apresentado um método para lidar com esses sinais, envolvendo a modificação de um modelo psicoacústico tradicio

Petição 870190106776, de 22/10/2019, pág. 5/28

3/18 nal de percepção de intensidade sonora a fim de incorporar dois aumentos de funções de intensidade sonora: um para os sinais de banda larga e outro para os sinais de banda estreita. A publicação WO 2004/111994 A2 e Pedido de Patente U.S. N. 2007/0092089 descrevem uma interpolação entre as duas funções com base em uma medida da estreiteza de banda do sinal.

[0005] Embora tal método de interpolação melhore o desempenho da medição da intensidade sonora objetiva com relação às impressões subjetivas, o inventor, desde então, desenvolveu um modelo psicoacústico alternativo de percepção da intensidade sonora que, ele acredita, explica e resolve de uma maneira melhor as diferenças entre as medições da intensidade sonora objetiva e subjetiva para os sinais problemáticos de banda estreita. A aplicação de tal modelo alternativo à medição da intensidade sonora objetiva constitui um aspecto da presente invenção.

Descrição dos Desenhos [0006] A figura 1 mostra um diagrama em blocos esquemático simplificado de aspectos da presente invenção.

[0007] As figuras 2A, B, e C mostram, de uma maneira conceitual, um exemplo de aplicação de modificações espectrais, de acordo com os aspectos da invenção, a um espectro de áudio idealizado que contém frequências predominantemente graves.

[0008] As figuras 3A, B, e C mostram, de uma forma conceitual, um exemplo de aplicação de modificações espectrais, de acordo com os aspectos da presente invenção, a um espectro de áudio idealizado similar a um espectro de referência.

[0009] A figura 4 mostra um conjunto de respostas críticas de filtro de banda, úteis na computação de um sinal de excitação para um modelo de intensidade sonora psicoacústica.

[00010] A figura 5 mostra os contornos de uma intensidade sonora

Petição 870190106776, de 22/10/2019, pág. 6/28

4/18 igual de acordo com o ISO 226. A escala horizontal é a frequência em Hertz (escala logarítmica de base 10) e a escala vertical é o nível de pressão sonora em decibéis.

[00011] A figura 6 é um gráfico que compara as medidas de intensidade sonora objetiva a partir de um modelo psicoacústico nãomodificado às medidas de intensidade sonora subjetiva para um banco de dados de gravações de áudio.

[00012] A figura 7 é um gráfico que compara as medidas de intensidade sonora objetiva a partir de um modelo psicoacústico, empregando aspectos da presente invenção, às medidas de intensidade sonora subjetiva para o mesmo banco de dados de gravações de áudio. Descrição da Invenção [00013] De acordo com os aspectos da presente invenção, o método para medir a intensidade sonora percebida de um sinal de áudio inclui a obtenção de uma representação espectral do sinal de áudio, a modificação da representação espectral como uma função da forma espectral de referência de modo que a representação espectral do sinal de áudio conforme-se mais estritamente a uma forma espectral de referência, e o cálculo da intensidade sonora percebida da representação espectral modificada do sinal de áudio. A modificação da representação espectral como uma função da forma espectral de referência pode incluir a minimização da função das diferenças entre a representação espectral e a forma espectral de referência, e a definição de um nível para a forma espectral de referência em resposta à minimização. A minimizando da função das diferenças poderá minimizar a média ponderada das diferenças entre a representação espectral e a forma espectral de referência. A minimização da função das diferenças poderá ainda incluir a aplicação de um deslocamento de modo a alterar as diferenças entre a representação espectral e a forma espectral de referência. O deslocamento pode ser um deslocamento fixo. A modificação

Petição 870190106776, de 22/10/2019, pág. 7/28

5/18 da representação espectral como uma função da forma espectral de referência poderá ainda incluir a tomada do nível máximo da representação espectral do sinal de áudio e da forma espectral da referência definida em níveis. A representação espectral do sinal de áudio pode ser um sinal de excitação que aproxima a distribuição de potência ao longo da membrana basilar do ouvido interno.

[00014] De acordo com outros aspectos da presente invenção, o método de medição da intensidade sonora percebida de um sinal de áudio inclui a obtenção de uma representação de sinal de áudio, a comparação da representação de sinal de áudio a uma representação de referência a fim de determinar quão próximo a representação de sinal de áudio está da representação de referência, a modificação de, pelo menos, uma parte da representação de sinal de áudio de modo que a representação modificada resultante do sinal de áudio corresponda mais proximamente à representação de referência, e a determinação da intensidade sonora percebida do sinal de áudio a partir da representação modificada do sinal de áudio. A modificação de pelo menos uma parte da representação de sinal de áudio poderá incluir o ajuste do nível da representação de referência no que diz respeito ao nível da representação de sinal de áudio. O nível da representação de referência pode ser ajustado de modo a minimizar a função das diferenças entre o nível da representação de referência e o nível da representação de sinal de áudio. A modificação de pelo menos uma parte da representação de sinal de áudio pode incluir o aumento do nível de partes do sinal de áudio.

[00015] De acordo com ainda com outros aspectos da presente invenção, um método para determinar a intensidade sonora percebida de um sinal de áudio inclui a obtenção de uma representação de sinal de áudio, a comparação da forma espectral da representação de sinal de áudio a uma forma espectral de referência, o ajuste do nível da

Petição 870190106776, de 22/10/2019, pág. 8/28

6/18 forma espectral de referência de modo a corresponder à forma espectral da representação de sinal de áudio para que as diferenças entre a forma espectral da representação de sinal de áudio e a forma espectral de referência sejam reduzidas, a designação de uma forma espectral modificada de representação de sinal de áudio através do aumento de porções da forma espectral da representação de sinal de áudio a fim de acentuar ainda mais a correspondência entre a forma espectral da representação de sinal de áudio e a forma espectral de referência, e a determinação de uma intensidade sonora percebida do sinal de áudio com base na forma espectral modificada da representação de sinal de áudio. O ajuste pode incluir a minimização da função das diferenças entre a forma espectral da representação de sinal de áudio e a forma espectral de referência, e a definição de um nível para a forma espectral de referência em resposta à minimização. A minimização da função das diferenças poderá minimizar a média ponderada das diferenças entre a forma espectral da representação de sinal de áudio e a forma espectral de referência. A minimização da função das diferenças pode ainda incluir a aplicação de um deslocamento de modo a alterar as diferenças entre a forma espectral da representação de sinais de áudio e a forma espectral de referência. O deslocamento pode ser um deslocamento fixo. A modificação da representação espectral como uma função da forma espectral de referência poderá ainda incluir a tomada do nível máximo da representação espectral do sinal de áudio e da forma espectral de referência definida em níveis.

[00016] De acordo com outros aspectos da presente invenção, a representação de sinal de áudio pode ser um sinal de excitação que se aproxima da distribuição de potência ao longo da membrana basilar do ouvido interno.

[00017] Outros aspectos da presente invenção incluem aparelhos para a realização de qualquer um dos métodos acima e um programa

Petição 870190106776, de 22/10/2019, pág. 9/28

7/18 de computador, armazenado em um meio legível em computador de modo a fazer com que um computador execute qualquer um dos métodos acima citados.

Melhor Modo para se Executar a Invenção [00018] De um modo geral, todas as medições de intensidade sonora objetiva anteriormente mencionadas (tanto as medições de potência ponderada como os modelos psicoacústicos) podem ser vistas como a integração através de frequência de uma representação do espectro do sinal de áudio. No caso de medições de potência ponderada, este espectro é o espectro de potência do sinal multiplicado pelo espectro de potência do filtro de ponderação escolhido. No caso de um modelo psicoacústico, este espectro pode ser uma função não-linear da potência dentro de uma série de bandas críticas consecutivas. Conforme mencionado acima, acredita-se que as medidas objetivas de intensidade sonora provenham um desempenho reduzido para os sinais de áudio que possuem um espectro anteriormente descrito como banda estreita.

[00019] Ao invés de visualizar tais sinais como banda estreita, o inventor desenvolveu uma explicação mais simples e intuitiva baseada na premissa de que esses sinais sejam diferentes para a forma espectral média de sons simples. Pode-se argumentar que a maioria dos sons encontrados na vida cotidiana, particularmente a fala, possui uma forma espectral que não se afasta muito significativamente de uma forma espectral média esperada. Esta forma espectral média apresenta uma diminuição geral na potência com a frequência crescente, que é passada em banda entre a maior e a menor frequências audíveis. Quando se avalia a intensidade acústica de um som que possui um espectro que se desvia significativamente de tal forma espectral média, é uma hipótese do presente inventor de se poder cognitivamente preencher até certo grau as áreas do espectro que não tem a po

Petição 870190106776, de 22/10/2019, pág. 10/28

8/18 tência esperada. A impressão geral da intensidade sonora é, então, obti-da por meio da integração através da frequência de um espectro modificado que inclui uma porção espectral cognitivamente preenchida do que pelo espectro de sinal em questão. Por exemplo, se alguém estiver ouvindo uma música com apenas um baixista tocando, é de se esperar que, de modo ge-ral, outros instrumentos, eventualmente, se juntem ao baixo e preencha o espectro. Em vez de julgar a intensidade sonora geral do solo do baixo, a partir de seu espectro sozinho, o presente inventor acredita que uma parte da percepção geral da intensidade sonora é atribuída às frequências ausen-tes que se espera acompanhar o baixo. Uma analogia pode ser feita com o conhecido efeito fundamental ausente na psicoacústica. Quando alguém ouve uma série de tons harmonicamente relacionados, mas a frequência fundamental da série encontra-se ausente, esta pessoa poderá ainda per-ceber a série como tendo um passo correspondente à freqüência da funda-mental ausente.

[00020] De acordo com os aspectos da presente invenção, o hipotético fenômeno subjetivo acima é integrado a uma medida objetiva da intensida-de sonora percebida. A figura 1 ilustra uma visão geral dos aspectos da pre-sente invenção que se aplica a qualquer uma das medidas objetivas já mencionadas (isto é, tanto aos modelos de potência ponderada como aos modelos psicoacústicos). Como uma primeira etapa, um sinal de áudio x pode ser transformado em uma representação espectral X compatível com a medida de intensidade sonora objetiva em especial utilizada. Um espectro de referência fixa Y representa a forma espectral média esperada, hipotética acima apresentada. Este espectro de referência pode ser pré-computado, por exemplo, ao se calcular os espectros de um banco de dados representa-tivo de sons simples. Como uma etapa seguinte, um espectro de referência Y pode corresponder ao espectro de sinal X de modo a

Petição 870190106776, de 22/10/2019, pág. 11/28

9/18 gerar um espectro de referência definido em níveis YM. Esta correspondência significa que YM é gerado como uma escala de nível de Y de modo que o nível do espectro de referência correspondente YM fique alinhado ao sinal X, o alinhamento sendo uma função da diferença de nível entre X e Y através da freqüência. O alinhamento de níveis pode incluir uma minimização de uma diferença ponderada ou nãoponderada entre X e Y através da freqüência. Essa pon-deração pode ser definida de várias maneiras, mas pode ser escolhida de modo que as porções do espectro X que se desviam mais do espectro de referência Y sejam ponderadas mais fortemente. Neste sentido, as porções mais incomuns do espectro de sinal X ficam alinhadas mais próximas do espectro YM. Em seguida, um espectro de sinal modificado Xc é gerado ao modificar o espectro X de modo a ficar próximo do espectro de referência correlato YM de acordo com um critério de modificação. Como será detalhada abaixo, esta modificação pode assumir a forma de uma seleção simples do máximo de X e YM através da frequência, o que simula o preenchimento cognitivo acima apresentado. Finalmente, o espectro de sinal modificado Xc pode ser processado de acordo com a medida de intensidade sonora objeti-va selecionada (isto é, algum tipo de integração através da freqüência) de modo a produzir um valor de intensidade sonora objetiva L.

[00021] As figuras 2A a 2C e 3A a 3C ilustram, respectivamente, exem-plos da computação dos espectros de sinal modificados XC para dois espec-tros de sinal originais diferentes X. Na figura 2A, o espectro de sinal original X, representado pela linha cheia, contém a maior parte da sua potência nas freqüências graves. Em comparação com um espectro de referência Y ilus-trado, representado pelas linhas tracejadas, a forma do espectro de sinal X é considerada incomum. Na figura 2A, o espectro de referência é inicial-mente mostrado em um nível de partida arbitrário (a linha tracejada superi-or), acima do espectro de sinal

Petição 870190106776, de 22/10/2019, pág. 12/28

10/18

X. O espectro de referência pode ser reduzi-do em níveis de modo a coincidir com o espectro de sinal X, criando um es-pectro de referência correspondente YM (a linha tracejada inferior). Pode-se notar que YM correlaciona-se mais estritamente às frequências graves de X, o que pode ser considerado a parte incomum parte do espectro de sinal em relação ao espectro de referência. Na figura 2B, as partes do espectro de sinal X abaixo ao espectro de referência correspondente YM são iguais a YM, modelando, assim, o processo de preenchimento cognitivo. Na figura 2C, vê-se o resultado de que o espectro de sinal modificado XC, representado pela linha pontilhada, é igual ao número máximo de X e YM através da frequência. Neste caso, a aplicação da modificação espectral adicionou uma quantidade significativa de potência ao espectro de sinal original nas frequências mais altas. Como resultado, a intensidade sonora computada a partir do espectro de sinal modificado Xc é maior do que teria sido computada a partir do espectro de sinal original X, que vem a ser o efeito desejado.

[00022] Nas figuras 3A a 3C, o espectro de sinal X é similar ao espectro de referência Y. Como resultado, um espectro de referência correspondente Ym pode ser inferior ao espectro de sinal X em todas as frequências, e o espectro de sinal XC pode ser igual ao espectro de sinal X original. Neste exemplo, a alteração de forma alguma afetará a medição de intensidade sonora subsequente. Para a maioria dos sinais, os seus espectros ficam suficientemente próximos do espectro modificado, como nas figuras 3A a 3C, de tal modo que nenhuma modificação é aplicada e, portanto, não ocorre nenhuma alteração à computação da intensidade sonora. De preferência, apenas os espectros incomuns, como os das figuras 2A a 2C, são modificados.

[00023] Na dita publicação WO 2004/111994 e Pedido de Patente U.S. N. 2007/0092089, Seefeldt et al. apresentam, entre outras coisas, uma medida objetiva da intensidade sonora percebida com base em

Petição 870190106776, de 22/10/2019, pág. 13/28

11/18 um modelo psicoacústico. A modalidade preferida da presente invenção pode aplicar a modificação espectral descrita a tal modelo psicoacústico. O modelo, sem a modificação, é primeiramente revisado e, em seguida, são apresentados os detalhes da aplicação da modificação. [00024] A partir de um sinal de áudio, x[n], o modelo psicoacústico primeiramente calcula um sinal de excitação E[b,t] que se aproxima da distribuição de potência ao longo da membrana basilar do ouvido interno em uma banda crítica B durante o bloco de tempo t. Essa excitação pode ser calculada a partir da Transformada de Fourier Discreta de Curto Prazo (Short-time Discrete Fourier Transform) (STDFT) do sinal de áudio, como segue:

E[b,t] = E\b- t -1] + (1 - E^!\K[ C [kf\X[k, t]|² (1) k

na qual X[k,t] representa a transformada STDFT de x[n] no bloco de tempo t e no binário k, onde k é o índice binário de frequência na transformada, T[k] representa a resposta de frequência de um filtro que simula a transmissão de áudio através do ouvido externo e médio, e Cb[k] representa a resposta de frequência da membrana basilar em um local correspondente à banda crítica b. A figura 4 apresenta um conjunto adequado de respostas críticas de filtro de banda nas quais quarenta bandas são espaçadas uniformemente ao longo da escala de Largura de Banda Retangular Equivalente (Equivalent Rectangular Bandwidth) (ERB), conforme definida por Moore e Glasberg (Moore B.C.J., B. Glasberg, T. Baer, no documento A Model for the Prediction of Thresholds, Loudness, and Partial Loudness, Journal of the Audio Engineering Society, Vol. 45, N. 4, abril de 1997, pp. 224-240). Cada forma de filtro é descrita por uma função exponencial arredondada e as bandas são distribuídas usando um espaçamento de 1 ERB. Por fim, o aplainamento da constante de tempo Xb em (l) pode ser vantajosamente escolhido proporcional ao tempo de integração da percepção de intensidade sonora humana dentro da faixa B.

Petição 870190106776, de 22/10/2019, pág. 14/28

12/18 [00025] Ao se usar contornos iguais de intensidade sonora, tais como os ilustrados na figura 5, a excitação em cada faixa é transformada em um nível de excitação que gera a mesma intensidade sonora a 1 kHz. A intensidade sonora específica, uma medida da intensidade sonora perceptiva distribuída através de frequência e tempo, é em seguida computada a partir da excitação transformada, ElkHZ[b,t], através de uma não-linearidade compressiva. Tal função adequada para computar a intensidade sonora específica N[b,t] é dada por:

^E1kHz ^[b,^{t ]} Ί ^TQ1kHz J (2) na qual TQlkHz é o limite em silêncio a 1 kHz e β e α são escolhidos de modo a corresponder à impressão subjetiva do aumento da intensidade sonora para um tom de lkHz. Embora um valor de 0,24 para β e um valor de 0,045 para α tenham sido considerados adequados, esses valores não vêm a ser uma questão importante. Finalmente, a intensidade sonora total, L[t], representada em unidades de som, é calculada por meio da soma da intensidade sonora específica através das bandas:

L[t} = £ N[b, t] (3) b

[00026] Neste modelo psicoacústico, existem duas representações espectrais intermediárias do áudio antes da computação da intensidade sonora total: a excitação E[b,t] e a intensidade sonora específica N[b,t]. Para a presente invenção, a modificação espectral pode ser aplicada a ambas, mas a aplicação da modificação à excitação ao invés da intensidade sonora específica simplifica os cálculos. Isso se deve ao fato de a forma da excitação através da frequência ser invariável ao nível geral do sinal de áudio. Isso se reflete na maneira na qual os espectros mantêm a mesma forma em diferentes níveis, conforme mostrado nas figuras 2A a 2C e 3A a 3C. Sendo assim, os exemplos aqui oferecidos aplicam-se às modificações espectrais para uma re

Petição 870190106776, de 22/10/2019, pág. 15/28

13/18 presentação espectral de excitação.

[00027] Continuando com a aplicação da modificação espectral à excitação, pressupõe-se existir uma excitação Y[b] de referência fixa. Na prática, Y[b] pode ser criada ao se calcular as excitações computadas a partir de um banco de dados de sons contendo um grande número de sinais de fala. A fonte de um espectro de excitação de referência Y[b] não vem a ser uma questão crítica para a presente invenção. Ao se aplicar a modificação, é útil se trabalhar com as representações de decibéis da excitação de sinal E[b,t] e com a excitação de referência Y[b]:

EdB[b,t] = 10log10 (E[b,t]) (4a)

YdB[b] = 10log10(Y[b]) (4 b) [00028] Como uma primeira etapa, a excitação de referência em decibéis YdB[b] poderá ser correlacionada à excitação de sinal em decibéis EdB [b,t] de modo a gerar a excitação de referência em decibéis correspondente YdBM[b], na qual YdBM[b] é representada como um escalonamento (ou deslocamento aditivo ao se usar dB) da excitação de referência:

YdBM[b] = YdB[b] + Δ (5) [00029] O deslocamento correspondente Am é computado como uma função da diferença, Δ[^, entre EdB[b, t] e YdB[b]:

Δ[6] = EdB[b, t] - YdB[b] (6) [00030] A partir desta excitação de diferença, Δ[^, uma ponderação, W[b], é calculada como a excitação de diferença normalizada de modo a apresentar um mínimo de zero e, em seguida, elevada a uma potência γ:

W[b] = (Δβ] - min b^[b]}/ (7) [00031] Na prática, a definição de γ = 2 funciona bem, embora este valor não é crítico e outras ponderações poderão ser empregadas ou nenhum tipo de ponderação (isto é, γ = 1) deverá ser empregada. O

Petição 870190106776, de 22/10/2019, pág. 16/28

14/18 deslocamento correspondente Δμ é então calculado como a média ponderada da excitação de diferença, Δ[^, mais um deslocamento de tolerância, Δ™:

Σ* [b]Á[b] ^Δ'= ' _Σ*b ^{+Δ τ}°' ⁽⁸⁾ b

[00032] A ponderação da equação 7, quando superior a um, faz com que as partes da excitação de sinal EdB[b,t] sejam diferentes da maior parte da excitação de referência YdB[b] de modo a contribuir ainda mais para o deslocamento correspondente Δμ. O deslocamento de tolerância Δ™ afeta a quantidade de preenchimento que ocorre quando uma modificação é aplicada. Na prática, a definição de Δ™ = 12dB funciona bem, resultando no fato de a maioria dos espectros de áudio ser deixada inalterada através da aplicação da modificação. (Nas figuras 3A a 3C, é esse valor negativo de Δ™ que faz com que o espectro de referência correspondente caia completamente, ao invés de ser comensurado ao espectro de sinal e, portanto, não resultando em nenhum ajuste do espectro de sinal).

[00033] Quando a excitação de referência correspondente é calculada, a modificação é aplicada de modo a gerar uma excitação de sinal modificada ao considerar o máximo de EdB[b, t] e de YdBM[b] através das bandas:

EdB_c [b, t] = (max {EdB[b,t], YdB_M [b]} (9) [00034] A representação em decibéis da excitação modificada é em seguida convertida novamente a uma representação linear:

E_c[b,t] = (10) [00035] Esta excitação de sinal modificada Ec[b,t], em seguida, substitui a excitação de sinal original E[b,t] nas etapas restantes de computação de uma intensidade sonora de acordo com um modelo psicoacústico (ou seja, ao se computar uma intensidade sonora espe

Petição 870190106776, de 22/10/2019, pág. 17/28

15/18 cífica e somar a intensidade sonora específica através das faixas, como consta nas Equações 2 e 3).

[00036] A fim de demonstrar a utilidade prática da presente invenção, as figuras 6 e 7 ilustram dados que mostram como os modelos psicoacústicos modificados e não-modificados, respectivamente, provêm a intensidade sonora subjetivamente avaliada de um banco de dados de gravações de áudio. Em cada gravação de teste no banco de dados, pede-se que as pessoas ajustem o volume do áudio de modo a corresponder à intensidade sonora de alguma gravação de referência fixa. Em cada gravação de teste, as pessoas poderiam instantaneamente alternar para frente e para trás entre a gravação de teste e a gravação de referência a fim de avaliar a diferença de intensidade sonora. Para cada pessoa, o ganho de volume ajustado final em dB era armazenado em cada gravação de teste, e esses ganhos foram, em seguida, medidos por muitas pessoas a fim de gerar uma medida de intensidade sonora subjetiva em cada gravação de teste. Ambos os modelos psicoacústicos não-modificados e modificados foram em seguida usados para gerar uma medida objetiva da intensidade sonora de cada uma das gravações no banco de dados, e estas medidas objetivas são comparadas às medidas subjetivas das figuras 6 e 7. Em ambas as figuras, o eixo geométrico horizontal representa a medida subjetiva, em dB, e o eixo geométrico vertical representa a medida objetiva em dB. Cada ponto na figura representa uma gravação no banco de dados e, quando a medida objetiva coincide perfeitamente com a medida subjetiva, cada ponto, neste caso, irá cair exatamente sobre a linha diagonal.

[00037] Para o modelo psicoacústico não-modificado na figura 6, nota-se que a maior parte dos pontos de dados cai próxima à linha diagonal, mas existe um número significativo de casos anômalos acima da linha. Estes valores discrepantes representam os sinais problemáti

Petição 870190106776, de 22/10/2019, pág. 18/28

16/18 cos apresentados acima, e o modelo psicoacústico não-modificado classifica os mesmos como baixos demais em comparação com classificação média subjetiva. No banco de dados como um todo, o Erro Médio Absoluto (AAE) entre as medidas objetiva e subjetiva é de 2,12 dB, o que é bastante baixo, mas o Erro Máximo Absoluto (MAE) atinge um resultado elevado de 10,2 dB.

[00038] A figura 7 apresenta os mesmos dados para o modelo psicoacústico modificado. Neste caso, a maior parte dos pontos de dados é igual aos dos pontos da figura 6, com exceção dos valores discrepantes colocados alinhados com outros pontos agrupados em torno da diagonal. Em comparação com o modelo psicoacústico nãomodificado, o erro médio AAE é ligeiramente reduzido para 1,43 dB, e o erro máximo MAE é significativamente reduzido para 4dB. Sendo assim, o benefício da modificação espectral dos sinais previamente discrepantes torna-se facilmente aparente.

Implementação [00039] Embora em princípio a presente invenção possa ser praticada tanto no domínio analógico como no domínio digital (ou em alguma combinação dos dois), nas modalidades práticas da presente invenção, os sinais de áudio são representados por amostras em blocos de dados e o processamento é feito no domínio digital.

[00040] A presente invenção pode ser implementada em um hardware ou em um software, ou em uma combinação de ambos (por exemplo, em dispositivos lógicos programáveis). Salvo disposição em contrário, os algoritmos e processos incluídos como parte da presente invenção não dizem respeito intrinsecamente a nenhum computador específico ou outro aparelho. Em particular, em geral várias máquinas de uso geral podem ser utilizadas com programas escritos de acordo com os presentes ensinamentos, ou poderá ser mais conveniente construir aparelhos mais especializados (por exemplo, circuitos inte

Petição 870190106776, de 22/10/2019, pág. 19/28

17/18 grados) para a execução de etapas metodológicas específicas. Deste modo, a presente invenção pode ser implementada em um ou mais programas de computador em execução em um ou mais sistemas de computador programáveis, cada qual compreendendo pelo menos um processador, pelo menos um sistema de armazenamento de dados (incluindo elementos de armazenamento e/ou de memória voláteis e não-voláteis), pelo menos um dispositivo ou porta de entrada, e pelo menos um dispositivo ou porta de saída. Um código programático é aplicado de modo a entrar dados no sentido de executar as funções descritas no presente documento e gerar informações de saída. As informações produzidas são aplicadas a um ou mais dispositivos de saída, de uma forma conhecida.

[00041] Cada programa pode ser implementado em qualquer linguagem de computador desejada (incluindo as linguagens de máquina, de montagem, ou as linguagens de alto nível procedural, lógicas ou de programação orientadas a objeto) a fim de comunicar-se com um sistema de computador. Em qualquer caso, a linguagem pode ser uma linguagem compilada ou interpretada.

[00042] Cada programa de computador é de preferência armazenado em ou transferido para um meio ou dispositivo de armazenamento (por exemplo, uma memória ou meio de estado sólido, ou um meio magnético ou óptico) legível por um computador programável de uso geral ou especial para a configuração e utilização do computador quando o meio ou dispositivo de armazenamento é lido pelo sistema de computador a fim de executar os procedimentos descritos no presente documento. Pode-se ainda considerar a implementação do sistema da presente invenção como um meio de armazenamento legível em computador, configurado com um programa de computador, sendo que o meio de armazenamento assim configurado faz com que o sistema de computador opere em uma forma específica ou predefinida

Petição 870190106776, de 22/10/2019, pág. 20/28

18/18 para a execução das funções descritas no presente documento.

[00043] Foram descritas diversas modalidades da presente invenção. No entanto, ficará entendido que várias modificações podem ser feitas sem se afastar do espírito e escopo de aplicação da presente invenção. Por exemplo, algumas etapas descritas no presente documento podem ser de uma ordem independente, podendo, portanto, ser executadas em uma ordem diferente da descrita.

Claims

REIVINDICAÇÕES

1. Método para medir a intensidade sonora percebida de um sinal de áudio compreendendo as etapas de:

obter uma representação espectral X do sinal de áudio, caracterizado pelo fato de que ainda compreende as etapas de:

correlacionar o nível de um espectro de referência Y ao nível da representação espectral X de modo a gerar um espectro de referência definido em níveis Ym, sendo que Ym é uma escala de nível de Y de modo que o nível do espectro de referência correlato fique alinhado ao da representação espectral X, a escala de nível sendo uma função da diferente de nível entre X e Y através da frequência, modificar a representação espectral X ao selecionar o máximo de X e Ym através da frequência para gerar um espectro de sinal modificado Xc, e processar o espectro de sinal modificado Xc para produzir uma medida da sonoridade percebida do sinal de áudio.
2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que a escala de níveis do espectro de referência Y é computada como uma função de uma média ponderada ou nãoponderada das diferenças entre X e Y através da frequência.
3. Método, de acordo com a reivindicação 2, caracterizado pelo fato de que a escala de níveis do espectro de referência Y é computada como uma função de uma média ponderada das diferenças entre X e Y através da frequência, e no qual as partes do espectro X que mais se desviam do espectro de referência Y são ponderadas mais do que outras partes.
4. Método, de acordo com qualquer uma das reivindicações 1 a 3, caracterizado pelo fato de que a representação espectral do sinal de áudio é um sinal de excitação que aproxima a distribuição de

Petição 870190106776, de 22/10/2019, pág. 22/28

2/2 potência ao longo da membrana basilar do ouvido interno.
5. Método, de acordo com qualquer uma das reivindicações

1 a 4, caracterizado pelo fato de que o espectro de referência Y representa uma forma espectral média esperada, hipotética.
6. Método, de acordo com a reivindicação 5, caracterizado pelo fato de que o espectro de referência Y é pré-computado por meio da média dos espectros de um banco de dados representativo de sons simples.
7. Método, de acordo com qualquer uma das reivindicações

1 a 6, caracterizado pelo fato de que o espectro de referência Y é fixo.
8. Aparelho para medir a intensidade sonora percebida de um sinal de áudio caracterizado pelo fato de que compreende um meio adaptado para executar as etapas do método conforme definido em qualquer uma das reivindicações 1 a 7.
9. Meio legível por computador caracterizado pelo fato de que compreende o método para medir a intensidade sonora percebida de um sinal de áudio conforme definido em qualquer uma das reivindicações 1 a 7.