基于最長(zhǎng)序列的虛擬3D音效的實(shí)現(xiàn)

井福榮

摘要：為了在多媒體移動(dòng)終端里實(shí)現(xiàn)3D音效，一個(gè)頭部相關(guān)的傳遞函數(shù)首先被獲取，然而一般的頭相關(guān)傳遞函數(shù)的計(jì)算是把頭當(dāng)作一種球體來(lái)建立一個(gè)數(shù)學(xué)模型，這種模型的數(shù)學(xué)的計(jì)算復(fù)雜，不適合在嵌入式終端的實(shí)現(xiàn).本文提出一種基于最長(zhǎng)序列的測(cè)量系統(tǒng)脈沖響應(yīng)的方法，該方法基于互相關(guān)技術(shù)，具有很高的抵抗噪聲干擾能力，得到結(jié)果精度高，可重復(fù)性強(qiáng)，計(jì)算復(fù)雜度低，便于在嵌入式終端的實(shí)現(xiàn)。

關(guān)鍵詞：最長(zhǎng)序列；頭部相關(guān)傳遞函數(shù)；三維音效

中圖分類(lèi)號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2015）02-0187-05

Abstract： To implement virtual 3D auditory in mobile multi-media termination， a head-related transfer function （HRTF） need be calculated， but in conventional studies， the calculations are performed approximately based on the mathematical model by regarding the head as the sphere shape. This mathematical model computation is complex， not valid to application for the embedded termination. This paper has proposed the way which calculate system impulse response by maximum length sequence （MLS）， it is based on the cross-correlation technique and thus highly immune to extraneous noise of all kinds， and measures the impulse response with great amount of accuracy and repeatability. For its simply computation ， it is convenient to implement 3D auditory effect in the embedded termination.

Key words： maximum length sequence （MLS）； head-related transfer function （HRTF）， 3D auditory

在移動(dòng)多媒體終端中，因?yàn)橹挥幸唤M喇叭或者是耳機(jī)，為了讓用戶(hù)體驗(yàn)到逼真的3D音效，需要定位出環(huán)繞使用者身邊不同位置的音源。這種音源追蹤的能力，就叫做定位音效，它使用當(dāng)時(shí)的HRTF[[1]]的功能來(lái)達(dá)到這種神奇的效果。HRTF的全名是Head-Related Transfer Function（頭部相關(guān)傳遞函數(shù)），就是在三度立體空間中，人耳是如何監(jiān)測(cè)和分辨出聲音來(lái)源的方法。簡(jiǎn)單地說(shuō)，就是聲波會(huì)以幾百萬(wàn)分之一秒的差距先后傳到你的耳朵里面，而我們的大腦可以分辨出那些細(xì)微的差別，利用這些差別來(lái)分辨聲波的形態(tài)，然后在換算成聲音在空間里的位置來(lái)源。

在目前多數(shù)的虛擬3D音效的技術(shù)中，都是使用HRTF的換算法來(lái)轉(zhuǎn)換游戲里的聲音效果，誤導(dǎo)你的大腦聽(tīng)到聲音是來(lái)自不同地方的。支持聲源定位的耳機(jī)將聲音與游戲的物件、人物或是其他的聲音的來(lái)源結(jié)合在一起，當(dāng)這些聲音與你在游戲中的位置改變時(shí)，耳機(jī)或喇叭就將依據(jù)相對(duì)位置來(lái)調(diào)整聲波訊號(hào)的發(fā)送。

1 MLS介紹

最長(zhǎng)序列[2]就是一串偽隨機(jī)2進(jìn)制序列作為系統(tǒng)的響應(yīng)源[x（k）]，根據(jù)信號(hào)處理的理論，輸入信號(hào)[x（k）]與線(xiàn)性系統(tǒng)的輸出[y（k）]之間的互相關(guān)輸入信號(hào)[x（k）]的自相關(guān)與系統(tǒng)的脈沖響應(yīng)卷積得到[3]：

2 HRIR的測(cè)量與3D聲效實(shí)現(xiàn)

利用MLS測(cè)量頭相關(guān)脈沖響應(yīng)（HRIR）[7]，它的數(shù)據(jù)的采用空間坐標(biāo)如圖1所示。

聲源的空間方向由坐標(biāo)（[θ]，[φ]）所決定。仰角[-90°≤φ≤90°]為方向矢量與水平面的夾角，[φ]= [-90°]、[0°]和[+90°]分別表示正下方、水平面與正上方。方位角[0°≤θ<360°]為方向矢量在水平面的投影與中垂面的夾角。在水平面，[θ]= [0°]表示正前方，沿順時(shí)針?lè)较颍琜θ]= [90°]、[180°]和[270°]分別表示正右、正后和正左方。

虛擬3D信號(hào)的產(chǎn)生是通過(guò)原始語(yǔ)音與HRIR之間的卷積產(chǎn)生[10]，如果聲源信號(hào)與HRIR卷積的結(jié)果在雙耳之間精確地產(chǎn)生，聽(tīng)者就能感知聲源的方向，這就是所謂的虛擬的3D的聲效。

2.1 HRIR數(shù)據(jù)

2.2 DSP上實(shí)現(xiàn)

TMS320C6201是TI公司的TMS320系列的新一代高性能定點(diǎn)DSP芯片，芯片的工作頻率可達(dá)200 MHz。TMS320C6201處理器由3個(gè)主要部分組成：CPU內(nèi)核、外設(shè)和存儲(chǔ)器。芯片內(nèi)有8個(gè)并行處理單元，分為相同的2組，并行結(jié)構(gòu)突破了傳統(tǒng)設(shè)計(jì)而使得芯片具有很高的性能；其體系結(jié)構(gòu)采用超長(zhǎng)指令字結(jié)構(gòu)（VLIW）結(jié)構(gòu)，單指令字長(zhǎng)為32 b，8個(gè)指令組成一個(gè)指令包，總字長(zhǎng)為256 b，即每秒鐘可以執(zhí)行8條指令；芯片內(nèi)部設(shè)置了專(zhuān)門(mén)的指令分配模塊，可以將每個(gè)256 b的指令包同時(shí)分配到8個(gè)處理單元，并由8個(gè)單元同時(shí)執(zhí)行；CPU有2組寄存器，每組寄存器由16個(gè)32 b寄存器組成；外設(shè)包括直接存儲(chǔ)器訪問(wèn)（DMA）、低功耗邏輯、外部存儲(chǔ)器接口（EMIF）、串口、主機(jī)口（HPI）和定時(shí)器。該DSP采用了具有獨(dú)立程序和數(shù)據(jù)總線(xiàn)的修正的哈佛總線(xiàn)結(jié)構(gòu)，即1套256 b的程序總線(xiàn)、2套32 b數(shù)據(jù)總線(xiàn)和一套32 b的DMA專(zhuān)業(yè)總線(xiàn)，大大提高了數(shù)據(jù)的傳輸效率。專(zhuān)用的硬件乘法器提高了運(yùn)算過(guò)程中的乘法運(yùn)算，硬件乘法器是DSP區(qū)別于通用微處理器的一個(gè)重要標(biāo)志；采用了先進(jìn)的超長(zhǎng)指令字結(jié)構(gòu)（VLIW），每個(gè)指令周期內(nèi)同時(shí)執(zhí)行8條32 b指令，大大地提高了程序的執(zhí)行效率。的占用CPU的時(shí)間，有效地減少了尋址時(shí)間；流水處理使得8條并行指令同時(shí)通過(guò)流水線(xiàn)的每個(gè)節(jié)拍，大大提高了機(jī)器的吞吐量。DSP系統(tǒng)上分配一片內(nèi)存來(lái)存儲(chǔ)HRIR數(shù)據(jù)，并預(yù)留一個(gè)上層通訊接口，如果有最新的HRIR數(shù)據(jù)可以在線(xiàn)燒錄新數(shù)據(jù)，這樣可以讓用戶(hù)有更好的3D體驗(yàn)。

時(shí)域卷積可以通過(guò)頻域相乘快速實(shí)現(xiàn)，如圖2所示，整個(gè)DSP系統(tǒng)的軟件流程如圖3，由于該系統(tǒng)的HRIR已經(jīng)離線(xiàn)燒錄在DSP里[12]，這樣省去在線(xiàn)計(jì)算HRIR的時(shí)間，這樣大大方便了在嵌入式系統(tǒng)終端的實(shí)現(xiàn)。

3 HRIR分析

頭部相關(guān)的傳遞函數(shù)用于描述人的聽(tīng)覺(jué)系統(tǒng)對(duì)不同方向的聲音產(chǎn)生不同頻譜特性的一種數(shù)學(xué)關(guān)系。它包含了雙耳之間的聲源的聲壓與到達(dá)時(shí)間的差別信息。

3.1 時(shí)域和頻域基本特性分析

人工頭HRIR的左耳數(shù)據(jù)與鏡像方向的右耳數(shù)據(jù)是完全相同的，即左耳[θ=θ0]的數(shù)據(jù)與右耳[θ=360°-θ0]的數(shù)據(jù)相同，也即是說(shuō)左、右鏡像方向的數(shù)據(jù)僅僅是左、右互換而已[13]。因此，在下面的分析中，只給出一半空間方位，即[θ]=[0°]、[45°]、[90°]、[135°]、[180°]的結(jié)果。

圖4到圖8分別是基于MLS測(cè)量到的水平面方位角[θ]=[0°]、[45°]、[90°]、[135°]、[180°]的HRIR。從圖中可以看出，HRIR的主體部分長(zhǎng)度大約為50～60個(gè)采樣（對(duì)于44.1 kHz采樣，相當(dāng)于1ms左右），反映了聲波與頭部、耳廓以及軀干的作用。當(dāng)聲源偏離正前方時(shí)，由于聲源到兩耳的傳輸距離不同，左、右耳的起始延時(shí)不同，形成雙耳時(shí)間差。并且當(dāng)聲源處于耳的異側(cè)（例如[θ]= [90°]，左耳），脈沖的幅度明顯降低，這是頭部對(duì)聲波的陰影作用所致。

圖9到圖13基于MLS測(cè)出的頭部在水平面上[φ=0°]，方位角[θ]=[0°]、[45°]、[90°]、[135°]、[180°]的頻域歸一化HRTF（頭相關(guān)傳輸函數(shù)，是HRIR的傅立葉變換形式）幅度譜，對(duì)[θ]= [0°]和[180°]，由于左右耳是一樣，所以圖中左、右耳的曲線(xiàn)重合5。

在低頻（ 0.5 kHz）， 頭部等的散射作用可以略去，歸一化的HRTF的幅度 20 log10|H| 應(yīng)該接近0dB， 基本與頻率無(wú)關(guān)（圖中大約150 Hz以下，幅度的下降是由測(cè)量揚(yáng)聲器的低頻下限所引起，并非HRTF本身的特性）。

隨著頻率的增加，|H| 表現(xiàn)出與、[θ]復(fù)雜的函數(shù)關(guān)系，這是頭部、耳廓、軀干、耳道等的綜合作用的結(jié)果。其中在2至3 kHz附近HRTF幅度的峰是由于KEMAR人工頭的耳道模擬器共振所引起。而頭部作用使得在 大于 3至4 kHz的高頻，聲源位于耳的異側(cè)時(shí)（例如[θ]=[90°]，左耳），HRTF幅度明顯下降，因而頭部的陰影近似起到低通濾波的作用。而聲源位于耳的同側(cè)時(shí)（例如[θ]=[90°]，右耳），平均來(lái)說(shuō)，高頻HRTF幅度較低頻有一定的提升（雖然存在一些谷點(diǎn)）。這部分是由于高頻的情況下，頭部對(duì)同側(cè)聲源近似起著一種鏡像反射面的作用，因而可提高同側(cè)耳的聲壓（理論上，無(wú)限大鏡像反射面表面上的聲壓較自由場(chǎng)提高 6 dB）。

從圖9和圖13還可以看出，正前方[θ]=[0°]和正后方[θ]=[180°]的高頻HRTF幅度并不完全相等。這是由于耳廓對(duì)后方聲波的衍射作用和頭部的非前后對(duì)稱(chēng)形狀所引起。這種前后幅度譜的差別是區(qū)分前后鏡象位置聲源的一個(gè)因素。

3.2 HRTF譜特征分析

在頻率高于5至6 kHz 時(shí)，耳廓對(duì)聲波的散射和反射所帶來(lái)的雙耳聲壓頻譜的特征是聲源定位的一個(gè)因素。利用HRTF可以對(duì)這些譜特征進(jìn)行分析。在耳廓所產(chǎn)生各種譜特征中，耳廓谷點(diǎn)的頻率隨仰角的變化有最引人注目，且許多研究將其作為中垂面上的一種重要的定位因素[14]。研究表明，當(dāng)聲源仰角從[φ] =[-40°]變化到[60°]時(shí)，耳廓谷的頻率大約從5到6 kHz變化到約10至12 kHz。并且許多研究把這看成是普遍的規(guī)律。

4 結(jié)論

本文提出的MLS測(cè)量頭部相關(guān)脈沖響應(yīng)的方法便于用戶(hù)根據(jù)自己的頭部特征測(cè)量出適合自己的HTIR，從而得到精確的虛擬3D聲效的感知效果。

參考文獻(xiàn)：

[1] Douglas D. Rife and John Vanderkooy， "Transfer-Function Measurement with Maximum-Length Sequences"， Journal of the Audio Engineering Society， 1989，37（ 6 ）： 419 .

[2] 李平友， 用最長(zhǎng)序列測(cè)量揚(yáng)聲器的脈沖響應(yīng)[J]， 應(yīng)用聲學(xué)， 1993（1）：3.

[3] Miao B， Zane R， Maksimovic D. System Identification of Power Converters with Digital Control Through Cross-Correlation Methods[J].IEEE Transactions on Power Electronics， 2005，20（ 5）：1093-1099.

[4] Paulo， J.， Martins， C. R.， Bento Coelho， J. L.， " Room Impulse Response Measurement in the Presence of High Noise Levels using Maximum Length Sequences （MLS）". Proc. 7th ICSV， Germany ，2000.

[5] 趙躍英，盛勝我，劉海生.室內(nèi)聲學(xué)測(cè)量中數(shù)字化聲源性能的分析[J].聲學(xué)技術(shù)，2003，22（3）：143-146.

[6] 黃帆，李曉峰 用幅度矢量合成定位法改進(jìn)HRTF的定位效果[J]. 電聲技術(shù)2007（1）

[7] 趙自力，黃成偉，HRTF在虛擬3D立體聲中的應(yīng)用及實(shí)驗(yàn)[J].清華大學(xué)學(xué)報(bào)2001.

[8] 黃璽瑛，趙定海. 基于DirectSound的戰(zhàn)場(chǎng)環(huán)境三維音效實(shí)現(xiàn)[J].系統(tǒng)仿真學(xué)報(bào)， 2006（s2）.

[9] 吳鳴，林志斌，邱小軍， 等.相干平均法測(cè)揚(yáng)聲器頻率響應(yīng)的偏差分析[J].南京大學(xué)學(xué)報(bào)：自然科學(xué)版，2006，42（1）：44-53.

[10] 王紅星，許增樸，周聰玲，等.一種基于高階頻率能量均值的揚(yáng)聲器異音故障診斷方法[J].天津輕工業(yè)學(xué)院學(xué)報(bào)，2010（6）：46-50.

[11] 任偉偉，侯宏，孫亮，趙靜. 基于虛擬儀器的脈沖法隔聲測(cè)試技術(shù)研究[J].測(cè)控技術(shù)，2011，30（3）：87-89.

[12] 蔡野鋒，馬登永，沐永生，等.數(shù)字揚(yáng)聲器系統(tǒng)中失配整形技術(shù)的設(shè)計(jì)與實(shí)現(xiàn)[J].電聲技術(shù)，2011，35（2）：20-23.

[13] 馬登永，蔡野鋒，沐永生，等.全數(shù)字式揚(yáng)聲器陣列系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].電聲技術(shù)，2011，35（11）：25-29.

[14] 蔡陽(yáng)生，王杰，張承云.聲學(xué)脈沖響應(yīng)測(cè)量及其信噪比分析[J].演藝設(shè)備與科技，2011（4）.