用hrtf进行虚拟声源定位报告

《用hrtf进行虚拟声源定位报告》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、用HRTF进行虚拟声源定位报告介绍：我们日常听到的立体声录音，虽然有左右声道之分，但就整体效果而言，立体声音乐来自听者面前的某个平面。但希望的是一个在虚拟环境中能辨别声源精确位置的声音系统，而当您听到三维虚拟声音时，音乐声是来自围绕您的一个球形中的任何地方，即声音出现在您头的上方、后方或者在您的鼻子前方。我们把在虚拟场景中的能使用户准确地判断出声源精确位置、符合人们在真实境界中听觉方式的声音系统称为三维虚拟声音。1传统音频定位理论耳间时间差（ITD）：从声源发出的声音到达人的左耳和右耳时，有一个先后的过程，这段时间差就是耳间时间差。耳间时间差与声音信号的频率有关，是声源角位置，头部

2、半径和声速的函数，在人类听觉定位中占有重要位置。耳间强度差（IID）：由于声音的传播媒质对声波的衰减作用，声音的强度随距离而变化，再加上耳廓和头部的遮挡，最终到达两耳的声音所经过的路径是不同的，使得距离声源近的耳朵听到的声音要强一些，这就是耳间强度差。在中、低频(f<1.6kHz)，ITD是定位的主要因素;在中频段(f在1.5-4.0kHz),ITD和IID共同起作用；而在高频(f>4kHz),IID起主要作用[1]。传统的音频定位理论的缺陷：（1）无法解释单耳条件下的定位机理。（2）存在锥面模糊现象。ITD和IID对左右方位的定位效果非常明显，但对前后和上下方位存在模糊现象。如图

3、1中同一垂直面内的X和Y到达两耳的路径是对称的，以及同一水平面内的A和B到达两耳的路径也是对称的，这就无法依赖ITD和IID来进行准确定位。图1混淆锥示意图2用HRTF进行虚拟声源定位有一种更为完备的音频定位模型，这就是HRTF。与头部关联的传递函数(Head-RelatedTransferFunction,HRTF)描述了声波从声源到双耳的传输过程。事实上从某一方位的声源发出的声信号在到达听者的耳膜之前经过了复杂的传输过程，声信号与听者的头部、肩部以及躯干，耳廓发生了反射、折射、衍射和散射等声学作用，人体的这些部位对声信号的调制作用可以统一的用一个函数来表示即与头部关联的传递函数

4、HRTF。与之相对应的时域表示称为与头部相关联的冲激响应（Head-RelatedImpulseResponse,HRIR）。2.1HRTF数据中包含的方位信息图2画出方位角-45°,仰角0°时的左右耳HRIR波形及对应的频谱图。图2方位角-45°,仰角0°时的左右耳HRIR及对应的HRTF（1）耳间时间差（ITD）：由于声源靠近左耳，从图2可以看出右耳的HRIR比左耳的HRIR有明显的时间延迟，体现了耳间时间差。（2）耳间强度差（IID）：左耳的HRTF比右耳的HRTF幅度要强一些，体现耳间强度差。（3）HRTF会出现明显的峰值点和谷值点，有研究表明峰点频率、谷点频率对前后定位起

5、关键作用，且谷点频率是进行定位的主要依据。（4）HRIR在某些时刻变化剧烈，这是由于耳廓对入射声波的反射作用，左耳的HRIR波形较右耳的HRIR波形起伏变化更为剧烈。在频谱特性上则表现为左耳的HRTF高频分量要充足些。为了更加突出HRTF中的峰值点和谷值点，人们使用了一些方法对HRTF数据进行处理。文献[3]中对不同频率的HRTF数据加权，来放大原HRTF数据频率间的差异，设为原HRTF数据，为处理后的HRTF数据，则权函数HRTF反映了人体结构对声音信号的不同响应，因此HRTF有明显的个体差异，人们总是希望使用个性化的HRTF数据进行3D音效的合成，然而对每个人进行HRTF数据的

6、测量是不现实的，有学者建议使用非个性化（non-individualized）的HRTF数据[4]。2.2虚拟听觉空间系统Vasaudio将输入的音频信号分别与指定的方位和距离的左右耳HRTF数据进行卷积，然后通过耳机重发就可以得到具有方位信息的双通道音频信号，如式（1）。基于这个原理我们用VC++编程开发了虚拟听觉空间系统Vasaudio[5]可以实时播放wav格式的音频文件，图3是我们的实现框图。(1)式中表示乘法，表示卷积，表示输入的音频信号，和分别表示左右耳的HRIR数据，和分别表示左右耳的增益，和分别表示馈给耳机的左右声道信号。图3虚拟听觉空间系统实现框图3虚拟声源定位测

7、试实验测试设备为1台计算机、1个高质量声卡、1幅高质量耳塞式耳机。被测试人员为我们实验室的5名听觉正常的同学。同时我们选择音频测试常用的粉红噪声作为测试音源。测试所用的软件系统为本文前面介绍的VasAudio。我们实验的目的有两个：一是通过测试比较HRTF的个体化差异，二是我们希望找出几套对大多数人都相对比较适合的HRTF数据，已备我们以后的实验使用。3.1测试数据为了比较HRTF数据的个体差异，我们使用了12套数据进行测量，分别为（1）CIPIC数据库提供的数据：h