邱音良 李知禹 王晶 李嵩 李婧欣

（1.北京理工大學信息與電子學院，北京 100081；2.聲網(wǎng)Agora，浙江杭州 310012；3.中國電子技術(shù)標準化研究院，北京 100176）

1 引言

隨著虛擬現(xiàn)實技術(shù)的發(fā)展以及元宇宙概念的火熱，沉浸體驗感不佳再度成為了亟須解決的問題。造成該現(xiàn)象的原因是多種多樣的，包括圖像渲染不夠真實，交互操作不夠豐富等直接的視覺和人機交互因素。而現(xiàn)實生活中大腦需要同步處理視覺和聽覺信息，空間音頻是虛擬現(xiàn)實乃至未來元宇宙世界中的關(guān)鍵信息內(nèi)容，如何提升空間音頻的沉浸感成為十分重要的研究問題。效果良好的空間音頻效果力圖讓人們感受到身臨其境的真實感，現(xiàn)階段雙耳虛擬空間音頻的實現(xiàn)方式主要是基于頭相關(guān)傳輸函數(shù)（Head-related transfer function，HRTF）渲染［1］。一些新型的基于數(shù)據(jù)驅(qū)動的空間音頻生成方法仍然不夠成熟，例如利用神經(jīng)網(wǎng)絡(luò)將單聲道音頻渲染為雙耳空間音頻的方法［2］實現(xiàn)過程中需要較高的算力，提高了對底層硬件的要求，且神經(jīng)網(wǎng)絡(luò)建模方法在理論上可解釋性較差，不利于后續(xù)的優(yōu)化改進。而HRTF 依據(jù)傳統(tǒng)數(shù)字信號處理的原理，描述的是在自由場環(huán)境下，聲音由聲源處傳輸?shù)饺硕缓蟊欢伣邮盏恼麄€物理過程。換句話說，它可以被視為一個聲音傳輸?shù)南到y(tǒng)函數(shù)，以頻域濾波器的形式表示了頭部對空間中不同位置聲音的處理過程［3］?？紤]到每個人的頭部和耳廓形狀有所差異，相同聲源發(fā)出的聲波進入不同人耳前需要進行不同的個性化處理，因此每個人的HRTF都是與眾不同的［4］。想要得到聽覺上更好的沉浸式體驗感，自然需要使用聽者對應(yīng)的個性化HRTF。但是直接和全面測量個體的HRTF 極為耗時且需要貴重設(shè)備和消聲環(huán)境，使得個性化HRTF 的成本居高不下。而個性化HRTF 會帶來多大程度的效果提升，這種效果提升怎樣體現(xiàn)在增強聲源定位準確度方面以在一定程度上達到增加沉浸感的目的，本文旨在通過調(diào)研相關(guān)資料和分析HRTF的影響機理來解答這兩個問題。

HRTF 有多種獲取方式。通過實驗室測量獲得的HRTF相對準確，但是測量成本較高，并且測量規(guī)范有很多種，不同方法間有一定偏差。Andreopoulou對比不同的測量方法的結(jié)果，發(fā)現(xiàn)在各頻段都有一定偏差，特別是在8 kHz 以上的部分［5］。近幾年情況有所改善，余光正［6］研發(fā)的系統(tǒng)已經(jīng)可以在20 min 左右完成近場HRTF 的測量，8 kHz 以下誤差小于0.5 dB，12 kHz以下誤差不大于2～3 dB。Jenny和Reuter［7］研發(fā)的系統(tǒng)可以在60 min（測量過程20 min，調(diào)試和說明40 min）左右完成測量，結(jié)果較為準確。另一類獲取HRTF 的方法是通過計算獲得。計算使用的模型種類繁多，在此不一一列舉。為了計算個性化HRTF，需要耳廓或者頭的3D 幾何結(jié)構(gòu)，計算的準確程度很依賴測量的精度（特別是高頻部分）。若想保證準確采集，同樣需要耗費不小的成本進行測量。為了降低個性化的成本，許多近似獲取方法被設(shè)計了出來。鐘小麗和謝菠蓀在引文［8］中分析了基于生理參數(shù)的個性化方法、基于主觀實驗的個性化方法基于少量測量的個性化方法等近似方法，得出HRTF準確度（特別是高頻部分）有待提高，距離商業(yè)化還有差距的結(jié)論。隨著人工智能在聲學領(lǐng)域的應(yīng)用，基于人工智能的方法可以大幅提高獲取個性化HRTF 的效率。Guo［9］提出了一種基于聚類算法的個性化HRTF 近似方法。將數(shù)據(jù)庫中的HRTF 分類，然后通過一些簡單的生理參數(shù)測量選擇最近似聽音者的某一類HRTF，極大降低測量成本的同時獲得了很好的效果。Gebru等人［10］設(shè)計了一套基于深度學習的HRTF 預(yù)測系統(tǒng)，該系統(tǒng)的輸入?yún)?shù)不需要專業(yè)聽音室即可測得，也在降低了成本的同時獲得了很好的結(jié)果。

考慮到HRTF在空間音頻上的定位性能主要影響以下三個方面：（1）水平和垂直方向定位精度；（2）頭中效應(yīng)；（3）前后混淆現(xiàn)象。因此本文也將由這三個方面分別展開，分析個性化HRTF 對不同方面影響的相關(guān)原理，以及通過已有的主觀實驗結(jié)果說明個性化HRTF 的作用。本文將在第2 節(jié)介紹對定位精度影響的相關(guān)內(nèi)容；在第3 節(jié)介紹對頭中效應(yīng)影響的相關(guān)內(nèi)容；在第4 節(jié)介紹對前后混淆影響的相關(guān)內(nèi)容；在5 節(jié)中總結(jié)個性化HRTF 影響方面及其影響因素，個性化HRTF相關(guān)主觀實驗結(jié)果；在第6 節(jié)中給出個性化HRTF 作用效果及價值的相關(guān)結(jié)論。對于音頻的評價包含主觀評價和客觀評價兩種形式［11］，沉浸感更多來自人的主觀感受，因此以下重點討論主觀實驗的結(jié)果。

2 水平和垂直方向定位精度

空間音頻的良好體驗首要考慮的是較高的定位精度，而涉及到空間里的定位效果，通常以球坐標系為參照，需要同時考慮水平方向和垂直方向定位精度。從生物學的角度來看，人耳的左右對稱更適合水平定位，實際生活中人類對水平方向定位精度也遠高于垂直方向定位精度。

如謝菠蓀教授在［12-13］中介紹的，傳統(tǒng)的聲源定位因素即雙耳時間差（Interaural time difference，ITD）和雙耳聲級差（Interaural level difference，ILD），在不同頻段二者的重要性不同。在中、低頻段（低于1.6 kHz），ITD 對定位起主要作用；在中頻段（1.5～4.0 kHz），ITD 和ILD 對定位共同起作用；而在高頻段（高于4 kHz），ILD 對定位起主要作用。而傳統(tǒng)聲源定位因素有一定的局限性，因此本文接下來將從水平定位和垂直方向定位原理兩方面進一步探究。

2.1 水平定位原理

水平定位的原理可以直觀的使用ITD 和ILD 解釋。如圖1所示，當聲源在人體右側(cè)時，因為頭部的遮擋作用，聲音先達到右耳再到達左耳，即造成了ITD；且右耳接收到的聲音幅值高于左耳，即造成了ILD。Letowski T R 等人在［14］中對左右定位問題做出了進一步的研究，他們提出許多實驗表明ITD在低于800 Hz 的頻段提供左右定位信息，而ILD 在高于1600 Hz 的頻段提供左右定位信息。在800～1600 Hz 頻段圍內(nèi)，單獨使用ITD 或ILD 起到的作用有限，聯(lián)合使用兩種定位因素能使聽音人獲得更有效的定位能力。

圖1 聲音傳輸示意圖Fig.1 Schematic diagram of sound transmission

因此考慮水平定位影響因素時，可以認為耳朵形狀差異帶來的影響比較小，頭部形狀差異造成的影響更大［15］。而考慮到HRTF描述的聲音傳輸物理過程包括了頭部的影響，個性化HRTF 能夠更符合個體頭部遮擋對聲音的影響，因此渲染結(jié)果能使水平定位更準確。

2.2 垂直定位原理

垂直定位準確度主要是由正中面的定位精度反應(yīng)。如圖2 所示，正中面（median plane）指位于正中位置的矢狀面，該平面通過肚臍中線，將身體垂直平分，將身體左右兩側(cè)精確地分開。研究該平面對應(yīng)角度的HRTF 即可探究HRTF 垂直定位的精確度［16］。

圖2 人體解剖學平面圖（紅色為正中面）1https://www.biologyonline.com/dictionary/median-planeFig.2 Plan view of human anatomy（red is the median plane）1https://www.biologyonline.com/dictionary/median-plane

與水平定位精度不同，垂直定位精度和人耳形狀的聯(lián)系更為密切。Grothe 等人［17］經(jīng)過實驗發(fā)現(xiàn)：給聽音人插入只改變外耳形狀，而不影響聲音通過的耳模后，聽音人會難以進行垂直方向上的聲音定位（但是水平定位的能力似乎沒有改變）。在接下來的幾個周中，持續(xù)佩戴耳模的聽音人對垂直定位的精確度逐漸提高。到一個月時，聽音人幾乎能完全適應(yīng)新的定位信息，進行正常的垂直方向的聲音定位。并且在去除耳模后，聽音人的定位能力并不會受影響。這表明不同人可以通過個性化的耳朵形狀，后天學習到如何利用頻譜信息定位的能力。

研究人員對正中面定位利用的頻譜信息做了進一步研究［16］，在大約5 kHz以上的頻段，由耳廓引起的HRTF 頻譜差異影響了正中面的定位精度。Mehrgardt 和Mellert 表明［18］，在5 kHz 以上的頻段，頻譜會隨著聲源高度的變化進行系統(tǒng)性地變化。Shaw 和Teranishi 報告［19］說，當聲源的仰角從-45°變?yōu)?5°時，HRTF 頻譜的一個波谷位置由6 kHz 變?yōu)?0 kHz。Iida 等人［20］分別對耳廓、耳廓螺旋與反螺旋之間的縱向溝、外耳這三個空腔進行阻塞，再對聽音人進行定位測試和HRTF測量。隨后他們得出相同的結(jié)論，影響正中面定位的頻譜信息存在于HRTF的5 kHz以上的高頻分量中。

基于上述研究確定HRTF 和耳廓結(jié)構(gòu)有關(guān)聯(lián)后，為了進一步探究HRTF和耳朵結(jié)構(gòu)之間的關(guān)聯(lián)，研究人員開始分析個性化HRTF之間差異比較大的點，其中以HRTF 的波峰波谷最為突出。Shaw E A G 等人指出［19］HRTF 的波峰是由耳廓的共振產(chǎn)生的。而在波谷頻率處，耳甲艇和三角窩共同作用產(chǎn)生波腹，耳甲腔產(chǎn)生波節(jié)點。Simone Spagnol 等人在［21］中報告構(gòu)造適合垂直定位的個性化HRTF時需要尤其注意最低頻率的波谷。為了用實驗對該結(jié)論進一步驗證，Grothe B［17］等人使用1秒白噪聲信號（截止頻率為44.1 kHz）與KEMAR 頭模型的HRTF 做卷積來渲染，并重復(fù)實驗超過50 次得到平均結(jié)果：將聲源位置由水平面下方45°移動到水平面上方45°后，渲染出聲音的有效頻譜中的波谷中心頻率會移動到更高頻率處。

而波峰波谷與HRTF的相關(guān)性可以通過齊娜等人在［22］中的論述解釋。他們指出不同方向入射的聲波會被耳廓的不同部位反射進入耳道，反射聲和直達聲在耳道入口處進行疊加干涉，因此形成了HRTF 的波峰和波谷。考慮到人類耳廓的尺寸大約是65 mm，所以只在2～3 kHz 以上的頻率，當聲音波長和耳廓尺寸近似的時候，耳廓對聲音的反射才起作用；對于5～6 kHz以上的高頻信號，耳廓的定位因素才更加明顯。由此可知我們考慮個性化HRTF對垂直定位的影響時，應(yīng)該考慮到人類本身對聲音垂直定位的能力。換而言之，使用個性化HRTF 渲染包含中高頻以上的頻段信息時才能取得較明顯的垂直定位能力提升。

從圖3可以清晰地看到在不同頻段上不同人的HRTF的差異是比較明顯的。

圖3 HUTUBS數(shù)據(jù)庫2https://depositonce.tu-berlin.de/handle/11303/9429中不同人的HRTF差異Fig.3 HRTF differences of different people in the HUTUBS database2https://depositonce.tu-berlin.de/handle/11303/9429

2.3 個性化HRTF的作用

目前針對個性化HRTF的定位性能實驗往往分成水平方向和垂直方向分別進行實驗：

（1）水平面上個性化HRTF 的定位效果目前有兩類主要對比方法：一部分學者將個性化HRTF 與人工頭HRTF 比較，如Wang L 等人在［23］中比較了使用預(yù)測算法生成的個性化HRTF 和使用KEMAR人工頭測量的HRTF。兩種預(yù)測的平均誤差在8 dB左右，主要集中在高頻部分。他們發(fā)現(xiàn)兩種HRTF渲染的正左和正右聲音沖激都能很容易被區(qū)分出來，而30°和45°時使用個性化HRTF 渲染的聲音角度感覺更準確，且兩種HRTF 前方角度的分辨率均優(yōu)于后方。進一步經(jīng)過方差分析（Analysis of Variance，ANOVA），HRTF 種類和測試使用的水平角對測試者有顯著作用，而HRTF 種類和水平角之間的相互作用不顯著，可以認為實驗是有效的；在0.05顯著水平下，個性化HRTF 的定位誤差要遠低于非個性化HRTF 的定位誤差。Ben-Hur Z 在［24］中提出一種快捷且不損失準確度的HRTF 測量方法，也比較了該方法測量出的個性化HRTF 和KEMAR 人工頭測量的HRTF，人工頭HRTF 的水平角度定位誤差顯著高于個性化HRTF。而Hu H 等人在［25］中引入了更多樣的對比項，他們使用了：1）CIPIC數(shù)據(jù)庫中原有的HRTF（可被視為非個性化HRTF 的一種）；2）通過他人人體參數(shù)預(yù)測出來的非個性化HRTF；3）通過聽音人人體參數(shù)預(yù)測出來的個性化HRTF。使用顯著水平0.05 的t 檢驗對實驗結(jié)果做驗證，他們的實驗結(jié)果顯示兩種非個性化HRTF 的水平定位效果相近，而使用個性化HRTF 使得水平定位準確度顯著提升了20%。而［26］中M?ller H 使用了個性化和非個性化的人頭雙耳錄音，以女性說話音頻作為輸入信號，并沒有發(fā)現(xiàn)個性化人頭錄音的顯著提高作用。類似的Begault D R 在［27］中使用語音信號也提到了個性化HRTF無法顯著提升水平定位準確度。其原因在于語音信號的頻率遠小于6 kHz。在低頻部分，各種方法獲得的通用或者個性化HRTF 的差別都不大。Liang Linda［28］的研究表明，表征語音感知雙耳效應(yīng)的雙耳語音傳輸指數(shù)的個體差異很小。在此情況下決定實驗效果的主要是測量誤差，而兩篇文獻發(fā)表的年代也相對較早，測量技術(shù)不成熟，可能導(dǎo)致實際與理論不符，參考價值有限。

（2）在垂直方向上個性化HRTF 的定位效果較為顯著：如Ben-Hur Z 在［24］中通過比較了個性化HRTF 和KEMAR 人工頭測量的HRTF。實驗結(jié)果表明，使用人工頭HRTF 帶來的垂直方向平均誤差為21.4°，而個性化HRTF 垂直方向平均誤差為10.9°。經(jīng)過統(tǒng)計學分析，個性化HRTF 比非個性化HRTF在垂直方向定位上有顯著提升。

3 頭中效應(yīng)

頭中效應(yīng)又稱為外化感弱，常見于耳機端的回放，聽音人會錯誤地感覺聲像在頭中，而不是感知到在頭外部的虛擬聲源。此種現(xiàn)象會破壞聽音人的沉浸體驗感，使其感受到不自然，不真實。

3.1 產(chǎn)生機理

Begault D R 等人在［27］中表示：很難精確的去渲染聲源的外化效果，但是外化感會隨著激勵信號更接近自然的激勵信號而增強，從而達到了削弱頭中效應(yīng)的目的。而目前仿真自然的激勵信號方法通常有：（1）使用混響，（2）加入頭部運動，（3）使用個性化HRTF。

而這三種方法并不是獨立關(guān)系，倘若分開使用則并不能保證效果，如Li S 等人在［29］中通過在虛擬現(xiàn)實（VR）中使用不同房間場景進行實驗說明：如果房間的聲學特性不符合聽音人的期望，雙耳聲音中“正確”的房間混響信息反而可能會降低感知的外化；Hendrickx E 等人在［30］中通過使用非個性化HRTF，渲染水平面不同角度的語音信號，配合頭部追蹤器進行實驗，他們發(fā)現(xiàn)頭部運動足夠大時，頭部運動與頭部追蹤相結(jié)合的方法可以增強外化感。且頭部停止運動后，這種外化感的增強仍然存在。

Best V 等人在［31］中觀察到一種現(xiàn)象：聲源到達兩耳路徑差異越大，頭中效應(yīng)就越弱。即正中面相對比側(cè)面，聲源感知上會更靠內(nèi)。聯(lián)系定位精度所涉及的理論，可以聯(lián)想到頭中效應(yīng)與ITD 和ILD也是相關(guān)聯(lián)的。Hartmann W M 等人［32］在使用自然的ITD 和ILD 組合來處理測試波形，使聽音人能感知得到與揚聲器效果相當?shù)碾p耳音頻。而改變ITD和ILD，使其偏離自然值，頭中效應(yīng)會明顯加強。在不同頻率段上，他們認為ITD 可以提升1 kHz 以下頻段聲音的外化效果，而ILD 可以提升所有頻段。因此考慮到使用個性化HRTF 等同于引入自然的、符合聽音人感知的雙耳線索和頻譜線索，個性化HRTF會起到一定的削弱頭中效應(yīng)的作用。

3.2 個性化HRTF的作用

對于以感知聲源距離為標準的外化感，Jenny C等人在［7］中使用了兩組對比項來探究個性化HRTF 提升的效果，分別是：（1）聽音人個性化的HRTF 和通用HRTF（KEMAR 假人頭模型測量的HRTF），（2）聽音人個性化的HRTF和基于［33］中模型從ARI 數(shù)據(jù)庫中挑選出的聽音人定位誤差最大的非個性化HRTF（下簡稱為最大HRTF）、定位誤差最小的非個性化HRTF（下簡稱為最小HRTF）。他們的實驗結(jié)果顯示為：個性化HRTF 的外化感得分顯著高于通用HRTF；個性化HRTF 外化感平均得分和最小HRTF 的相同，但整體高于最小HRTF，最大HRTF明顯比個性化HRTF和最小HRTF得分低。而Cal Armstrong 在［34］中使用低頻補償和擴散聲場技術(shù)的后處理技術(shù)，針對人工頭測量的非個性化HRTF 和實際測量的個性化HRTF 做后處理，測試結(jié)果顯著表明KU-100 的人工頭測量的HRTF 數(shù)據(jù)集在減弱頭中效應(yīng)方面普遍優(yōu)于個性化HRTF。該實驗選用了器樂的聲音作為測試音，但并沒有說明受試者是否有相應(yīng)的器樂知識，因此該實驗的結(jié)果可能存在一定偏差。但是該實驗給了我們兩點啟發(fā)。其一，對HRTF 的測試流程是一個非常值得研究的課題。其二，通過后期處理有可能讓通用HRTF的效果獲得很大的提升。

4 前后混淆

前后混淆現(xiàn)象指由于人耳的左右對稱結(jié)構(gòu)，位于與正中矢狀面平行的平面上的聲源到達每只耳朵具有相同的ITD 和ILD，導(dǎo)致聽音人對聲音位于前方還是后方產(chǎn)生誤判的一種現(xiàn)象，尤其常見于雙耳回放中。在實際生活中，由于頭部運動和耳廓對聲音頻譜的影響，人們很少會產(chǎn)生前后混淆［35］。

4.1 產(chǎn)生機理

Zieliński S K 等人在［36］中介紹說在沒有微頭部運動的前提下，只使用HRTF 能夠區(qū)分前后聲源的原因可能是存在一部分特殊的個性化頻譜線索，使得聽音人能夠區(qū)分前后聲源。近似地Johansson M 在［37］中也提到在區(qū)分前后位置聲音的過程中，大腦會利用不同人耳朵、頭部和軀干形狀的微小形狀差異，耳廓的具體細節(jié)如圖4 所示。不同方向的聲波在經(jīng)過耳廓時，聲波包含的不同頻率分量會在耳廓的復(fù)雜結(jié)構(gòu)內(nèi)部發(fā)生不同程度的透射、折射或反射，最終達到鼓膜前，不同頻率的聲波會受到不同程度的衰減。因此大腦可以根據(jù)各頻率的衰減情況，來定位聲源的前后方向?？紤]到人和人形體之間的差異，大腦使用的細節(jié)也因人而異。倘若個性化HRTF 的測量足夠精細，則可以包含這些人體細節(jié)的影響，使渲染音頻的前后混淆下降。更進一步的謝菠蓀等人在［12］中指出在高頻頻段（＞5 kHz），波長與耳廓尺度相近，耳廓對聲波的散射集中體現(xiàn)在HRTF高頻段的前后不對稱性和頻譜存在波峰波谷，他們認為這是區(qū)分前后聲源的重要線索。

圖4 耳廓體表解剖學示意圖3https://www.gmzyjc.com/read/zjz/zjz03-0.7.1.0.0.mdFig.4 Schematic diagram of the anatomy of the auricle body surface3https://www.gmzyjc.com/read/zjz/zjz03-0.7.1.0.0.md

4.2 個性化HRTF的作用

考慮到前后混淆可以被頭部運動所緩解，所以存在兩種測試前后混淆的實驗設(shè)置：

（1）不使用頭部追蹤設(shè)備，如Lee G W 在［38］中使用了多種方法對比，分別是：1）新提出使用人體參數(shù)和耳廓測量參數(shù)的個性化HRTF 預(yù)測方法；2）將數(shù)據(jù)庫中的不同人HRTF取平均得到平均化的HRTF；3）［39］中使用人體參數(shù)的個性化HRTF預(yù)測方法。關(guān)于水平面上的定位能力實驗結(jié)果顯示：方法1）相比方法2）和3）的前后混淆率分別降低了12.5%和2.5%?？梢钥闯鰝€性化HRTF 降低前后混淆的作用比較明顯，且不同個性化預(yù)測算法存在提升空間。Ben-Hur Z 在［24］中通過比較了個性化HRTF 和KEMAR 人工頭測量的HRTF。實驗表明，使用人工頭HRTF 會造成的前后混淆概率為9.8%，而使用個性化HRTF 時只有4.7%。經(jīng)過統(tǒng)計學分析，使用個性化HRTF 會顯著降低前后混淆。而Hu H 等人在［25］使用顯著水平0.05 的t 檢驗對實驗結(jié)果做驗證，他們的實驗結(jié)果顯示兩種非個性化HRTF 的前后混淆概率相當，而使用個性化HRTF使得前后混淆概率下降3%。

（2）使用頭部追蹤設(shè)備，如Jenny C 等人在［7］中使用了VR 設(shè)備來比較個性化HRTF 和通用HRTF 的前后混淆情況，他們的實驗結(jié)果顯示為：在有頭部追蹤的情況下，個性化HRTF 沒有發(fā)生前后混淆現(xiàn)象，而通用HRTF 前后混淆的比例達到了27%。統(tǒng)計學分析表明，使用個性化HRTF 可以顯著降低前后混淆。而在和定位誤差最大HRTF、最小HRTF 比較時，個性化HRTF 仍然沒有發(fā)生前后混淆現(xiàn)象，最小HRTF前后混淆率為6%，最大HRTF前后混淆率為24%。值得注意的是，沒有專業(yè)聽音知識的人幾乎找不到最小HRTF帶來的前后混淆。

5 總結(jié)

表1 總結(jié)了個性化HRTF 的影響方面及其影響因素，可以看出對于不同的方面，個性化HRTF的影響因素有一些重疊。表2總結(jié)了文中引用的主觀實驗。從結(jié)果來看，絕大多數(shù)實驗的被測者都表示個性化的HRTF提高了聲音的定位精度。少部分實驗的結(jié)果是個性化的HRTF 相對通用HRTF 不能顯著提高聲音的定位精度，這部分實驗所選用的測試音頻的頻段比較特殊，能量主要集中在低頻段，不容易體現(xiàn)個性化HRFT的優(yōu)勢。

表1 個性化HRTF影響總結(jié)Tab.1 Summary of the impact of personalized HRTF

表2 個性化HRTF影響主觀實驗總結(jié)Tab.2 Summary of subjective experiments on the impact of personalized HRTF

6 結(jié)論

個性化HRTF 能夠提高定位精度，尤其是垂直方向，一定程度削弱頭中效應(yīng)，一定程度減少前后混淆現(xiàn)象，即可以認為使用個性化HRTF 對一定程度上提升沉浸體驗感是有直接幫助的。

同時需要關(guān)注到的是目前個性化HRTF效果評測實驗存在著實驗條件設(shè)置差異較大的問題，可以看到實驗使用的聲源包括白噪聲、語音信號且截止頻率有所差異；回放設(shè)備包括耳機回放，VR 回放；運動傳感器包括使用和不使用；聽音人包括有專業(yè)聽音知識和普通聽音人；對比的非個性化HRTF 包括通用HRTF（人工頭HRTF）和根據(jù)其他聽音人測量的HRTF。考慮到空間音頻的渲染內(nèi)容和渲染條件以及回放設(shè)備的多樣性，根據(jù)實際場景的需要來設(shè)置實驗條件是必要的。所以將來測試個性化HRTF 效果的實驗條件在特定標準下應(yīng)該是確定的；對比非個性化HRTF 時也應(yīng)該尋找一個質(zhì)量優(yōu)異的數(shù)據(jù)庫作為共同標準。

除實驗設(shè)置之外，從實驗結(jié)果也可以看到目前直接預(yù)測個性化HRTF 算法的性能仍有進步空間，如何準確評價個性化HRTF算法的性能優(yōu)劣也是值得研究的問題。由于直接測量個性化HRTF的成本太高，對于實際應(yīng)用中的需求，使用優(yōu)化后的非個性化HRTF 來逼近個性化HRTF 也是一套備選方案。所以在無法追求理想的個性化HRTF 時，使用廣義上的考慮個性化信息的HRTF也能提升沉浸體驗感。而進行非個性化HRTF 的優(yōu)化時，也應(yīng)該充分考慮到個性化提升背后的聲學原理，配合多種措施來提升空間音頻的沉浸體驗感。