Синтез звуковых полей: Технология воссоздания виртуальной акустической среды

Введение

Техника создания виртуальных акустических сред

Синтез волнового поля (WFS) — это техника пространственного аудиорендеринга, характеризующаяся созданием виртуальных акустических сред. Она генерирует искусственные волновые фронты, синтезируемые большим количеством индивидуально управляемых громкоговорителей из элементарных волн. Эти волновые фронты кажутся исходящими из виртуальной начальной точки, виртуального источника звука. В отличие от традиционных кажущихся источников звука, локализация виртуальных источников звука, созданных с помощью WFS, не зависит от положения слушателя. Подобно настоящему источнику звука, виртуальный источник остается в фиксированной начальной точке.

Физические основы

WFS основан на принципе Гюйгенса-Френеля, который утверждает, что любой волновой фронт можно рассматривать как суперпозицию сферических элементарных волн. Следовательно, любой волновой фронт может быть синтезирован из таких элементарных волн. На практике компьютер управляет большим массивом отдельных громкоговорителей и активирует каждый из них точно по времени и уровню, в момент, когда желаемый виртуальный волновой фронт должен пройти через его местоположение. Таким образом, из монофонического источника сигнала можно восстановить настоящий волновой фронт звукового источника. Базовая процедура была разработана в 1988 году профессором А. Дж. Беркхаутом в Делфтском технологическом университете. Ее математической основой является интеграл Кирхгоффа-Гельмгольца. Он утверждает, что звуковое давление полностью определяется в объеме, свободном от источников, если звуковое давление и скорость определены во всех точках его поверхности. Следовательно, любое звуковое поле может быть реконструировано, если звуковое давление и акустическая скорость восстановлены во всех точках поверхности его объема. Этот подход является основополагающим принципом голофонии. Для воспроизведения вся поверхность объема должна быть покрыта плотно расположенными громкоговорителями, каждый из которых управляется индивидуальным сигналом. Кроме того, область прослушивания должна быть анехоичной, чтобы избежать звуковых отражений, которые нарушают предположение об объеме, свободном от источников. На практике это едва ли осуществимо. Поскольку наше акустическое восприятие наиболее точно в горизонтальной плоскости, практические реализации обычно сводят массив к горизонтальной линии, окружности или прямоугольнику из громкоговорителей вокруг слушателя. Таким образом, происхождение синтезированного волнового фронта ограничено любой точкой в горизонтальной плоскости громкоговорителей. Реальный 3D-звук невозможен при использовании таких рядов громкоговорителей. Для источников, расположенных за громкоговорителями, массив будет создавать выпуклые волновые фронты. Источники, находящиеся перед громкоговорителями, могут быть представлены вогнутыми волновыми фронтами, которые фокусируются в виртуальном источнике внутри области воспроизведения и затем снова расходятся в виде выпуклых волн. Следовательно, воспроизведение внутри объема неполное – оно нарушается, если слушатель находится между громкоговорителями и виртуальным источником.

WFS is based on the Huygens–Fresnel principle, which states that any wavefront can be regarded as a superposition of spherical elementary waves. Therefore, any wavefront can be synthesized from such elementary waves. In practice, a computer controls a large array of individual loudspeakers and actuates each one exactly by the time and level, at which the desired virtual wavefront would pass through its point. By that way from a mono signal source a genuine wave front of a sound source may by restored. The basic procedure was developed in 1988 by Professor A. J. Berkhout at the Delft University of Technology. Its mathematical basis is the Kirchhoff–Helmholtz integral. It states that the sound pressure is completely determined within a volume free of sources, if sound pressure and velocity are determined in all points on its surface. Therefore, any sound field can be reconstructed, if sound pressure and acoustic velocity are restored on all points of the surface of its volume. This approach is the underlying principle of holophony. For reproduction, the entire surface of the volume would have to be covered with closely spaced loudspeakers, each individually driven with its own signal. Moreover, the listening area would have to be anechoic, in order to avoid sound reflections that would violate source free volume assumption. In practice, this is hardly feasible. Because our acoustic perception is most exact in the horizontal plane, practical approaches generally reduce the array to a horizontal loudspeaker line, circle or rectangle around the listener. So origin of the synthesized wavefront restrict at any point on the horizontal plane of the loudspeakers. Real 3D audio is not possible with such loudspeaker rows. For sources behind the loudspeakers, the array will produce convex wavefronts. Sources in front of the speakers can be rendered by concave wavefronts that focus in the virtual source inside playback area and diverge again as convex wave. Hence the reproduction inside the volume is incomplete it breaks down if the listener is situated between the speakers and the virtual source.

Процессуальные преимущества

Если преодолеть ограничение на горизонтальную плоскость, становится возможным создать виртуальную копию реального звукового поля, неотличимую от оригинала. Изменение положения слушателя в зоне воспроизведения производит такое же впечатление, как соответствующее изменение местоположения в комнате записи. Двумерные решетки могут формировать параллельные волновые фронты, направленные на громкоговорители не громче, чем на расстоянии в несколько метров. Горизонтальные решетки способны создавать только цилиндрические волны, которые теряют 3 дБ уровня при удвоении расстояния. Однако даже с этим ограничением слушатели при волновом поле синтеза больше не ограничены "сладким пятном" в комнате. Moving Picture Expert Group стандартизировал объектно-ориентированный стандарт MPEG 4, позволяющий раздельно передавать содержание (сухой записанный аудиосигнал) и форму (импульсную характеристику или акустическую модель). Каждому виртуальному акустическому источнику требуется свой собственный (моно) аудиоканал. Пространственное звуковое поле в комнате записи состоит из прямой волны акустического источника и пространственно распределенной картины зеркальных акустических источников, возникающих из-за отражений от поверхностей комнаты. Уменьшение этого пространственного распределения зеркальных источников до нескольких каналов передачи приводит к значительной потере пространственной информации. Это распределение можно синтезировать гораздо точнее на стороне воспроизведения. По сравнению с традиционными канальными методами воспроизведения, WFS предоставляет явное преимущество: виртуальные акустические источники, управляемые содержанием сигнала соответствующих каналов, могут быть позиционированы далеко за пределами обычной области воспроизведения. Это снижает влияние положения слушателя, поскольку относительные изменения углов и уровней значительно меньше по сравнению с обычными громкоговорителями, расположенными в пределах зоны воспроизведения. Это существенно расширяет "сладкое пятно", которое теперь может охватывать почти всю область воспроизведения. Таким образом, WFS не только совместим с традиционными канальными методами, но и потенциально улучшает качество воспроизведения.

If overcome the restriction to the horizontal plane, it becomes possible to establish a virtual copy of a genuine sound field indistinguishable from the real sound field. Changes of the listener position in the rendition area produce the same impression as an appropriate change of location in the recording room. Two dimensionally arrays can establish parallel wavefronts, which are direct at the loudspeakers not louder as in some meter distance. The horizontal arrays can only produce cylinder waves, which lose 3 dB level at any doubling of distance. But already with that restriction the Listeners at wave field synthesis are no longer relegated to a sweet spot area within the room. The Moving Picture Expert Group standardized the object oriented transmission standard MPEG 4 which allows a separate transmission of content (dry recorded audio signal) and form (the impulse response or the acoustic model). Each virtual acoustic source needs its own (mono) audio channel. The spatial sound field in the recording room consists of the direct wave of the acoustic source and a spatially distributed pattern of mirror acoustic sources caused by the reflections by the room surfaces. Reducing that spatial mirror source distribution onto a few transmitting channels causes a significant loss of spatial information. This spatial distribution can be synthesized much more accurately by the rendition side. Compared to conventional channel orientated rendition procedures, WFS provides a clear advantage: Virtual acoustic sources guided by the signal content of the associated channels can be positioned far beyond the conventional material rendition area. This reduces the influence of the listener position because the relative changes in angles and levels are clearly smaller compared to conventional loudspeakers located within the rendition area. This extends the sweet spot considerably; it can now cover nearly the entire rendition area. WFS thus is not only compatible with, but potentially improves the reproduction for conventional channel oriented methods.

Чувствительность к акустике помещения

Поскольку WFS стремится имитировать акустические характеристики пространства записи, акустика зоны воспроизведения должна быть подавлена. Одним из возможных решений является применение звукопоглощающих материалов или иное расположение стен в конфигурации, обеспечивающей поглощение и отсутствие отражений. Вторая возможность – воспроизведение в ближнем поле. Для эффективной работы динамики должны быть очень близко расположены к зоне прослушивания, либо поверхность диффузора должна быть очень большой. В некоторых случаях наиболее заметной разницей по сравнению с исходным звуковым полем является сведение звукового поля к двум измерениям по горизонтали, вдоль линии расположения громкоговорителей. Это особенно заметно при воспроизведении звуковой атмосферы. Подавление акустики в зоне воспроизведения не способствует воспроизведению естественных акустических источников окружающей среды.

Алиасинг

В диапазоне воспроизведения возникают нежелательные искажения пространственного наложения, вызванные локализованными провалами в частотной характеристике. Их частота зависит от угла расположения виртуального акустического источника и от угла между слушателем и акустической системой: для воспроизведения без пространственного наложения во всем звуковом диапазоне необходимо расстояние между отдельными излучателями менее 2 см. Однако, к счастью, наше ухо не слишком чувствительно к пространственному наложению. Обычно достаточно расстояния между излучателями 10–15 см.

Эффект обрезки

Другой причиной искажения сферической волновой фронта является эффект усечения. Поскольку результирующий волновой фронт состоит из элементарных волн, может возникнуть резкое изменение давления в месте окончания ряда динамиков, если дальнейшие динамики не излучают элементарные волны. Это вызывает эффект "теневой волны". Для виртуальных акустических источников, расположенных перед массивом динамиков, это изменение давления распространяется впереди фактического волнового фронта, что делает его отчетливо слышимым. С точки зрения обработки сигналов, это спектральная утечка в пространственной области, вызванная применением прямоугольной функции в качестве оконной функции к бесконечному массиву динамиков. Интенсивность теневой волны можно снизить, уменьшив громкость крайних динамиков, что эквивалентно использованию другой оконной функции, плавно затухающей вместо резкого усечения.

Высокая стоимость

Еще одна вытекающая из этого проблема – высокая стоимость. Требуется большое количество отдельных датчиков, расположенных очень близко друг к другу. Увеличение расстояния между датчиками для их уменьшения приводит к появлению артефактов пространственного искажения (алиасинга). Сокращение числа датчиков при заданном расстоянии уменьшает размер излучающего поля и ограничивает диапазон формирования изображения; за его пределами невозможно создать виртуальные акустические источники.