两通道虚拟环绕声系统的研究与实现

华南理工大学

硕士学位论文

两通道虚拟环绕声系统的研究与实现

姓名：蒋志

申请学位级别：硕士

专业：通信与电子系统

指导教师：尹俊勋

2001.6.1

摘要

／‘

Ｉ随着现代视听技术的发展，出现了各类各样的影音系统。在我国，视听设备、

行业在近些年得到了飞速发展，大众化的产品从无到有，产品的价格和成本大幅度地下降。家庭影院日益普及，丰富了广大人民群众的文化生活，提高了生活质量。传统的立体声系统大多是双声道的，只能保持声音的部分空间分布特性，为听众提供二维的平面分辨能力，无法再现三维的空间音响效果。尽管多声道环绕声的出现有效地解决了这一问题，但这种系统需要特制的节目源，对重放设备和听音环境的要求严格，使它的应用受到了限制旷有鉴于此，人们提出了虚拟环绕

ｌ／

声的理论，并围绕它进行了多方面的研究。，

对两声道虚拟环绕声系统的研究是本文的目的所在。在文中，我们首先介绍了声像定位理论，分析了优先效应、耳廓效应、ＩＴＤ、Ｉ／Ｄ、头部相关传递函数、反射与混响等因素对听觉定位的影响，跟着对用两只音箱虚拟空间声源的技术进行了理论分析和推导，对音箱的串音消除技术作了比较深入的探讨。我们也比较了不同类型的虚拟环绕声系统，将重点放在了对ＳＲＳ－－３Ｄ技术的研究上。通过对ＳＲＳ－－３Ｄ系统原理和结构的分析，提出了一种设计该系统的关键部分——频率补偿网络的方法。为了确认所提方法的可行性，我们通过计算机用ＭＡＴＬＡＢ作了模拟实验，得到了比较理想的听觉效果。而且我们用ＳＲＳ音频处理芯片设计了具体的电路，与计算机模拟的结果进行了对比分析，证明了我们所提方法的实用性。

虚拟环绕声系统通过对人的听觉心理特性的模拟，利用一对音箱就能在普通音源的重放中实现三维环绕声。这类系统结构简单，也能达到一定的听觉效果，在居室较为狭小的家庭或不宜采用多通路系统的场合（如多媒体计算机）具有相当广泛的应用前景。

关键词：虚拟环绕声头部相关传递函数声音恢复系统串音消除混响

第１页

华南理工大学工学硕士学位论文

ＡＢＳＴＲＡＣＴ

ＶａｒｉｏｕｓｋｉｎｄｓｏｆＡＶｓｙｓｔｅｍｓｃａｍｅＯＵｔｗｉｔｈｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｍｏｄｅｒｎｖｉｄｅｏａｎｄａｕｄｉｏｔｅｃｈｎｏｌｏｇｉｅｓ．ＨａｖｉｎｇｇａｉｎｅｄａｇｒｅａｔｉｍｐｒｏｖｅｍｅｎｔｄｕｒｉｎｇｔｈｅｒｅｃｅｎｔｙｅａｒｓｉｎｏｕｒｃｏｕｎＩＴｙ，ＡＶｉｎｄｕｓｔｒｙｓｕｐｐｌｉｅｄｍａｎｙｐｏｐｕｌａｒｃｏｍｍｏｄｉｔｉｅｓ．ＴｈｅｐｒｉｃｅａｎｄｃｏｓｔｏｆＡＶｅｑｕｉｐｍｅｎｔｓｄｅｃｒｅａｓｅｄｇｒｅａｔｌｙａｎｄＡＶｓｙｓｔｅｍｓｅｎｔｅｒｅｄｇｅｎｅｒａｌｆａｍｌｉｅｓｒａｐｉｄｌｙ，ｗｈｉｃｈ

ｅｎｒｉｃｈｅｄｐｅｏｐｌｅ’Ｓｃｕｌｔｕｒｅｍｏｖｅｍｅｎｔｓａｎｄｉｍｐｒｏｖｅｄｔｈｅｉｒｌｉｆｅｑｕａｌｉｔｉｅｓ．Ｔｒａｄｉｔｉｏｎａｌｓｔｅｒｅｏｓｙｓｔｅｍｓｇｅｎｅｒａｌｌｙｈａｖｅｏｎｌｙｔｗｏｃｈａｎｎｅｌｓ，ａｓａｒｅｓｕｌｔｍｅｙｃａｎｒｅｐｒｅｓｅｎｔｔｈｅｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｏｕｎｄｆｉｅｌｄｐａｒｔｌｙ，ａｎｄｒｅｐｒｏｄｕｃｅａ２Ｄｒａｔｈｅｒｔｈａｎ３Ｄｈｅａｒｉｎｇ

ｅｆｆｅｃｔ．Ｍｕｌｔｉ－ｃｈａｎｎｅｌｓｕｒｒｏｕｎｄｓｏｕｎｄｓｙｓｔｅｍｓｃｏｍｅａｂｏｕｔｔｏｓｏｌｖｅｔｈｉｓｐｒｏｂｌｅｍ，ｂｕｔｔｈｉｓｋｉｎｄｏｆｓｙｓｔｅｍｒｅｑｕｉｒｅｓｔｈｅｓｏｕｎｄｓｏｕｃｅｐｒｏｇｒａｍｔｏｂｅｔｒｅａｔｅｄｓｐｅｃｉａｌｌｙ，ａｌｓｏｉｔｈａｓｓｅｖｅｒｅｒｅｓｔｒｉｃｔｓｔｏｈａｒｄｗａｒｅａｎｄｃｉｒｃｕｍｓｔａｎｃｅ，ａｌｌｏｆｔｈｅｓｅｒｅｓｔｒａｉｎｉｔｓａｐｐｌｉｃａｔｉｏｎ．Ｉｎ

ｖｉｅｗｏｆｔｈｉｓｓｉｔｕａｔｉｏｎ，ｐｅｏｐｌｅｂｒｉｎｇａｂｏｕｔｔｈｅｔｈｅｏｒｙｏｆＶｉｒｔｕａｌＳｕｒｒｏｕｎｄＳｏｕｎｄ（ｖＳＳ）ａｎｄｃａｒｒｙａｂｏｕｔｍａｎｙｒｅｓｅａｒｃｈｅｓ．

Ｉｔｉｓｊｕｓｔｔｈｅｐｕｒｐｏｓｅｏｆｔｈｉｓｔｈｅｓｉｓｔｏｅｘｐｌｏｒｅｔｈｅｄｕａｌ—ｃｈａｎｎｅｌｖｉｒｔｕａｌｓｕｒｒｏｕｎｄｓｏｕｎｄｓｙｓｔｅｍｓ．Ｔｈｅｔｈｅｓｉｓｆｉｒｓｔｉｎｔｒｏｄｕｃｅｓｈｕｍａｎｓｏｕｎｄｌｏｃａｔｉｏｎｔｈｅｏｒｙ，ａｎａｌｙｚｉｎｇｔｈｅＣＵｅｓｏｆＰｒｅｃｅｄｅｎｃｅＥｆｆｅｃｔ，ＰｉｎｎａＥｆｆｅｃｔ，１ＴＤ，ＩＩＤ，ＨｅａｄＲｅｌａｔｅｄＴｒａｎｓｆｅｒＦｕｎｃｔｉｏｎ，

ｒｅｆｌｅｃｔｉｏｎａｎｄｒｅｖｅｒｂｅｒａｔｉｏｎ．Ｔｈｅｎｗｅｃａｒｒｉｅｄａｂｏｕｔｒｅｓｅａｒｃｈｏｎｔｈｅｔｅｃｈｎｏｌｏｇｙｏｆｖｉｒｔｕａｌｉｚｉｎｇｓｏｕｎｄｓｏｕｒｃ￡ｕｓｉｎｇｔｗｏｌｏｕｄｓｐｅａｋｅｒｓ，ａｎｇｅｘｐｌｏｒｅｄｔｈｅｃｒｏｓｓｔａｌｋｃａｎｃｅｌａｔｉｏｎｔｅｃｈｎｏｌｏｇｙｄｅｅｐｌｙ．ＡｆｔｅｒｃｏｍｐａｒｉｎｇｄｉｆｆｅｒｅｎｔｋｉｎｄｓｏｆＶＳＳｓｙｓｔｅｍｓ，ｗｅｐｌａｃｅｄｏｕｒｅｍｐｈａｓｉｓｏｎｔｈｅａｓｐｅｃｔｏｆＳＲＳ－－３Ｄｔｅｃｈｎｏｌｏｇｙ．ＴｈｒｏｕｇｈａｎａｌｙｓｉｓｏｎＳＲＳ

ｍｅｔｈｏｄｏｆｄｅｓｉｇｎｉｎｇｔｈｅｐｉｖｏｔａｌｓｙｓｔｅｍ’Ｓｐｒｉｎｃｉｐｌｅａｎｄｃｏｎｆｏｇｒａｔｉｏｎ，ｗｅｐｕｔｆｏｒｗａｒｄａ

ｆｆｌｔｅｒ（ＰｅｒｓｐｅｃｔｉｖｅＮｅｔｗｏｒｋ）．Ｔｏｃｏｎｆｉｒｍｔｈｅｆｅａｓｉｂｉｌｉｔｙｏｆｔｈｉｓｍｅｔｈｏｄ，ｗｅｍａｄｅｓｏｍｅ

ｅｘｐｅｒｉｍｅｎｔｓｏｎｃｏｍｐｕｔｅｒｕｓｉｎｇＭＡＴＬＡＢａｎｄｇｏｔｒａｔｈｅｒｓａｔｉｓｆｙｉｎｇｅｆｆｅｃｔｓ，Ａｌｓｏｗｅ

ｄｅｓｉｇｎｅｄａｐｒａｃｔｉｃａｌｃｉｒｃｕｉｔｕｓｉｎｇＳＲＳａｕｄｉｏｐｒｏｃｅｓｓＩＣ，ｃｏｍｐａｒｅｄｔｈｅｒｅｓｕｌｔｓｗｉｔｈｃｏｍｐｕｔｅｒｓｉｍｕｌａｔｉｏｎａｎｄｔｅｓｔｉｆｉｅｄｏｕｒｍｅｔｈｏｄ’Ｓｐｒａｃｔｉｃａｂｉｌｉｔｙ．

ＣａｎＴｈｒｏｕｇｈｓｉｍｕｌａｔｉｏｎｔｏｈｕｍａｎｓ’ｓｐａｔｉａｌｈｅａｒｉｎｇｃｈａｒａｃｔｅｒｉｓｔｉｃｓ，ＶＳＳｓｙｓｔｅｍ

ｌｏｕｄｓｐｅａｋｅｒｓ．Ｔｈｉｓｒｅｐｍｄｕｃｅｎｏｒｍａｌｓｏｕｎｄｓｏｕｒｃｅ’Ｓ３Ｄｓｕｒｒｏｕｎｄｅｆｆｅｃｔｕｓｉｎｇａｐａｉｒｏｆ

ｋｉｎｄｏｆｓｙｓｔｅｍｈａｓｓｉｍｐｅｃｏｎｆｉｇｕｒａｔｉｏｎａｎｄｃａｎｐｒｏｄｕｃｅｑｕｉｔｅｌｉｆｅｌｉｋｅｓｅｎｓｅ，ｓｏｉｔｍａｙｂｅ

ｓｍａｌｌｒｏｏｍｆａｍｉｌｉｅｓｏｒｃｉｒｃｕｍｓｔａｎｃｅｓｎｏｔｓｕｉｔｆｏｒｈａｖｅａｎｅｘｔｅｎｓｉｖｅａｐｐｌｉｃａｔｉｏｎｉｎ

第Ⅱ页

摘要

ｍｕｌｔｉ－ｃｈａｎｎｅｌｓｕｒｒｏｕｎｄｓｙｓｔｅｍｓ（ｓｕｃｈａｓｍｕｌｔｉｍｅｄｉａＰＣ）．

Ｋｅｙｗｏｒｄｓ：ＶｉｒｔｕａｌＳｕｒｒｏｕｎｄＳｏｕｎｄＨｅａｄＲｅｌａｔｅｄＴｒａｎｓｆｅｒＦｕｎｃｔｉｏｎＳｏｕｎｄＲｅｔｒｉｅｖａｌＳｙｓｔｅｍＣｒｏｓｓｔａｌｋＣａｎｃｅｌａｔｉｏｎ

Ｒｅｖｅｒｂｅｒａｔｉｏｎ

第Ⅲ页

第一苹绪论

第一章绪论

１．１引言

人类对声音的听觉中，不但能感觉出音强、音调和音色，而且还能感觉出声源的方向和距离，这表明人耳具有“声学透视”的特性。这种“声学透视”的特性使人们在听音时具有空间印象感，即立体感。

立体声的目的就是为了真实地再现原声场的声音及其空间信息，使人们在聆听时有“身临其境”的听觉感受。在立体声的发展历史上，早期提出的有假头型、波阵面型和声级差型三种不同类型（原理）的立体声系统。其中声级差型双通路立体声系统自二十世纪五十年代末开始被广泛应用于广播、电视和家用音响等方面。它利用人类的听觉错觉，通过改变两扬声器的声级差，从而能在聆听者前方产生一定角度范围的声音方向信息…。随着立体声理论与技术的发展，人们不再满足于双通道立体声系统仅能再现出聆听者前方一定角度范围的声像分布，而对重放的真实感、临场感提出了更高的要求。为了进一步提高声音的重发效果，就有必要发展一种能够再现环绕聆听者的声音空间信息的环绕声系统。

１．２环绕声技术的发展

国际上从二十世纪七十年代开始研究和发展多通路环绕立体声系统。环绕声首先是在电影院里获得了相当的成功，这种成功诱发了人们将其“移植”到家庭的念头。但当时用于家庭的记录媒体主要是立体声唱片，它是利用纵向（垂直）刻纹和横向（水平）刻纹分别记录左、右声道信息的（美国、英国的标准是４５。／４５。制式），无法记录超过两声道的信息。因此，如何存储节目源成为环绕声进入家庭的“瓶颈”。直到在信号处理中采用了矩阵重组技术…，将多声道的信息进行不同相位调制混合成两声道，这个问题才得到解决。在此基础上最早发展起来的是四通路立体声系统，采用矩阵编码把４路信息编码后记录到２路声迹上。重放时经解码恢复为４路信号，这样不但减少存储和传输的复杂性，而且可与双通路立体声系统兼容。但’恢复的４路信号与原来不一样，有漏音和串音，使聆听者分不出哪个声音来自哪条通路。较好的矩阵系统能够产生没有串扰的４路信息的声像，但要求处理几个同时出现的声像时就无能为力了。实际上四通路立体声的失败是由于没有以心理声学为基础，编码和解码缺乏合理性。四通路立体声只是把两通路系统简单地扩充，放在后边的扬声器对产生包围感和空间感也不是最好的，

第１页

华南理工大学工学硕士学位论文

可能放在侧向反而更好些。音乐中来自后方的声音很少，但对空间形象是需要的。

图１一ｌ电影院杜比环绕声的音箱布置

ｆｉｇｕｒｅｌ—ｌＤｏｌｂｙｓｕｒｒｏｕｎｄｓｏｕｎｄｓｙｓｔｅｍｉｎａＣⅡＫｍ咀统计表明，喜欢环绕音箱放在两侧的听众比放在后边大约多２－４倍。应该注意到，四通路立体声系统虽然失败了，但是保留下两大技术发明：多通路技术和矩阵编码。杜比实验室把降噪技术和四通路立体声结合起来，创造出四通路杜比系统用于电影放声。左、中、右三路在前方，单一的环绕通路用听众边上和后面的一组音箱来重放，如图ｌ一１所示。所有信息编码在２路宽频带声迹上，

并发明了编码矩阵和有源解码矩阵。在家庭影院中采用了杜比环绕声，环绕声音

箱减少到两只，放在后方左右两侧，以便为多数用户接受并保证最有效地形成空

间感和环绕感。环绕通路内加一定的延时，使时间上与前方音箱的声音分开。这

时，屏幕中间是定位良好的对白，音乐和声音效果横跨前方并存在于环绕通路中。

混响信息和另一些环境声放在环绕通路，可人为地制造一些从头顶掠过的声音效

果。特别是一个固定的提供对白的中央通路，使听众区展宽，同时环绕通路增强

了音乐和音响效果的气氛。

杜比环绕声系统的音箱布置采用ｌ／３方式，即在前方设Ｌ、Ｒ、ｃ三条通路的

音箱用以模拟聆听者前方声源的直达声、前方的早期反射声以及前方的混响信息。

在聆听者后方侧面设置并联在环绕通路的两只音箱，用以携带模拟聆听者左、右

和后方的早期反射声和混响声信息，也可以携带画面以外的效果信息，并且在环

绕声通路中插入延时电路和降噪电路，利用优先效应（ＰｒｅｃｅｄｅｎｃｅＥｆｆｅｃｔ）使环绕

声信号不干扰前方声像定位。

１．２．１杜比专业逻辑环绕声系统

杜比专业逻辑环绕声系统（ＤｏｌｂｙＰｒｏ－ＬｏｇｉｃＳｕｒｒｏｕｎｄ）是在杜比环绕声基础上

改进而成的，它在解码时固定矩阵用自适应矩阵来替代（也称方向强调矩阵），可

将各重发通路之间的分离度提高。在杜比环绕声中，矩阵编码把传递空间信息的

独立信号收并为两个，所需的传输信号较少。因此编码过程中使原声场的空间信

息受到损失，解码时只有牺牲后方声像的明晰度来确保前方的明晰度。在杜比专

第２页

——］——————１弧———一——…。

第一苹绪论

业逻辑环绕声系统中，方向强调电路可在音箱方向上产生一个明晰的声像，这是它最突出的优点，但是对于非音箱方向上的声像却难以奏效，这样限制了重放时声像的分布。并且方向强调电路在同一时刻内只能对一个方向、最多是对角线上的两个相对方向起作用，不能同时对多个方向起作用。所以杜比专业逻辑环绕声系统对在同一时刻内只有单一声源发声的情况，如影视中的对话、一些特殊效果等，结合视觉和听觉的心理特性可以取得较好效果，但是对于同时有多个声源发声的情况，例如大型管弦乐，方向强调电路的作用就不大。当这种系统的环绕声效果出现在听音室内时，即使在狭小的房间内也能够让聆听者感觉到空问变大，犹如置身于宽广的空间里。中央通路和前置的一对音箱形成声像定位很精确的前方声场时，若视觉与听觉配合时可以产生非常自然的戏剧性效果，使聆听者感受到剧中人物的言行举止更逼真，且有立体感，能表现出飞跃头项的音响效果。但是由于环绕通路为单通路，因此无法表现后方不同定位感的微妙变化。

此外，在杜比编码过程中，４个声道所携带的声源直达声、早期反射声和混响信息已经全部包含在２声道信号中，如果用双通路立体声系统重放这样的信号会得到很好的立体声效果，因此具有兼容性。值得注意的是，当聆听者处在音箱半张角为４５。的位置时，原来在环绕通路内聆听者左、右、后方的早期反射声和混响声很真实地出现在两只音箱以外至聆听者左、右±９０。范围的角度内，具有界外立体声效果。

１．２．２杜比数字环绕声系统

为了解决编解码引起的失真采用了３／１方式４—４—４系统，即杜比Ａｃ一３数字环绕声系统，它具有完全分离的５．１通路的独立传输通路，即Ｌ、ｃ、Ｒ、ｓＬ、ＳＲ通路，主通路的频率响应均为宽频带（１２０～２００００Ｈｚ），另外再加一条超低音通路，其带宽为３～１２０Ｈｚ，故称为５．１通路。它的中央定位更精确，两条后置环绕声通路具有宽带响应，其声学效果更为自然、真实。杜比Ａｃ一３系统采用感觉编码运算来进行数据压缩，删除无法听闻部分并利用听觉掩蔽效应大幅度减少所需比特数从而实现了实用化，Ａｃ一３系统虽然具有六通路，但其传输率却只有３２０ｋｂ／ｓ。此外，Ａｃ一３系统的环绕声通路实现了立体声化，加上前方三条通路使声像定位和声场再现非常好，在欣赏影视节目时临场感会更强烈。在ＡＣ－－３编码系统中，５．１通路没有耗损，消除了通路间串扰，由于采用了先进编码系统极大地提高了动态范围和展宽了频率范围，保证了重发时的低失真。根据有关文献，通

第３页

华南理工大学工学硕士学位论文

过改变５通路３／２方式系统现有的对信号馈给方法，可以使它能够重发较稳定的侧向声像并且听音区也有所扩大，从而使系统不但能适用于伴随图像声音重发，也可用于不伴随图像的纯音乐重发“１。

１．２．３ＤＳＰ环绕声系统

利用人工混响技术可以在家庭听音环境下模拟音乐厅、剧场、电影院等的音效。由于它是通过电子电路调整听音室的声学特性，因此可模拟的音响效果类型很多，并且调节迅速方便。ＤＳＰ环绕声系统采用在数字混响器技术上发展起来的数字声场处理器（ＤｉｇｉｔａｌＳｏｕｎｄＰＤ３ｃｅｓｓｏｒ），目前一些ＡＶ放大器内部都有设置声场重现的各种模式，或在存储器内记忆环绕声模式、延迟时间和混响特性，后方通路电平、中央通路电平和中央通路模式和平衡等。如果不使用记忆模式则可以切换为标准模式。数字声场处理器可提供数十种不同类型声场和环绕声效果。延迟时间可在较大的范围内选择，有多种中心模式控制，有些还有均衡网络配合以达到最佳效果。家庭影院可以采用日本ＹＡＭＡＨＡ公司ＣｉｎｅｍａＤＳＰ环绕声系统，由杜比专业逻辑解码器和声场面处理器组成。杜比ＰｒｏＬｏｇｉｃ系统可使人们在家中欣赏电影所录制的音响效果，而ＤＳＰ所模拟的是固定的特殊空间，它们是完全不同的。但是两种效果可以混合在一起形成与电影音响效果结合的空间效果。例如，当你在电影院内看电影时，除ＰｒｏＬｏｇｉｃ环绕声系统营造出来的声音空间外，电影院本身的环境也会影响电影反映的音响效果。人们听到的声音是混合着两种效果的声音。然而在家中只使用杜比ＰｒｏＬｏｇｉｃ系统或者ＣｉｎｅｍａＤＳＰ系统就只能享受电影音响效果或模拟电影院声学空间效果。把两种效果叠加在一起，就可以完整地呈现出在特定电影院内看杜比制式电影的临场效果。

ＣｉｎｅｍａＤＳＰ系统除了设有构成杜比ＰｒｏＬｏｇｉｃ系统重放的Ｌ、ｃ、Ｒ、Ｓ×２共５条通路以外，还增加了两条通路的前方声音输出，即总共７条通路输出，使家庭影院的音响效果非常良好。这种技术的要点是以原输入信号为基础，经杜比ＰｒｏＬｏｇｉｃ解码器和ＣｉｎｅｍａＤＳＰ处理，根据选择的ＤＳＰ程序形成７条通路信号以重现一个三维空间声场，将聆听者团团围住。采用ＣｉｎｅｍａＤＳＰ系统重放时的最显著特点是声像定位十分准确，声场分布连续而平滑，并且受音量的影响较小”１。１．２．４两通路虚拟环绕声系统

双通路立体声系统只能重现有限的前方声场，难以满足对原声场的重现和获得临场感。但是人们用两只耳朵却能听到三维声音。虚拟环绕声技术根据生理声

第４页

第一苹绪论

学和心理声学研究成果解决了这个问题。它主要采用两类方法：（１）采用双耳效应和耳廓效应对音频信号进行处理，并采用滤波技术消除音箱重放时的交叉声音，因此只使用两只音箱就可以再现三维环绕声场；（２）根据头部相关传递函数（ＨＲＴＦ）设计的滤波器对双通路立体声节目进行处理，利用耳廓效应补偿传声器频率响应与人类听觉系统的差异，最后通过双通路立体声系统重放三维环绕声场。已经提出的有３Ｄ系统、ＳＲＳ系统、Ｓｐａｃｉｌｉｚｅｒ系统和Ｑｘｐａｎｄｅｒ系统等。这种情况一方面反映各人对听觉心理的不同理解，另一方面也受专利权的影响。这类系统只需两个通路就能实现环绕声的效果，设备简单，成本低，效果好，具有非常好的应用前景，因此成为目前音频技术领域的研究热点之一。

１．３虚拟环绕声系统的简介

两通路虚拟环绕声系统采用３ＤＡｕｄｉｏ技术，它产生三维声场的方法与多通路系统完全不同。多通路系统是通过增加声源的数量来改变客观的物理声场以产生空间感，而３ＤＡｕｄｉｏ技术是基于人的主观听觉特性，恢复声音记录时丢失的听觉系统用于空间定位的信息，在放声时重现三维声场。已经提出的３ＤＡｕｄｉｏ技术有三类：（１）在录制节目时采用特殊录音方法记录下来的信号仍为两路，但保持原有空间定位信息不致丢失，只需使用普通双通路立体声设备重放就可获得三维空间效果，缺点是无法利用现有的立体声节目源；（２）利用现有节目源，将双通路立体声信号送入３ＤＡｕｄｉｏ处理器，通过特殊算法恢复已经丢失的空间信息，然后混入常规节目进行播放；（３）把３ＤＡｕｄｉｏ处理过程从录制端移到用户端，这时每个用户需要加装一个３ＤＡｕｄｉｏ处理器，但节目源是普通双通路录音节目源。在播放时由３ＤＡｕｄｉｏ处理器对双通路立体声节目源进行实时处理，产生三维空间效果。显然两通路虚拟环绕声系统是多通路环绕声系统的一个补充，是为了用现有双通路立体声设备产生环绕声效果，虽然它与多通路环绕立体声效果仍有一定差距，但随着信号处理技术的发展会不断提高环绕立体声效果。虚拟环绕声系统有一些特点，例如：（１）环绕感强，动态范围大，使节目的音乐和音响效果充满欣赏环境，有良好的空间感和临场感；（２）声场开阔，环绕声效果与听音位置无关；（３）定位感稍差，虽然对一般影视对白能够定位在屏幕前，但准确性稍差，且中央通路的音量无法调节，Ｌ和Ｒ通路的声像基本上分布前方，但较为散乱；（４）在一定程度上可改善节目源的信噪比，并且多种虚拟环绕声除了共性外，还有其独特个性。本文的目的就是对两通路虚拟环绕声系统进行研究并探讨其在实际中的应

第５页

华南理工大学工学硕士学位论文

用【４】ｏ

相对于多通路环绕立体声，虚拟环绕声由于只有两个通路，因此可以减少重放音箱数目，节省设各成本。另一方面对于家庭居室空间较小而又希望享受“家庭影院”的用户来说，在相对狭小的空间放置５到６只音箱是不可忍受的，并且得到的效果也不见得好，虚拟环绕声系统使他们的“家庭影院”的实现成为可能。并且，随着个人多媒体电脑越来越多地进入家庭，越来越多的用户以及３Ｄ游戏爱好者希望能在电脑上欣赏到多通路环绕声的效果。但在相对狭小的工作台上放置那么多音箱显然是不现实的，作为一种既能减少重放设备，又能产生三维空间效果的系统，性价比极高的两通路虚拟环绕声系统具有相当广泛的应用范围。１．４本文的主要内容

本文主要包括以下内容：

第一章是绪论部分，回顾了环绕声的历史及其发展，并简要介绍了虚拟环绕声系统，使读者了解到音频信号处理领域的现状及本文的研究方向。

第二章首先介绍了两通道虚拟环绕声系统赖以存在的声像定位理论基础，包括优先效应和耳廓效应、１ＴＤ、ｌｉＤ、头部相关传递函数ＨＲＴＦ、反射与混响等。然后介绍了虚拟环绕声系统的分类，分析了其优缺点。最后对虚拟处理技术进行了分析和探讨。

第三章推出了本文研究的重点——ｓＲＳ一３Ｄ系统，介绍了ＳＲＳ技术的原理及结构，并在第二章的虚拟技术的基础上提出了一种设计ＳＲＳ系统滤波器的方法，最后介绍了系统的鲁棒性和ＭｌＴ测量并处理ＨＲＴＦ的方法，以助有兴趣的读者更好地理解虚拟系统和ＨＲＴＦ的使用。

第四章对第三章所求得的频率补偿网络进行了计算机模拟，并用其对音源信号进行处理，分析检验其效果，证明了设计方法的实用性。

第五章通过实际的芯片电路来进行实验，与上一章一样，也是为了验证所提出的频率补偿网络的实用性能。

最后，以一篇总结作为全文的结束

第６页

第二章两通道虚拟环绕声系统的原理及数学模型

第二章两通道虚拟环绕声系统的原理及数学模型

近年来，随着高密度记录媒体（如ＤＶＤ光盘）、ＨＤＴＶ、家庭影院、多媒体计算机等的发展，环绕声技术得到较大的发展，并得到日益广泛的应用。在发展的过程中，国际上逐渐形成了两个平行的发展方向——多通路环绕声技术和虚拟环绕声技术。它们各自基于不同的声学原理，各自有不同的优缺点和适用范围，并且近年来也出现了两种技术相互结合应用的趋势。

２．１声像定位理论

虚拟环绕声由于只需两个独立的重发通路（扬声器），硬件上较为简单，因而在家庭影院与多媒体计算机方面得到广泛的应用。虚拟环绕声的基础是听觉传输技术，通过头部相关传递函数（也就是声源到双耳的传输函数）来实现声场空间信息的传输、重发或模拟。下面简单介绍一下其原理：

我们知道声源或媒体的变化都会使得在接收者脑中感知到的声像发生相应的改变，但怎样才能描述这种改变呢？声像的产生有人脑工作的影响，所以它不象人体的血压、心跳等物理特征可以用仪器直接测量到，也不能再用普通物理声学的原理来解释，为此我们引入了“心理声学”的概念。

心理声学研究的内容包括人脑对各种不同声音激励的响应，以及激励特征与响应特征之间的关系。心理声学的基本要素是到达人耳的声音频率、强度和谱结构。以下将进一步讨论基于心理声学的声源定位和环境模拟特性。

２．１．１优先效应和耳廓效应

对空间声源的定位信息可以是直接来自声源的声音，也可以是来自周围物体反射的声音，其中来自声源的直达声对空间声源定位起决定性的作用，这就是所谓的“优先效应”（ＰｒｅｃｅｄｅｎｃｅＥｆｆｅｃｔ）理论。以下所有关于声源定位的理论都是基于这一理论之上的。优先效应也称为Ｈａｓｓ效应。当两个强度相等而其中一个经过时间延迟的声音传到双耳时，如果延迟时间在３０ｍｓ以下，听觉上将感到声音只来自未经延迟的声源。当延迟时间为３０－５０ｍｓ时，听觉上可以感到延迟声的存在，但仍感到声音来自未经延迟的声源。在这种情况下，延迟声只是加强了声音的响度，使声音的音色变得更丰满。当延迟时间超过５０ｍｓ时，听觉上将会感到延迟声成为一个清晰的回声“１。

由于大多数情况下，立体声重发是在普通的房间内进行，这时到达聆听者双

第７页

华南理工大学工学硕士学位论文

耳的声音除各音箱发出的直达声外，还有房间墙壁等的反射声（包括早期反射声和后期混响）。因此，必须对房间的墙壁进行吸声处理，使得首次反射声和直达声相比时满足优先效应的延迟要求，这样房间的反射声对声像定位的影响才可忽略。

近来研究还表明，耳廓对声的反射作用而引起的梳状滤波作用，对高频声定位特别是前后定位和中垂面上的定位有重要的作用”１。人的耳廓在结构上无论上下还是左右方向都是不对称的，这一特点使得人耳能够准确地辨别不同方向传来的信号，因此在实际听觉中即使只用一只耳朵也能对声源进行相当准确的判断。耳廓效应产生的主要原因是耳廓对声波的反射，由于耳廓垂直方向轴长，水平方向轴短，各部位离耳道的距离不同，形状也不同，因而当外界声音到达人耳时，经过各个部位反射到耳道会产生不同的延时。而且随着声音入射角的改变，这些反射脉冲间的间隔也不同。这样，直接进入耳道的直达声和延时声到达鼓膜处时，声波的叠加会产生相互干涉，形成一种与声源方向有关的梳状频谱特性。人耳借助这种特性，可以判断直达声的方位…。在立体声重放系统中，就是用人工的方法，在倾听者的双耳中再现或模拟出这些声源所产生的双耳差以及频谱变化，从而产生立体声声像。

２．１．２ｒｒＤ和ⅡＤ

心理声学研究的结果表明：对声源定位最重要的依据是两耳之间声音信号的差别”。。在此基础上我们引入“耳间时间差”（ｉｎｔｅｒａｕｒａｌｔｉｍｅｄｉｆｆｅｒｅｎｃｅｓ，以下简称ＩＴＤ）与“耳间强度差”（ｉｎｔｅｒａｕｒａｌｉｎｔｅｎｓｉｔｙｄｉｆｆｅｒｅｎｃｅｓ，以下简称皿）两个概念来描述耳间信号差别，并讨论它们

对空间听觉的作用与影响及其局限

性。人类对声音的定位机理在于倾听

者的头部（甚至包括躯干）对入射声

波的折射及衍射作用，当声音抵达双

耳时形成了在两耳间的时间差１ＴＤ和

强度差ｌｉＤ，它们都是声源的方位和声ｆｉｇｕｒｅ２波频率的函数。人们就是根据这些双

图２—１声源位置与ＩＴＤ、ｌｉｄ

——１ｓｏｕｎｄＳＯＵＩ－Ｃｅ：ｐｏｓｉｔｉｏｎａｎｄＩＴＤ、ｌｉＤ

耳差并和过去的经验比较，从而决定声源的方位。目前比较通行的一种看法认为：声音在两耳间产生的时间差可以作为低频和中频时的定向依据；而声级差则用于中高频时的定向‘…。对于３００Ｈｚ附近的过渡频率范围ＩＴＤ和皿都难发挥作用。

第８页］■…一一…——硼＿旷

第二章两通道虚拟环绕声系统的原理及数学模型

ＩＴＤ、ＨＩ）的作用原理如图２—１所示。假设有两个空间点声源Ａ和Ｂ，Ａ点位于０度方位角处，它到两耳的路径是相等的，因此声音到达两耳的时间和强度都是相同的：Ｂ点方位角向右侧偏移了３０度，则它到达两耳的路径不再相等，因此信号到达两耳的时间和强度也都不再相同，这就产生了１ＴＤ和ＩＩＤ，且随着方向的变化，ＩＴＤ和ｌＩＤ也是不同的。因此，就可以根据它们来实现对不同方向声源的虚拟。

ＩＴＤ和ⅡＤ的作用是有范围的，—般来说，对频率小于ｌｋＨｚ的信号ＩＴＤ的作用比较明显，而当频率大于１．５ｋＨｚ时ＨＩ）起主要作用“…。对ＩＴＤ而言，它是基于频率特性而产生两耳信号时间上的差异，因为听觉系统所感知的其实是耳间的相位差（ＩｎｔｅｒａｕｒａｌＰｈａｓｅＤｉｆｆｅｒｅｎｃｅｓ，ＩＰＤ），所以

ＩＴＤ实际上是通过ＩＰＤ起作用的。图２—２所示是不同频率正弦波的ＩＴＤ与ＩＰＤ的关系：Ａ、Ｂ是频率低于８００Ｈｚ的正弦信号在两耳间产生的ＩＰＤ，由于其半波长大于人两耳间的距离，所以人的听觉系统很容易感知这种相位差并判别其相对关系。而当频率大于１．６ｋＨｚ时，其波长小于人的两耳间距，此时将会产生ＩＰＤ的判决模糊。如图２—２的ｃ、Ｄ、Ｅ所示：人耳无法辨别是Ｃ的相位超前Ｄ还是Ｄ的相位超前Ｅ，因此１ＴＤ将不再有明显的作用”１。

但是最近的研究表明能够利用高频信号幅度包络的时间差信息来进行定位。这种ＩＴＤ包络的作用是基于听觉系统能够从幅度包络的开始｜，—、＼／

＼／

ｔ，气

．、、，／｛ｎ＆｛ｎ热ｎｎｎｆｌｆ＂ＵＵＵＵＵＵ０ＵＵ?＆ｆｎｎｎ＆ｎ魏ｎ—ＵＪＵ珏Ｕ汀ＵＵＩ』ｎ．．．甜一ｌ’弋ＸＵｌ…。滢一。，√阿一饼娟呵一＼．ｊＵ一…【…Ｌ

图２—２ＩＴＤ与ＩＰＤ

ｆｉｇｕｒｅ２－－１ＩＴＤａｎｄＩＰＤ

部分提取时差信号而不是从包络内波形的时间上提取。幅度包络信号的频率（例如调幅频率）比包络内信号的频率（技术上称载频）低得多（图２—２中的ｘ和Ｙ）。听觉系统在两耳提取高频分量的整个幅度包络，对包络到达左右耳的时间差进行比较■

ＩＩＤ对高频信号起主要作用，是因为高频信号的衰减特性。假设有一个右方的声源（见图２—１声源Ｂ），在它传至左耳的路径中，除了空气的吸收外，人的头部就相当于一个障碍物，高频信号将因此被衰减，并且随着频率的增加衰减也越来

第９页

华南理工大学工学硕士学位论文

越大。在方位角９０度时，３ｋＨｚ的正弦波衰减约１０ｄｂ，６ｋＨｚ的正弦波衰减约２０ｄｂ，１０ｋＨｚ正弦波的衰减达到约３５ｄｂ。而当频率低于约ｌｋＨｚ时，声波波长大于人的头部宽度，声波将产生所谓的“头部衍射”而沿着头部表面弯曲，从而绕过了这一遮挡物，使得声音信号传到左耳的强度比右耳没有衰减或衰减很小，因此Ｉ／Ｄ的作用就很不明显了。

在此要提到一个概念：侧移（Ｌａｔｅｒａｌｉｚａｔｉｏｎ），侧移是对声源位置虚拟的一个基本例子。当同样的声音信号送入立体声耳机（单声道）时，空间声像似乎在头部中心的虚拟位置上，而不是分别在两个传声器处。在两通道音箱系统中也可以

声５像４位３置２偏ｌ咎０１１Ｄ（ｄＢ）

０４８１２

／１，，¨

，ｄ

厂

，，。

。

？ｄ，，

么／

ＩＴＤ（?ｓｅｏ

＋脉冲激威

一一宽带噪声激励

图２—３两耳信号差与侧移ｆｉｇｕｒｅ２—３ｐｅｒｃｅｐｔｉｏｎｏｆｉｎｔｅｒａｔｔｒａｌ

ｄｉｆｆｅｒｅｎｃｅｓｗｉｔｈｉｎａｌａｔｅｒａｌｉｚａｔｉｏｎｐａｒａｄｉｇｍ见到同样的情形：找到你的立体声设备的最佳听音点的一个好方法就是调整座位位置（或者左右声道平衡旋钮）直到单声道的声音听起来好像是在两音箱之问的中点位置上。当ＩＴＤ或ｌｉＤ超过阀值后，虚拟声像的位置开始向时间上超前或幅度较大的耳朵那一方偏移。一旦１ＴＤ或Ｉ／Ｄ达到临界值，声像就停止沿两耳轴向的移动，保持在时间超前或强度更大的耳朵那一方。图２—３所示的就是ＩＴＤ与ｌｉＤ交互作用对声像位置的影响，其中实线表

示的是脉冲激励的响应，虚线表示的是宽带噪声激励的响应，声像位置被量化成１到５级，５代表沿两耳轴向的最大偏移。根据激励类型的不同，１ＴＤ的有效范围大约在０．００５～１．５ｍｓ，ｌＩＤ的有效范围大约在ｌ～１０ｄｂ。由图可以看出ＩＴＤ和ＨＤ的交互作用使它们的门限都有所提高，这是受优先效应的影响。

真实空间听觉中的ＩＴＤ和ｌＩＤ值都是有限的，因此对应在虚拟空间听觉中，在某一范围内增大１ＴＤ和皿，能够使人脑感知声像的位置向相应的方向偏移；但当ＩＴＤ和ＩＩＤ达到某一门限时，声像位置偏移达到最大，此时再增大ＩＴＤ和ｌＩＤ，声像位置就不会继续向一侧偏移，有时甚至反而会向中心靠近。

对ＩＴＤ的研究结果表明，一般人的真实空间听觉的ＩＴＤ最大值约为Ｏ．６５毫秒。在虚拟空间听觉中，我们对某一声道信号加以不同的延迟将会在人脑中产生相应的声像变化，图２—４所示是使用耳机时左声道延迟时间与声像位置的关系。所示

第１０页

第二章两通道虚拟环绕声系统的原理及数学模型

数据只是近似结果；声音的强弱、信号的类型和每个听音者个人的阀值不同都会改变实际的测量数值。在真实的听音情形下，延迟声音相对于非延迟声音的角度不同也会得到不同的结果。

当ＩＴＤ从Ｏ到Ｏ．６毫秒之间变化时，声像位置从大脑中心沿两耳间的轴向右移动，与真实空间听音中ＩＴＤ的作用是一致的；当ＩＴＤ在０．７到３５毫秒之间时，声像位置不再继续向右移动，而是其形状会发生变化。如１．５毫秒的图所示，声像宽度有微小的增加；并且在一定范围内声像宽度随着ＩＴＤ的上升而不断增加。伴随时间延迟所发生的其它感知上的变化还有音色、响度和声像位置向延迟声道一方

①◇中中中

Ｏ

麓声灞霉邂时阀（蒜狰’

图２—４ＩＴＤ与声像感知位置

ｆｉｇｕｒｅ２—４ｐｅｒｃｅｐｔｕａｌｅｆｆｅｃｔｏｆｉｎｃｒｅａｓｉｎｇ１ＴＤ的轻微偏移。当ｒｉＤ增大到１０毫秒，声像宽度大到某种程度时，其“重心”反而会向大脑中心回动；并且，当ＩＴＤ继续增大到某一数值时（这一数值与声源特性

有关，这里为４Ｊ０毫秒），人脑中产生的变宽的声像将分裂成为两个对称的、没有加宽的声像，因分裂而产生的这后一个声像就是我们通常所说的“回声”［１１ｊ。

其实，ＩＴＤ和ｌＩＤ对空间声源定位的作用是有限的，这一点主要表现在两个方

冀彳＿ｌ‘●鑫翕、心．＿１）

图２—５锥面模糊

ｆｉｇｕｒｅ２—５ｔｈｅｃｏｎｅｏｆｃｏｎｆｕｓｉｏｎ面：其一是距离定位的不准确性。因为声源距离虽然会影响到人耳听到声音的延时和强度，但对耳间时间差及强度差却没有太大作用。其二就是我们通常所说的“锥面模糊”现象““。ＩＴＤ和ｌＩＤ在左右方向上的定位作用是非常明显的，但对前后以及上下方向的定位却容易产生混淆，例如在图２—５所示的圆锥面上，处于同一水平面的Ａ点和Ｂ点到两耳的路径是对

称的，位于这两点上的声源在两耳间引起的ＩＴＤ和ｌｉＤ也会是相同的，因此将产生声源位置判断时前后的不准确性；同样地，对位于同一垂直平面内的ｘ和Ｙ点

第１１页

华南理工大学工学硕士学位论文

上的声源，它１ｆｉｎ两耳的路径也是对称的，如果仅用ＩＴＤ和ＩＪＤ来判断的话，则将会出现上下方向的判断模糊。当然这只是理论上的情况，对于实际的人体来说，这几个点上的ＩＴＤ、ＩＪＤ不可能完全一样，除非头部是一个圆球并且将不对称性、面部因素和耳廓的影响排除在外。但当在两个位置的ＩＴＤ、ｌＩＤ非常相似的时候，正如上面的情况，如果没有其它空间因素存在就很可能出现判断的混淆。显然，要解决“锥面模糊”的问题，仅有ＩＴＤ和ｌｉＤ是不够的“…，下一节我们将介绍空间听觉的一种更为完备的模型，即头部相关传递函数（ＨＲＴＦ）。

２．１．３头部相关传递函数（ＨＲＴＦ）

单纯的ＩＴＤ和ｌＩＤ存在着“锥面模糊”这一局限性，因此为了准确判定声源位置，我们还必须考虑到心理声学的另一个要素，即接收声源的谱结构。谱结构是影响空间听觉的一个非常重要的因素，由于声音在人的耳内引起的是耳膜基于其声波频率的振动，所以虚拟空间听觉系统实现的目标就是要模拟出真实声源传到耳膜时的频谱结构。

如果我们把从声源到达耳膜之前的传输路径看成一个滤波器的话，这一滤波器的频率响应就包含了我们所需要的谱结构信息，这一频率响应就是所谓的“头部相关传递函数”（ＨｅａｄＲｅｌａｔｅｄＴｒａｎｓｆｅｒＦｕｎｃｔｉｏｎ，｝珉ＴＦ）。从心理声学的角度来说，ＨＲＴＦ是综合了１ＴＤ、ＨＩ）和谱结构特性的声源定位模型；从物理声学的角度来说，ＨＲＴＦ则是由人体结构特性决定的声源位置的函数，也即是相应传输路径的响应，它可以看成是一个频域衰减及相位延迟器“…。

由于人耳的听觉特性决定了听觉响应实际上是基于频谱的响应，所以无论是在直接测量还是在建模构造的过程中，ＨＲＴＦ的谱结构通常都被认为是３Ｄ声学系统最关键的一个参量。ＨＲＴＦ中包含了人体结构对声音信号的频率响应，人体的各个部位对不同频率的信号有着不同的响应，这些响应有些是有方向性的，如躯干、头、肩部和耳廓、耳腔的反射以及头部衍射；有些是无方向性的，如耳腔的回响和耳道、耳膜的阻抗…。ＨＲＴＦ是耳道中声信号与自由声场中声信号的傅立叶变换之比。ＨＲＴＦ的谱特征反映在它们的谷点频率与峰点频率上，某些谷点频率与峰点频率随着声源方向的改变而改变。如图２—６是ＭＩＴ实验室所铡得的一对ＨＲＴＦ的幅频特性，不论是哪个方向的ＨＲＴＦ，它们有许多共同的特点：

１、ＨＲＴＦ是声源位置尤其是声源方向的函数，对于距离我们认为它只与频谱能量有关，即能量与距离平方成反比例关系，实际上声源距离对ＨＲＴＦ的谱结构

第１２页

第二章两通道虚拟环绕声系统的原理及数学模型

也是有影响的。当声波在媒体中传播时，由于媒质对不同频率信号的衰减情况不同，一般来说，高频信号衰减总是比较大一些，所以远距离传来的信号中高频分量能量较低，相应ＨＲＴＦ的高频部分幅度也要降低一些。但是我们选择某一固定的距离所测得的ＨＲＴＦ仍然是具有相当的代表性的，可以在一定的距离范围内表征全部ＨＲＴＦ的谱结构特性。

２、ＨＲＴＦ是一个不对称的函数。ＨＲＴＦ无论在左右、前后还是上下方向上其谱

囊事ｔⅡｚｌｘ蠢ａ）左Ｉ驯ＲＴＦ

囊搴（Ⅱｔ】ｘ强Ｆ

直ｂ，右耳ＩｍＴｌｒ

图２—６双耳ＨＲＴＦ

ｆｉｇｕｒｅ２—６ｂｉｎａｕｘａｌＨＲＴＦｓ

结构都是有差别的，声源同侧的ＨＲＴＦ冲激响应的强度明显大于声源背面的ＨＲＴＦ冲激响应的强度，而且声源同侧ＨＲＴＦ冲激响应的波形较声源背面的波形也要复杂，即起伏变化剧烈，在频谱特性上表现出高频分量要充足些，这是由于人体对声音信号响应具有方向性所造成的。数据在高频处至少有一较深的谷点频率。当声源由低纬度向高纬度移动时，谷点的频率也向高频移动。这些都是ＨＲＴＦ的包含的重要方位信息。ＨＲＴＦ中包含的这种有方向性的频率响应，使得它成为一个在各个方向上都不对称的函数。正是因为如此，用ＨＲＴＦ定位可以解决ＩＴＤ、ｌｉＤ的“锥面模糊”问题“…。

３、Ｈ盯陌是由被测者特定的响应特性决定的，不同的人有不同的ＨＲＴＦ。这一点很容易理解，由于ＨＲＴＦ包含了人体结构对声音信号的响应，每个人身体结构不一样，对信号的频率响应也干差万别，因此实际上每个人的ＨＲＴＦ都是不同

第１３页

相列强度曲

华南理工大学工学硕士学位论文

的“…，我们称之为“个人ＨＲＴＦ”（ＩｎｄｉｖｉｄｕａｌｉｚｅｄｏｒＰｅｒｓｏｎａｌＨＲＴＦ）。“个人ＨＲＴＦ”之间的差别可以是非常大的，但在信号处理和重放的过程中，我们不可能为每个听音者提供基于“个人ＨＲＴＦ”的３Ｄ音频系统，事实上工程中常用的是所谓的“一般ＨＲＴＦ”（ｎｏｎｉｎｄｉｖｉｄｕａｌｉｚｅｄ０１＂ｇｅｎｅｒａｌｉｚｅｄＨＲＴＦ），大量实验表明这种方法是可以接受的…１。“一般ＨＲＴＦ”可以通过大量“个人ＨＲＴＦ”的统计平均来获得，也可以通过建模的方法由实验得到。本文所用的ＨＲＴＦ数据是麻省理工学院（Ｍ１Ｔ）多媒体实验室在ＫＥＭＡＲ（ＫｎｏｗｌｅｓＥｌｅｃｔｒｏｎｉｃＭａｎｎｅｑｕｉｎｆｏｒＡｃｏｕｓｔｉｃＲｅｓｅａｒｃｈ）模型的基础上测量出来的一组“一般ＨＲＴＦ”“…。

在ＨＲＴＦ的谱结构中，相位特性也是非常重要的。但是由于单边ＨＲＴＦ的相位信息对声源定位的作用并不是很明显，所以我们研究的一般都是两耳间的相位差值。如果一个包含所有频率的脉冲信号从声源位置传到听音者位置，则不同频率的信号将会产生不同的耳问相位延迟。相位延迟作为频率的函数，与时间上的延迟是相互对应的。相位延迟３６０度相应于一个波长，对ｌｋＨｚ的信号其延时为０．００１秒，若对１００Ｈｚ的信号其延时则为０．叭秒。

以上分析了ＨＲＴＦ的特点及其对听觉系统的重要意义，但是ＨＲＴＦ也并不是万能的，因为耳廓效应所引起的频谱的差别是很小的，所以人耳对声源的一次定位仍然具有一定程度的模糊。而人的自然听觉之所以很少会出差错，一方面是依靠视觉的帮助（事实上在有视觉的条件下一般都是以视觉为主而听觉为辅的），另一个重要的原因就是头部移动的辅助定位效果。通过头部移动，人耳将多次接收的声信号中ＩＴＤ、ＨＩ）的变化以及频谱中谷点、峰点的移动根据先验知识进行比较和判别，从而在大脑中形成正确的声源位置的“像”…。实际的听觉系统一般都需要根据头部的移动进行反复多次比较定位后才能得到准确的结论。

２．１．４反射与混晌

前面我们在优先效应理论的基础上介绍了关于声源定位的几个心理声学的要素。但在虚拟空间听觉系统中，为了获得更好的临场感及原音重现的效果，仅有关于声源位置的信息是不够的。况且，正如前面所说的，无论是ＩＴＤ、ｌＩＤ还是ＨＲＴＦ，其对声源距离所能提供的信息都是非常有限的，无法用来作为距离定位的标准。所以这一节我们还要引进一个能够表征距离与环境特征的声学要素——混响。

第１４页

—可——————ⅧＩ厂一

第二章两通道虚拟环绕声系统的原理及数学模型

在真实空间听觉中，人们听到的声音除了直接传到人耳的直射声之外，还有经周围环境物体一次或多次反射得到的反射声，在一个普通房间里所测得的脉冲声音信号的响应如图２－－７所示。由图可见，脉冲响应信号的前段，能量较大，响应谱线（这里的一根谱线代表一个反射信号）较为稀疏；随着时间的延迟，响应幅度按指数规律衰减，谱线却越来越密终至不可分辨。图中延迟最小、幅度最大的一根线条表示的是直射声（ＤｉｒｅｃｔＳｏｕｎｄ）；箭头所指的几根幅度明显较大的线条是声音信号在距离接收者最近的物体上反射而得来的，叫做早期反射（Ｅａｒｌｙ１

相

】ｌ｜銎氆‘雌）吨８

—一ｉａ

衄ｈＩ‘Ｊ．……。．：

而－ｒ＿”∥一一：

ｊ

●－－●－＿

玑毒

酵摊｛稿渺）

图２—７一个典型房问的脉冲响应

ｆｉｇｕｒｅ２—７ａｌｌｉｍｐｕｌｓｅｒｅｓｐｏｎｓｅｍｅａｓｕｒｅｄｉｎａ

ｃｌａｓｓｒｏｏｍｗｉｔｈａｎｏｍｎｉｄｉｒｅｃｔｉｏｎａｌｍｉｃｒｏｐｈｏｎｅ

Ｒｅｆｌｅｃｔｉｏｎｓ）；之后的一段

密集的线条是由于声音信

号经过周围物体的多次反

射后叠加造成的结果，叫

做后期反射（Ｌａｔｅ

Ｒｅｆｌｅｃｔｉｏｎｓ），又叫做后期

混响（ＬａｔｅＲｅｖｅｒｂｅｒａｔｉｏｎ），

我们在这里简称为混响。

但在一段脉冲响应信号中，早期反射与混响只是相对的称呼，它们之间并没有明显的界线，我们通过三个参数加以区分：持续时间，通常称混响时间，以ｔ６０表示；混响声与直射声的比值，即Ｒ／Ｄ比率；与早期反射的到达时间和入射角有关的参数。ｔ

第一个参数，混响时间（ｔ６０），定义为反射信号的能量衰减到直射声能量的一６０ｄｂ以下时所需的时间。６０ｄｂ的数值定得有些随意，因为即使下降到这个水平声音仍然可能很响；它本来的意思只是表示一个“相对安静”的数值。ｔ６０表征着周边环境的空旷程度。而反射和混响延迟的时间与周围环境物体的距离以及物体表面的反射特性有关，一般来说，早期反射的延迟时间大约在１～８０毫秒之间，而混响时间则在８０毫秒之后。

第二个参数，Ｒ／Ｄ比率，即在某一位置的反射声与直射声能量之比。在一个封闭环境中，离声源越远，直射声越弱，而混响声基本不变。这使它成为判断距离的辅助信息。在反射能量与直射能量相等的那一点，称为临界距离。

第三个参数与早期反射的时域和空间结构有关。在固定情形下，早期反射某一时刻在空间的分布是声源、听音者和环境中物理特性的函数。反射声不同的时

第１５页

华南理工大学工学硕士学位论文

空结构能够反映距离的远近和声像的大小。

与ＨＲＴＦ类似的，在工程上我们也可以通过直接测量和建模两种方法来获得环境反射及混响。直接测量就是对某一环境测出其类似图２－－７的脉冲响应曲线，再对其进行抽样得到ＦＩＲ数字滤波器的系数，与声源信号卷积即可得到声源的全

图２—９声波的反射特性

ｆｉｇｕｒｅ２——９ｓｏｕｎｄｒｅｆｌｅｃｔｉｏｎｏｆｆｏｆａｒｅｆｌｅｃｔｉｖｅｓｍ＇ｆａｃｅｉｎ∞ａｎｅｃｈｏｉｃｃｈａｍｂｅｒ部环境响应。建模的方法是通过对某…类环境的脉冲响应建立一个数学模型，并用滤波器合成它，声源信号经过滤波器处理就得到其环境响应。在实际的虚拟空间听觉系统中，我们不可能对所有环境都去测量它的脉冲响应，所以工程中通常用的都是建模的方法。

虽然多种多样的环境各有不同的脉冲响应模型，但实验研究的结果表明

…１：环境脉冲响应谱线的幅度是按指数规律衰减的，而在时间轴出现的密度则是呈高斯分布的，其一般结构都可以用图２－－８所示的简单时域响应模型来表示。早

翱

蝥

康

（ｄ孤）

嚣

对巍

图２—８脉冲响应的简单时域模型期反射通常是由声源在较近物体上经过一次反射而来的，由于反射物体的距离、表面特性等因素的影响，早期反射声到达接收

ｆｉｇｕｒｅ２－－８ｓｉｍｐｌｉｆｉｅｄｒｅｆｌｅｅｔｏｇｒａｍｏｆａｎｉｍｐｕｌｓｅｒｅｓｐｏｎｓｅ者的时间一般是不同的，所以在某一时刻只有一个早期反射信号，它对接收者形成平面域的听觉效应，是有方向性的。随着时间的增加，声源反射次数也增多，这样经过多次复杂反射后的信号在同一时刻到达接收者的概率将会越来越大，在一段时间之后，同一时刻的接收信号数也会相应地不断增长。由于这种反射的复杂性，信号将会从各个方向传到接收者，只要当接收的信号达到一定数量，就会对接收者形成球面域的听觉效应，因此后期反射即混晌是无方向性的。

在虚拟空间听觉系统中，对早期反射和混响是用不同的方法进行处理的。由于早期反射是有方向的，所以我们一般采取直接处理的方法，将其当作一个独立的声源看待，利用声波的反射特性（声波有类似光波的反射特性，如图２－－９所示），

第１６页