Der Imperativ für standardisierte Protokolle in HRTF Messung und Validierung

Head-Related Transfer Function (HRTF) Daten bilden das Rückgrat des modernen räumlichen Audio-Renderings – alles von immersiven Virtual-Reality-Umgebungen und filmischem Surround-Sound bis hin zu fortschrittlichen Hörgerätealgorithmen. Doch seit Jahrzehnten hat der Mangel an allgemein akzeptierten Mess- und Validierungsprotokollen erhebliche Variabilität in HRTF-Datensätze eingeführt, die Reproduzierbarkeit in allen Labors behindert und die Interoperabilität von räumlichen Audiosystemen einschränkt. Mit der wachsenden Nachfrage nach hochpräzisem 3D-Audio wächst auch die Dringlichkeit, robuste, standardisierte Protokolle zu etablieren, die konsistente, genaue und vergleichbare HRTF-Messungen gewährleisten. Dieser Artikel untersucht den aktuellen Stand der Standardisierungsbemühungen, die Schlüsselkomponenten eines zuverlässigen Protokolls und die aufkommenden Technologien, die versprechen, die Art und Weise, wie HRTFs erfasst und validiert werden, neu zu gestalten.

Im einfachsten Fall beschreibt eine HRTF, wie Schallwellen von einem bestimmten Punkt im Raum durch den Kopf, die Pinnae (äußere Ohren) und den Rumpf des Zuhörers gebeugt und gefiltert werden, bevor sie das Trommelfell erreichen. Diese Filterung kodiert kritische räumliche Signale - interaurale Zeitunterschiede (ITD), interaurale Niveauunterschiede (ILD) und spektrale Kerben, die von der Pinna erzeugt werden -, die es dem menschlichen Hörsystem ermöglichen, Geräusche in drei Dimensionen zu lokalisieren.

Die Anatomie jedes Einzelnen ist einzigartig, das heißt HRTFs sind von Natur aus personenabhängig. Eine generische oder "Dummy-Head"-HRTF bietet nur eine grobe Annäherung; für wirklich überzeugendes räumliches Audio sind individualisierte HRTFs wünschenswert. Eine genaue Messung von HRTFs ist daher nicht nur für die Forschung in der Psychoakustik, sondern auch für kommerzielle Anwendungen in der virtuellen Realität, Augmented Reality, Gaming, Telekonferenzen und unterstützenden Hörgeräten unerlässlich.

Wie HRTFs traditionell gemessen werden

Die klassische Methode besteht darin, ein Objekt in eine schalldämpfende Kammer zu stellen, mit einem Lautsprecher, der auf einem Roboterbogen montiert ist, der sich um den Kopf drehen kann. An den Ohrkanälen werden kleine Sondenmikrofone eingesetzt, um die akustische Impulsantwort aus jedem Winkel aufzuzeichnen. Dieser Vorgang wird für Hunderte oder Tausende von Raumrichtungen wiederholt, was zu einer dichten Reihe von Richtungsübertragungsfunktionen führt. Die Rohmessungen werden dann vom Zeitbereich in den Frequenzbereich umgewandelt, um die HRTF zu erzeugen.

Obwohl die Implementierungsdetails konzeptionell einfach sind, unterscheiden sie sich enorm: Der Abstand des Lautsprechers, die Art des Mikrofons, das Vorhandensein oder Fehlen eines Objektpositionierungslasers, die Eigenschaften der schallenden Kammer und die Methode zur Kompensation der eigenen Reaktion des Lautsprechers führen zu Unterschieden. Ohne ein gemeinsames Protokoll können Daten aus einem Labor schwierig, wenn nicht gar unmöglich sein, mit Daten aus einem anderen zu vergleichen.

Historische Evolution und der Push für Reproduzierbarkeit

Die ersten systematischen HRTF-Messungen stammen aus den 1970er Jahren, mit wegweisenden Studien von Shaw und Kollegen mit statischen Lautsprecher-Arrays. Der Aufstieg der digitalen Signalverarbeitung ermöglichte in den 1990er Jahren eine effizientere Datenerfassung mit gepfeilten und maximaler Längensequenz (MLS) -Stimuli. Jede Forschungsgruppe entwickelte jedoch eine eigene Messanlage und Nachverarbeitungspipeline, was zu einer fragmentierten Landschaft führte. Anfang der 2000er Jahre wurde deutlich, dass studienübergreifende Vergleiche oft ungültig waren, weil zugrunde liegende Datensätze unter inkompatiblen Bedingungen gesammelt wurden. Die Notwendigkeit der Standardisierung wurde zu einem wiederkehrenden Thema auf Kongressen der Audio Engineering Society (AES) und der Acoustical Society of America (ASA).

2015 bildete die AES die Arbeitsgruppe SC‐02‐03‐L, die speziell mit der Ausarbeitung von HRTF-Messnormen beauftragt war. Gleichzeitig begann die Internationale Fernmeldeunion (ITU) mit der Einbeziehung des HRTF-basierten binauralen Renderings in ihre Empfehlungen für den Rundfunk der nächsten Generation. Diese Bemühungen markierten den Beginn eines koordinierten Vorstoßes zu reproduzierbaren, qualitativ hochwertigen räumlichen Audiodaten.

Der Fall für Standardisierung

Variabilität der HRTF-Daten stellt ein ernsthaftes Hindernis für den Fortschritt im Bereich des räumlichen Audio dar. Wenn Datensätze nicht kreuzvalidiert werden können, können Forscher nicht sicher auf früheren Arbeiten aufbauen und Gerätehersteller können nicht garantieren, dass eine virtuelle Schallquelle von verschiedenen Benutzern konsistent wahrgenommen wird.

  • Reproduzierbarkeit: Andere Laboratorien können Messungen mit der Gewissheit replizieren, dass Unterschiede auf tatsächliche Phänomene und nicht auf prozedurale Artefakte zurückzuführen sind.
  • Benchmarking: Bereitstellung von Referenzdatensätzen, anhand derer neue Messsysteme oder Individualisierungsalgorithmen ausgewertet werden können.
  • Interoperabilität: Ermöglichung der Verwendung von HRTF-Daten, die in einem Kontext (z. B. einem Forschungslabor) gesammelt wurden, in einem anderen (z. B. einem VR-Headset für Verbraucher) ohne Verschlechterung der räumlichen Genauigkeit.
  • Regulatorische und klinische Akzeptanz: In der Audiologie und Hörgeräteanpassung könnten standardisierte HRTF-Daten Teil normativer Datenbanken werden, die für die diagnostische Beurteilung verwendet werden.

Quellen der Variabilität, die die Standardisierung adressieren muss

Variation ergibt sich aus vier großen Kategorien: Subjektanatomie, Messhardware, Messverfahren und Nachbearbeitung. Subjektanatomie ist die grundlegendste, aber Hardware-Entscheidungen wie Mikrofontyp (Omnidirektional vs. Druckfeldtyp), Lautsprecherdirektivität und Bogenpositionierungsgenauigkeit können systematische Verzerrungen einführen. Verfahrensunterschiede umfassen die Anzahl der Messpunkte, die Abfolge der Winkel, die Kompensation der Kopfbewegung und die Dauer der Messung. Nachbearbeitungsschritte (z. B. Fensterung, Glättung und Extrapolation fehlender Winkel) weitere zusammengesetzte Variabilität.

Ein standardisiertes Protokoll zielt nicht darauf ab, die Variation der Subjektanatomie zu eliminieren - das ist Teil des Signals -, sondern alle anderen Quellen zu minimieren, so dass die gemessene HRTF nur die Akustik des Subjekts widerspiegelt.

Schlüsselkomponenten eines standardisierten HRTF-Messprotokolls

Ausgehend von der Arbeit der AES-Standardausschüsse, der ITU und verschiedener akademischer Konsortien umfasst ein umfassendes Protokoll typischerweise die folgenden Elemente.

Messumgebung

Der Schallraum muss schalldicht sein oder zumindest eine sehr geringe Nachhallzeit haben, wobei das Freifeldverhalten bis zur niedrigsten interessierenden Frequenz (üblicherweise 100 Hz) reicht. Hintergrundgeräuschpegel sollten unter 20 dBA liegen. Reflektierende Oberflächen - einschließlich der Bogenstruktur selbst - müssen behandelt werden, um Sekundärreflexionen zu verhindern, die die Impulsantwort verfälschen würden. Standards wie ISO 3745 die zulässigen Grenzwerte für schalldämpfende Kammern angeben und in HRTF-Protokollen häufig erwähnt werden.

Thema Vorbereitung und Positionierung

Die Probanden sitzen typischerweise auf einem nicht reflektierenden Hocker oder Stuhl. Der Kopf wird mit Laserkreuzen ausgerichtet, die sich in der Mitte der Interauralachse des Kopfes schneiden. Die Interauralachse muss genau mit dem Rotationszentrum des Lautsprecherbogens ausgerichtet sein. Die Kopfstütze (z. B. eine Kinnstütze oder eine Beißstange) minimiert die Bewegung während der Messung, obwohl neuere Protokolle auch Echtzeit-Kopfverfolgungskorrekturen enthalten.

In-Ohr-Mikrofone sind bündig mit dem Ohrkanaleingang oder leicht versenkt angeordnet und müssen für jeden Probanden kalibriert werden. Standardbezugspunkt ist der blockierte Ohrkanaleingang, wie von der AES-X188-Arbeitsgruppe empfohlen. Einige Protokolle erfordern auch die Verwendung eines Silikon-Ohrstöpsels, um den Gehörgang hinter dem Mikrofon zu blockieren, wodurch ein wiederholbarer akustischer Abschluss gewährleistet wird.

Gerätekalibrierung

Sowohl der Lautsprecher als auch die Mikrofone müssen mit einer rückführbaren Referenz (z.B. ein kalibriertes Kolbenphon für Mikrofone und ein kalibriertes Referenzmikrofon für den Lautsprecher) kalibriert werden. Der Größen- und Phasengang des Lautsprechers sollte an der Abhörposition gemessen und aus den aufgezeichneten Daten entfesselt werden - dies wird als "Ausgleich"-Schritt bezeichnet. Ohne eine ordnungsgemäße Entzerrung enthält die HRTF die eigene Färbung des Lautsprechers, wodurch die Daten für den studienübergreifenden Vergleich unbrauchbar werden.

Parameter für die Datenerfassung

Das Protokoll muss Folgendes enthalten:

  • Winkelauflösung: Typische Werte reichen von 5° bis 10° in Azimut und Höhe, aber höhere Auflösungen (1° bis 2°) können für Frequenzen über 8 kHz erforderlich sein, um feine Kerben zu erfassen.
  • Entfernung zur Quelle: Fernfeld-HRTFs werden auf 1-2 Metern gemessen; Nahfeldeffekte werden näher als 0,5 m signifikant und erfordern eine separate Handhabung.
  • Art des Reizes: Maximallängenfolgen (MLS), gepfeilte Sinus (Chirps) oder Golay-Codes werden verwendet, um ein hohes Signal-Rausch-Verhältnis zu erhalten.
  • Probenahmerate und Bittiefe: Typischerweise 48 kHz oder 96 kHz bei 24 Bit, obwohl höhere Abtastraten für die Analyse von Pinna-Features über 20 kHz erforderlich sein können.
  • Anzahl der Durchschnittswerte: Typischerweise 3-10 Durchschnittswerte pro Richtung, um SNR ohne übermäßige Messzeit zu verbessern.

Datenverarbeitung und Fenster

Nach der Erfassung muss die rohe Impulsantwort gefenstert werden, um Restreflexionen zu entfernen. Der Beginn und die Länge des Fensters sollten standardisiert werden - üblicherweise wird ein 256-Probe-Hanning-Fenster angewendet, wobei der Startpunkt genau auf den direkten Schalleintritt eingestellt ist. Spektrale Glättungsschwellen (z. B. 1/12 Oktave) können auch spezifiziert werden, um das Messrauschen zu reduzieren und gleichzeitig spektrale Signale zu erhalten, die für die Lokalisierung relevant sind. Einige Protokolle erfordern auch die Entfernung der Ohrkanalresonanz durch Anwenden einer Diffusfeldausgleichskurve, obwohl dieser Schritt diskutiert wird.

Validierungsmethoden für HRTF-Daten

Selbst mit einem sorgfältigen Messprotokoll muss die resultierende HRTF validiert werden, um zu bestätigen, dass sie die Akustik des Probanden genau wiedergibt und eine glaubwürdige Verräumlichung liefert.

Objektive Validierung

Zu den objektiven Prüfungen gehört der Vergleich der gemessenen HRTF mit einem bekannten Standard (z. B. einem Schaufensterpuppenmodell oder einer Datenbank von zuvor validierten HRTFs desselben Themas). Metriken wie die spektrale Verzerrung (SD) zwischen wiederholten Messungen, die Glätte der Magnitudenantwort und die Übereinstimmung der interauralen Niveauunterschiede mit theoretischen Vorhersagen für einen sphärischen Kopf werden verwendet. Ein Protokoll kann erfordern, dass die quadratische Mittelwertverzerrung zwischen zwei aufeinanderfolgenden Messungen derselben Richtung unter einem definierten Schwellenwert liegt (z. B. 1 dB). Eine weitere gängige Metrik ist der chi-quadratartige Güte-of-fit-Test für das räumliche Muster von ITDs.

Perceptual Validation

Die Wahrnehmungsvalidierung beinhaltet Hörtests, bei denen die Probanden virtuelle Schallquellen lokalisieren, die mit der gemessenen HRTF dargestellt werden. Die häufigste Prüfung ist die Lokalisierungsgenauigkeitsprüfung - die Messung des Winkelfehlers zwischen der wahrgenommenen Richtung und der beabsichtigten Richtung. Zusätzlich bewerten "Externalisierungs"-Tests, ob die virtuelle Quelle innerhalb oder außerhalb des Kopfes erscheint. Damit eine HRTF als gültig angesehen werden kann, muss sie einen Median-Lokalisierungsfehler unter 5-10° und eine geringe Inzidenz von Front-Back-Verwirrung erzeugen. ITU‐R BS.1727 Eine Empfehlung für die subjektive Bewertung von räumlichem Audio bietet einen Rahmen für solche Tests.

Einige Protokolle enthalten auch ein Zuverlässigkeitskriterium der "Neumessung": Eine Teilmenge von Messrichtungen wird am Ende der Sitzung wiederholt, und die durchschnittliche Abweichung muss innerhalb der vordefinierten Toleranz liegen, was zur Erkennung von Bewegungen von Probanden oder Gerätedrift beiträgt.

Aktuelle Standardisierungsbemühungen und ihre Fortschritte

Mehrere Organisationen arbeiten aktiv an HRTF-Messstandards, die prominentesten sind die Audio Engineering Society (AES), die International Telecommunication Union (ITU) und die IEEE. AES-Normenausschuss bildete die Arbeitsgruppe des SC‐02‐03‐L zur HRTF-Messung, die ein detailliertes Protokoll für die fernfeldgestützte HRTF-Erfassung unter schallgeschüttelten Bedingungen vorgeschlagen hat, einschließlich Spezifikationen für Dummy‐Head Messungen und lebende Probanden. Technisches Dokument AES TD-1002 bietet Leitlinien für die Messung und Berichterstattung von HRTF-Daten, um einen Konsens über bewährte Verfahren zu erzielen.

Inzwischen ist die ITU-R-Arbeitsgruppe 6C Im akademischen Bereich haben die Forscher mit der „HRTF Standardization Initiative auf der Acoustical Society of America 2021 einen Mindestbestand an Berichtsstandards vorgeschlagen, den alle Publikationen enthalten sollten. Das IEEE hat außerdem ein Standardprojekt (IEEE P3701) speziell für die Charakterisierung räumlicher Audiosysteme initiiert, das auch HRTF-Messprotokolle umfasst.

Rolle von Open Data und SOFA Format

Alle oben genannten Bemühungen werden ohne ein gemeinsames Datenformat unwirksam sein. SOFA (Speziell orientiertes Format für Akustik) Eine Konvention hat sich als Standard für die Speicherung von HRTF und damit zusammenhängenden akustischen Messungen herausgebildet. SOFA-Dateien enthalten neben den Größen- und Phasendaten auch Metadaten über den Messaufbau, die Geometrie und die Kalibrierung. Zukünftige Protokolle sollten die Verwendung von SOFA (oder eines Nachfolgers) vorschreiben, um Datenübertragbarkeit und Transparenz zu gewährleisten. Mehrere Open-Source-HRTF-Datenbanken, wie die CIPIC- und SADIE-II-Datenbanken, haben SOFA übernommen und liefern wertvolle Referenzdaten für die Gemeinschaft.

Verbleibende Herausforderungen

Trotz dieser Bemühungen bestehen noch mehrere Hürden:

  • Thema Variabilität: Ein einziges Protokoll kann die Vielfalt der Kopfformen, Ohrmorphologien und Körpergrößen in der menschlichen Bevölkerung nicht vollständig erfassen. Ein gewisses Maß an Individualisierung ist notwendig, aber die Standardisierung, wie man dies berücksichtigt, bleibt schwer fassbar.
  • Ausrüstungskosten und Verfügbarkeit: Vollkugelmessungen erfordern teure schalldämpfende Kammern und Roboter-Drehtischsysteme. Vereinfachte Protokolle, die mit kostengünstigerer Hardware (z. B. planare Arrays oder tragbare Messsysteme) arbeiten, können die Genauigkeit beeinträchtigen.
  • Nachbearbeitungsfreiheit: Selbst bei identischen Rohdaten wenden verschiedene Forscher unterschiedliche Glättungs-, Extrapolations- oder Interpolationsalgorithmen an. Der Standard muss eine "Referenz"-Verarbeitungspipeline definieren oder zumindest eine vollständige Berichterstattung über alle Verarbeitungsschritte erfordern.
  • Nahfeld vs. Fernfeld: Viele Anwendungen, wie Hörgeräte und Mobiltelefone, sind mit Schallquellen verbunden, die sich sehr nahe am Ohr befinden. Die Normung muss für Nah- und Fernfeldmessungen unterschiedliche Protokolle enthalten.
  • Dynamische HRTF: Die Kopfbewegung verändert HRTFs in Echtzeit. Die Standardisierung der Messung dynamischer Signale (z. B. Änderungen bei der Kopfdrehung) ist eine offene Herausforderung.

Aufkommende Technologien und zukünftige Richtungen

Die nächste Generation der HRTF-Standardisierung wird wahrscheinlich datengesteuert und anpassungsfähig sein und maschinelles Lernen und kostengünstige Sensorarrays nutzen.

Machine Learning für HRTF Individualisierung

Anstatt jedes Proband in einer schallenden Kammer zu messen, entwickeln Forscher Modelle, die die HRTF eines Individuums aus anatomischen Messungen vorhersagen - wie 3D-Scans des Ohrs und des Kopfes. Neuronale Netzwerke, die in großen Datenbanken mit gemessenen HRTFs trainiert werden, können eine personalisierte HRTF in Sekunden erzeugen. Die Standardisierung muss auf diese Vorhersagemodelle ausgedehnt werden, um zu definieren, wie Trainingsdaten gesammelt und wie die prädiktive Genauigkeit validiert werden sollte. Open-Source-HRTF-Datenbankgemeinschaft arbeitet bereits an gemeinsamen Formaten für die Speicherung und gemeinsame Nutzung solcher Daten.

Portable und In-situ Messsysteme

Neue tragbare Messsysteme verwenden Arrays von Mikrofonen (z. B. 32-Kanal-Sphärische Arrays), um das Schallfeld um den Kopf in einer einzigen Aufzeichnung zu erfassen, wodurch die Messzeit drastisch verkürzt wird. Diese Systeme arbeiten in gewöhnlichen Räumen mit etwas Nachhall, verwenden Dekonvolution oder Wellenfeldsynthese, um schallscheue HRTFs zu gewinnen. Die Standardisierung der Messbedingungen und des Algorithmus für die schallscheue Extraktion ist entscheidend, um sicherzustellen, dass Daten von verschiedenen tragbaren Systemen verglichen werden können.

Adaptive und Echtzeit-Validierung

Zukünftige Protokolle können eine Echtzeit-Wahrnehmungsrückmeldung beinhalten: Während ein Zuhörer ein räumliches Audiosystem verwendet, kann das System die HRTF auf der Grundlage von Lokalisierungsfehlern anpassen, die während eines schnellen spielähnlichen Tests gemessen werden. Diese Closed-Loop-Validierung könnte zu einer Individualisierung führen, die sich an Veränderungen in der Anatomie des Zuhörers anpasst (z. B. Gehörwachstum bei Kindern oder Veränderungen nach der Anpassung des Hörgeräts).

Standardisierte Datenformate und Metadaten

Ohne ein gemeinsames Datenformat sind alle oben genannten Bemühungen unwirksam. Die SOFA-Konvention hat sich als Standard für die Speicherung von HRTF und damit zusammenhängenden akustischen Messungen herausgebildet. Zukünftige Protokolle sollten die Verwendung von SOFA (oder eines Nachfolgers) vorschreiben, um Datenübertragbarkeit und Transparenz zu gewährleisten. Zusätzlich werden Metadatenstandards wie die Auszeichnungssprache „HRTF‐ML entwickelt, um detaillierte Herkunftsinformationen zu erfassen.

Schlussfolgerung

Standardisierte Protokolle für HRTF-Messungen und -Validierung sind kein Nischenanliegen mehr - sie sind ein entscheidender Faktor für die Zukunft von räumlichem Audio in den Bereichen Unterhaltung, Kommunikation und unterstützende Technologie. Durch die systematische Behandlung der Messumgebung, der Themenvorbereitung, der Gerätekalibrierung, der Datenerfassung und -validierung kann die Audiotechnik-Community eine Grundlage schaffen, auf der reproduzierbare, vertrauenswürdige HRTF-Daten aufgebaut werden können. Obwohl Herausforderungen bestehen bleiben, deutet die Konvergenz der Bemühungen von Organisationen wie AES und ITU in Kombination mit Fortschritten im Bereich maschinelles Lernen und tragbare Messsysteme darauf hin, dass ein weithin akzeptierter Standard in Reichweite ist. Sobald er angenommen wird, wird ein solcher Standard nicht nur die Forschung beschleunigen, sondern auch sicherstellen, dass Verbraucher unabhängig von der verwendeten Hardware oder Softwareplattform dasselbe qualitativ hochwertige räumliche Audio erleben.