* Применение наушников в наш век не очень удобно. Если это наушники с ободом – они физически создают давление на голову и уши. Подбор таких наушников не менее сложен, чем, скажем, подбор хороших очков для подводного плавания. Наушники, вставляемые в ушные раковины, не универсальны и у многих людей вызывают дискомфорт.
Использование акустических колонок позволяет обойти большинство из этих проблем. Здесь недостаток в том, что нельзя использовать колонки для воспроизведения бинаурального звука (т. е. звука, предназначенного для прослушивания в наушниках, когда часть сигнала предназначена для одного уха, а другая часть для другого уха). Как только мы подключим вместо наушников колонки, наше правое ухо начнет слышать не только звук, предназначенный для него, но и часть звука, предназначенную для левого уха. Одним из решений проблемы является использование техники cross-talk-cancelled stereo или transaural stereo, называемой алгоритм crosstalk cancellation (для краткости CC).
Идея CC просто выражается в терминах частот. Звуковые сигналы воспроизводятся колонками. Сигнал Y1, достигающий левого уха, представляет собой смесь из S1 и crosstalk (части) сигнала S2. Здесь Y1=H11 S1 + H12 S2, где H11 является HRTF между левой колонкой и левым ухом, а H12 – это HRTF между правой колонкой и левым ухом. Аналогично Y2=H21 S1 + H22 S2. Если использовать наушники, то пользователь будет знать искомые сигналы Y1 и Y2, воспринимаемые ушами. Необходимо правильно определить сигналы S1 и S2, чтобы получить оптимальный результат.
Результат зависит от того, где находится слушатель по отношению к колонкам. Правильное восприятие звучания достигается только в районе так называемого sweet spot (об этом ниже), предполагаемого месторасположения слушателя. При грамотном использовании алгоритмов CC получаются результаты, обеспечивающие воспроизведение звука, источники которого расположены в вертикальной и горизонтальной плоскостях. Фантомный источник звука может располагаться далеко вне пределов линейного сегмента между двумя колонками. Для создания убедительного SD-звучания достаточно двух звуковых каналов. Главное – это воссоздать давление звука на барабанные перепонки в левом и правом ухе таким же, как если бы слушатель находился в реальной звуковой среде.
На практике существуют проблемы, связанные с созданием базы HRTF функций при помощи манекена. Результат будет соответствовать ожиданиям, если манекен и слушатель имеют головы одинакового размера и формы, а также ушные раковины одинакового размера и формы. Только тогда можно корректно воссоздать эффект звучания в вертикальной плоскости и гарантировать правильное определение источников звука в пространстве. Записи, сделанные с использованием HRTF (binaural recordings), обеспечивают высококачественный SD-звук. Слушать такие записи желательно в специальных наушниках. CD с такими записями стоят существенно дороже стандартных музыкальных CD (имеется в виду лицензионная продукция). Корректно воспроизводить их через акустические системы позволяет техника CC. Главный недостаток метода – отсутствие интерактивности. Без механизмов, отслеживающих положение головы пользователя, обеспечить интерактивность при использовании HRTF нельзя. Бытует поговорка, что использовать HRTF для интерактивного 3D звука – это все равно, что использовать ложку вместо отвертки: инструмент не соответствует задаче.
Sweet Spot
Значения HRTF можно получить не только с помощью установленных в ушах манекена специальных внутриканальных микрофонов (inter-canal microphones). Используется еще и так называемая искусственная ушная раковина. В этом случае прослушивать записи нужно в специальных внутриканальных (inter-canal) наушниках, которые представляют собой маленькие шишечки, размещаемые в ушном канале, так как искусственная ушная раковина уже перевела всю информацию о позиционировании в волновую форму. Однако, согласитесь, удобнее слушать звук в наушниках или через колонки. При записи через inter-canal (микрофоны вокруг них, над ними и под ними) происходит искажение звука. Аналогично при прослушивании звук искажается вокруг головы слушателя. Поэтому и появилось понятие sweet spot, т е. области, при расположении внутри которой слушатель будет слышать все эффекты, которые он способен слышать от рождения. Соответственно, если голова слушателя расположена в таком же положении, как и голова манекена при записи (и на той же высоте), тогда будет получен лучший результат при прослушивании. Во всех остальных случаях будут возникать искажения звука как между ушами, так и между колонками. Необходимость расположения слушателя в sweet spot накладывает дополнительные ограничения и создает новые проблемы. Чем больше область sweet spot, тем большую свободу действий имеет слушатель. Поэтому разработчики постоянно ищут способы увеличить область действия sweet spot.
Частотная характеристика
Действие HRTF зависит от частоты звука; только звуки со значениями в пределах от 3 kHz до 10 kHz могут успешно интерпретироваться с помощью функций HRTF. Определение местоположения источников звука с частотой ниже 1 kHz основывается на определении времени задержки прибытия
разных по фазе сигналов, что позволяет определить общее расположение слева/справа источников звука и не помогает пространственному восприятию звучания. Восприятие звука с частотой выше 10 kHz почти полностью зависит от ушной раковины, поэтому не каждый слушатель может различать звуки с такой частотой. Определить местоположение источников звука с частотой от 1 kHz до 3 kHz очень сложно. Число ошибок при определении местоположения источников звука возрастает при снижении разницы между соотношениями амплитуд (чем выше пиковое значение амплитуды звукового сигнала, тем труднее определить местоположение источника). Поэтому надо использовать частоту дискретизации (вдвое большую значения частоты звука), соответствующей как минимум 22050 Hz при 16 бит для реальной действенности HRTF. Дискретизация 8 бит не обеспечивает достаточной разницы амплитуд (всего 256 вместо 65536), а частота 11025 Hz не обеспечивает приемлемой характеристики (так как максимальная частота звука соответствует 5512 Hz). Чтобы применение HRTF было эффективным, необходимо использовать частоту 22050 Hz при 16-битной дискретизации.
К чему мы идем?
Лучший метод воссоздания 3D-звука – использование минимальной частоты дискретизации 22050 Hz при 16 битах и использования дополнительных тыловых колонок при прослушивании. Такая платформа обеспечит пользователю реалистичное воспроизведение звука за счет воспроизведения через достаточное количество колонок (минимум три) для создания настоящего surround звучания. Преимущество такой конфигурации заключается в том, что когда слушатель поворачивает голову для фокусировки на звуке какого-либо объекта, пространственное расположение источников звука остается неизменным по отношению к окружающей среде, т. е. отсутствует проблема sweet spot.
Суть другого метода, который разработан Sensaura и называется MultiDrive, заключается в использовании HRTF функций на передней и на тыловой паре колонок (и больше) с применением алгоритмов CC. Sensaura называет алгоритмы СС– Transaural Cross-talk cancellation (TCC), заявляя, что они обеспечивают лучшие низкочастотные характеристики звука. Инженеры Sensaura взялись за решение проблемы восприятия звучания от источников звука, которые перемещаются по бокам от слушателя и по оси фронт/тыл. Sensaura для вычисления HRTF функций использует так
