Facebook研究用于优化双耳渲染的空间分解函数
用于优化双耳渲染的空间分解函数
(映维网 2021年05月14日)Facebook官网日前收录了由科隆工业大学和Facebook Reality Labs组成的团队所发布的两份论文。两者主题相同,都描述了双耳渲染空间分解函数的优化,只是在不同场合发布。名为《Optimizations of the Spatial Decomposition Method for Binaural Reproduction》的论文在今年1月公布,面向《The Journal of the Audio Engineering Society(音频工程学会期刊)》,名为《Optimizing the Spatial Decomposition Method for Binaural Rendering》的论文则于2月公布,面向EAA/SFA e-Forum Acusticum (e-FA)。
空间分解函数(spatial decomposition method,SDM)是通过为房间脉冲响应(room impulse responses,RIR)的每个样本分配到达方向(direction of arrival;DOA)来将声场参数化为一系列平面波。所以,它可以通过根据测量的多通道房间脉冲响应的声场进行分析和再现。最初,这一函数是为开放式麦克风阵列使用而开发,利用麦克风之间的到达时间差(TDOA)来生成DOA估计。在论文中,团队将pseudointensity vector阵列的仿真和测量结果与TDOA的结果进行了比较,并研究了利用时差和开放阵列进行分析的最佳参数。
使用密集头相关传递函数(HRTF)数据集绘制SDM数据可实现高空间分辨率。然而,团队发现这可能导致严重的timbral degradations。随着RIR进入后期混响和多次反射重叠,DOA估计变得不稳定,可靠性会越来越差。反过来,RIR的连续样本映射到不同的位置,破坏窄带信息,从而增加宽带能量。当使用空间密集的HRTFs时,这种影响会更加突出,因为DOA估计的小波动会导致样本映射到几个相邻HRTF方向的错误。论文研究了正则量化网格在早期反射和后期混响的DOA估计中的应用。
......(全文 839 字,剩余 318 字)
请微信扫码通过小程序阅读完整文章或者登入网站阅读完整文章
映维网会员可直接登入网站阅读
PICO员工可联系映维网免费获取权限