余明火

摘要：語聲、圖像賦能電視感知的多樣化，屏幕發(fā)聲技術(shù)賦能電視多形態(tài)的立體聲設(shè)計(jì)，而智慧電視的發(fā)展需要電視具有更豐富、以用戶為中心的智慧能力，其中基于感知的音質(zhì)智慧能力是視聽產(chǎn)品最重要的智慧能力之一。提出一種基于用戶定位的電視立體聲系統(tǒng)設(shè)計(jì)，詳細(xì)闡述了系統(tǒng)工作原理，重點(diǎn)介紹了語聲定位、云臺(tái)攝像頭定位等關(guān)鍵技術(shù)，該系統(tǒng)方案極大提升了大尺寸超高清電視的沉浸式語聲體驗(yàn)，整體效益好，現(xiàn)已應(yīng)用于具有傳聲器陣列、云臺(tái)攝像頭的屏幕發(fā)聲電視。

關(guān)鍵詞：用戶定位；云臺(tái)攝像頭；語聲；立體聲；智慧電視

中圖分類號(hào)：TN949.1；TN912.2 文獻(xiàn)標(biāo)識(shí)碼：A

0 引言

2019 年以前，語聲交互是電視的主要感知方式[1]，隨著榮耀終端有限公司發(fā)布了帶有內(nèi)置攝像頭的智慧屏，電視帶攝像頭、具有“看”感知能力成為電視發(fā)展新方向，語聲能力、攝像頭圖像采集能力僅僅是電視機(jī)感知能力的基礎(chǔ)，語音、圖像的交互促進(jìn)了電視智慧化程度的逐步提升[2]。電視機(jī)作為視聽產(chǎn)品，音畫、互動(dòng)才能給用戶直觀的體驗(yàn)，在提升電視畫質(zhì)方面催生了各種以感知為基礎(chǔ)的畫質(zhì)增強(qiáng)算法，如基于環(huán)境光的圖像調(diào)節(jié)[3]；在提升音質(zhì)方面，杜比、多聲道等聲音技術(shù)都已應(yīng)用于電視[4]。雖然電視面板不斷發(fā)展，多聲道的屏幕發(fā)聲電視相繼推出[5]，但總體音質(zhì)智慧能力仍有提升空間。

本文提出了一種基于用戶定位的電視立體聲系統(tǒng)設(shè)計(jì)，以用戶為中心，通過語聲采集傳聲器、攝像頭采集電視機(jī)前用戶的位置，利用算法實(shí)現(xiàn)用戶定位。在聲音系統(tǒng)設(shè)計(jì)方面，設(shè)計(jì)立體聲屏幕發(fā)聲單元，基于用戶定位控制發(fā)聲單元邏輯，實(shí)現(xiàn)以用戶為中心的沉浸式語聲體驗(yàn)。

1 系統(tǒng)原理

如圖1 所示，基于用戶定位的智慧電視立體聲系統(tǒng)主要包括用戶定位、立體聲設(shè)計(jì)、電源管理、電視系統(tǒng)等。其中，用戶定位包括語聲定位、圖像定位，語聲定位由傳聲器陣列、集成于電視芯片內(nèi)部的聲音處理、聲音定位算法組成。該傳聲器陣列采用線性傳聲器陣列模塊和防反射收音管道設(shè)計(jì)工藝，隱藏于電視機(jī)內(nèi)部，滿足電視應(yīng)用環(huán)境的高識(shí)別率和喚醒率。圖像定位由攝像頭、實(shí)現(xiàn)攝像頭大屏全覆蓋的機(jī)械結(jié)構(gòu)、集成于電視芯片內(nèi)部的圖像處理單元、圖像定位算法組成。攝像頭具有云臺(tái)結(jié)構(gòu)，可內(nèi)置于電視機(jī)，隱藏式攝像頭使用兩軸云臺(tái)技術(shù)，實(shí)現(xiàn)云臺(tái)攝像頭自由升降、水平和垂直旋轉(zhuǎn)，全面覆蓋大屏使用區(qū)域，在保護(hù)用戶隱私的同時(shí)保證整機(jī)外觀完整性。立體聲設(shè)計(jì)包括語聲源、操作系統(tǒng)內(nèi)核中央處理器（central processing unit，CPU）、數(shù)字語聲輸出、功放、喇叭、顯示屏，其中喇叭安裝設(shè)計(jì)在顯示屏的背板，該顯示屏具有柔性結(jié)構(gòu)，如有機(jī)發(fā)光二極管（organic light-emittingdiode，OLED）顯示屏。電視系統(tǒng)包括除用戶定位、立體聲設(shè)計(jì)、電源管理之外構(gòu)成電視的系統(tǒng)。本文設(shè)計(jì)的系統(tǒng)在大屏電視上應(yīng)用效果顯著。

當(dāng)系統(tǒng)工作時(shí)，傳聲器陣列采集電視機(jī)前用戶的聲音，系統(tǒng)根據(jù)聲音，并且通過定位算法計(jì)算用戶在電視傳聲器前的水平相對(duì)方位。根據(jù)傳聲器陣列和揚(yáng)聲器陣列之間的位置關(guān)系，計(jì)算用戶和揚(yáng)聲器之間的方位關(guān)系。而當(dāng)內(nèi)置于電視結(jié)構(gòu)的云臺(tái)攝像頭處于激活狀態(tài)時(shí)，云臺(tái)攝像頭實(shí)現(xiàn)垂直方向升降，用戶無發(fā)聲狀態(tài)，攝像頭采集電視前的畫面，通過人體識(shí)別、云臺(tái)機(jī)械機(jī)構(gòu)水平轉(zhuǎn)向角度，計(jì)算用戶在電視機(jī)前的相對(duì)位置以及用戶和揚(yáng)聲器的方位關(guān)系。確定好用戶位置后，通過對(duì)各通道語聲輸出信息增加時(shí)延算法，使得電視的揚(yáng)聲器聲音在用戶位置實(shí)現(xiàn)同相位干涉增強(qiáng)。

2 關(guān)鍵技術(shù)

基于用戶定位的電視立體聲系統(tǒng)采用的關(guān)鍵技術(shù)主要有語聲定位技術(shù)、云臺(tái)攝像頭定位技術(shù)等。如圖2 所示，內(nèi)置攝像頭、傳聲器陣列、喇叭等重要模塊在電視系統(tǒng)結(jié)構(gòu)中有序分布，其中內(nèi)置攝像頭采用隱藏式設(shè)計(jì)結(jié)構(gòu)，安裝在電視機(jī)的中間頂部；喇叭設(shè)計(jì)于屏幕發(fā)聲單元的背面；顯示屏具有柔性結(jié)構(gòu)，可實(shí)現(xiàn)屏幕發(fā)聲；傳聲器陣列多設(shè)計(jì)在電視機(jī)的下邊緣結(jié)構(gòu)件內(nèi)。

2.1 語聲定位技術(shù)

語聲定位技術(shù)包括硬件系統(tǒng)設(shè)計(jì)和軟件算法設(shè)計(jì)。硬件系統(tǒng)設(shè)計(jì)至少2 個(gè)傳聲器陣列模組，為適應(yīng)電視機(jī)大尺寸的特點(diǎn)，傳聲器陣列多采用4 個(gè)傳聲器結(jié)構(gòu)。本文基于語聲的定位算法將采用四麥陣列模組，傳聲器采用適用于電視的線性傳聲器陣列模塊及防反射收音管道設(shè)計(jì)工藝[6]。

軟件算法設(shè)計(jì)則基于用戶與傳聲器方位，用戶與傳聲器陣列相對(duì)位置示意圖如圖3 所示。