转载：HRTF virtaul surround

https://blog.csdn.net/Filwl_/article/details/50503558

https://blog.csdn.net/lwsas1/article/details/54575668

https://blog.csdn.net/Inger_H/article/details/52790264

https://www.cnblogs.com/huaping-audio/archive/2011/04/04/2005379.html

人们能够分辨出声音的远近，方向，主要与声波到达双耳的能量，时间和相位差等信息密切相关。把声音经介质到达人耳的路径可以看成一个滤波的过程，到达两个耳朵的声波在不同的角度是不一样的。在不同的距离也是不一样的。如果能够模拟出这个传递声波的路径，模拟出这个滤波器，是不是对于同一个声音，我们就可以人为的给它产生不同的方位感呢。答案是肯定的。这个技术的全称就是HRTF.

1. HRTF 3D定位音频技术：

要明白3D定位音频技术，首先必须明白人脑是如何使用耳朵来确定音源的位置的。让我们从人耳的结构开始说起：

人耳可分成三个部分：耳廓，耳道和鼓膜。当声音被外耳察觉，会通过耳道传递到耳膜。在这个时候，鼓膜背部会转换机械能量为生物和电能量，然后通过神经系统传送到大脑。当我们出生后，我们大脑所有的神经原都记录有曾经验过的任何数据，这些神经原具有非常快的分辨不同内容声波的能力。它让一只耳朵分析声波内容，让两只耳朵分析声波的位置。这和人眼看东西一样，一只眼睛无法看出对象的多面性。

尝试闭上您的一只眼，伸出您双手的食指。有意的拉开距离，然后慢慢的让您的左手食指去碰右手食指。

您左手的食指碰到了右手的食指了吗？您认为您可以两指毫不困难的相触，但实际上您惊奇的发现它们却“擦肩”而过了！实际上，一只眼看不会妨碍判断眼前的是手指，但是这样看却是没有立体空间感的。现在，您可以睁开另一只眼，别累坏了。既然视觉能够分辨不同位置的对象，那么听觉也能做到。那么，问题来了：我们耳朵的哪个部分负责处理声源的定位？ 
声音定位的基本原理：

1） ITD（Inter Aural Time Delay）两耳时间延迟量差

声波在空气中以每秒345米每秒的速度传播。我们假设两耳的距离为20厘米，声源在左边。无疑声波会首先到达左耳，580us（声波走过二十厘米所需的时间），声音会到达右耳。如果声源从我们正前方传来，那么声波会同时到达双耳。至于声源从其他角度发出，很容易通过三角函数得出结果。因此，人脑通过ITD可以毫不困难分辨不同的方位。

2）IAD（Inter Aural Amplitude Difference）两耳音量大小差

我们都会有这样的经验：如果声音被物体挡住，我们听到的声音音量会变小。想象一下，如果声音从我们的正左方传来，那么我们的左耳觉察到的声音保留了原始声音，而我们的右耳察觉到的声音的音量会减小，因为我们的头吸收了一部分音量。理论上说，可以对人耳听到从360度的空间中任意一点传来的振幅进行测量，其相对关系可以描绘成图。

声波的耳廓绕射效应和耳道频率振动：

仅仅帮助我们的大脑分辨声源的方向的话，ITD和IAD就够了。但是，ITD和IAD不能描述声源从正前方和正后方传来的区别。在这样的情况下，两个数据值几乎是一样的。这种情况也会发生在当声源发声于我们的正头顶部和正脚下的时候。因此，只依靠ITD和IAD还不算很好。要解决这个问题，我们的耳廓扮演着关键的角色。

声波遇到物体的时候会反弹。我们的耳朵是内空的卵圆型，因此，不同波长的声波相应的在外耳产生不同的效应。按照频率分析的观点，当不同的声源从不同的角度传来，它们肯定会在鼓膜上产生不同的频率振动。正是因为耳廓的存在，才造成了从前面和从后面传来的声音截然不同。

鼓膜和耳廓之间是一段2厘米的通道，中空的结构造成的谐振会极大的增益5kHz的讯号，正好是人听觉的最敏感频段。因此，我们在别人耳边小声说话的时候必须很小心，因为这样说话我们的声音很可能被别人听到。

现在我们进行另外一项试验。仅封住耳廓，用一串钥匙在你面前抖动，你会发现您分辨声音上下位置的能力严重削弱了。试着将耳廓贴紧头部，你又发现你辨别前后左右的感觉和以前大不相同了。不过，我们的大脑很聪明，所以仍然能够辨别前后左右。所以，上述所有的差异仍然能够通过依靠视觉和房间反射效应来改善。这是心理学上的“听音辨位”。比如，当我们听到直升飞机的轰鸣，我们会抬头寻找音源。因此补上心理预测之后，就最终形成了整个声音定位的所有要点。

反射和吸收：

房间或者环境反射效应也是重要的参数。反射物体有其特有的声波吸收系数，如，瓦砖和木夹板就有不同的反射值。闭上眼睛您会毫不困难的分辨您是在浴室还是在日本式的卧室里，不是吗？

所以，如果我们想测量3D定位音频效应，最好考虑到所有的因素，如房间的大小，形状和建筑材料。以此增强声音的表现质量。

声源的心理预测：

其他因素如侧反射波，心理预测声源（比如，我们知道飞机在天上轰鸣，蟋蟀在草丛里歌唱）也是告诉我们声音方位的有用因素。

总结起来，我们有三个主要的因素：ITD、IAD和耳廓频率振动。

这三个元素是HRTF――头部相关传输函数的参数。其他元素如室内反射和吸收可通过音频物理学处理。

2.如何测量获得HRTF库？

首先我们提出一个设想，在人耳里放置一个麦克风，认为HRTF参数可通过这个方法进行测量。但是通过耳道的频率振动会有损失，如果把麦克风放在外耳，测量的参数就不够准确。因此，人为制造人头模型是解决这个问题最佳方案。

实际上，按照测量HRTF库的要求，人造耳朵的形状更为重要。有些研究机构使用塑料来做耳朵模子，更高级的使用CAD/CNC来重建电脑模拟耳朵模型，使其更适合人造头。在人造头里放入高品质的麦克风，就可以进行测量工作了。这类科技由英国中心研究实验室开发，称作“Digital Ear”。Digital Ear可帮助研究人员测量非常精确的HRTF参数，远比其他可用的商业解决方案要好。

从理论上说，正前方声源，频率振动对两耳的效应相同。就是说，红色和蓝色的曲线应该非常接近，甚至是重合。很显然，CRL的Digital Ear能获得比其他技术更精确的测量频率的振动。

在拥有了人造头之后，下一步开始进行测量工作。测量必须在回声环境中，虽然回声会增加从收集的数据中提取声音特征的难度。封闭的房间是合适的测量环境。在封闭的房间内放置人造头模型，在房间的四周、天花板和地板铺满锥形海绵，在房间内放入可在三维环境中任意移动的声源，就可以开始测量工作了。一般来说，一套完整的测量参数，包括后期的调整，需要数月的时间来完成。

当在三维空间内，从不同的位置录制了20Hz到20kHz波段的不同类型声波的时候，完整的HRTF原始数据就形成了。原始数据通过精确计算的EQ数学公式生成HRTF参数（因为测量装置可能不一定能够达到要求），得到我们想要的――HRTF库。通常，测量工作采用最高质量的采样，48kHz。为了适合硬体成本要求，也使用44.1kHz和22kHz。这并不是说选择的频率越高，质量就越高。但是，更高的频率需要更高的数字滤波器。因此，根据成本和质量的关系，权衡首选的频率。

3.HRTF形成虚拟环绕声

HRTF全称叫Head Related Transfer Function，可以看成是一个特定位置的声音传输到左右耳的频率响应，对应的时域响应叫HRIR，Head Related Impulse Response。

所以，HRTF其实就是一个滤波器。要得到经HRTF处理的特定位置声音，只需要与HRIR做卷积就好了，或者fft之后与HRTF相乘。MIT、CIPIC的HRTF库给出的dat，都是HRIR响应，CIPIC的文档里也告诉了我们最基本的处理方法。首先根据位置信息抽取对应的hiir，在将音源与其卷积即可。

CIPIC的HRTF库是将不同位置的HRIR信息存储在同一个mat文件中，而MIT则是一个位置对应一个dat或wav文件，因此不需要squeeze直接根据文件名索引就好。

5.1 ch或7.1 ch的音频，Ls ch数据使用相应位置的两个HRTF滤波器，得到传递到左耳和右耳的声音。