L'impératif pour les protocoles normalisés de mesure et de validation du FASS

Les données de la fonction de transfert liée à la tête forment l'épine dorsale du rendu sonore spatial moderne, qui alimente tout, depuis les environnements de réalité virtuelle immersive et le son surround cinématographique jusqu'aux algorithmes avancés d'aide auditive. Pourtant, depuis des décennies, l'absence de protocoles de mesure et de validation universellement acceptés a introduit une variabilité importante dans les ensembles de données du FASS, ce qui entrave la reproductibilité entre les laboratoires et limite l'interopérabilité des systèmes audio spatiaux.

Comprendre les fonctions de transfert liées aux chefs

À son plus simple, un HRTF décrit comment les ondes sonores d'un point spécifique de l'espace sont diffractées et filtrées par la tête, les pinnes (oreilles extérieures) et le torse de l'auditeur avant d'atteindre le tympan. Ce filtrage code des signaux spatiaux critiques – différences interurales de temps (ITD), différences interurales de niveau (ILD) et encoches spectrales générées par le pinna – qui permettent au système auditif humain de localiser les sons en trois dimensions.

Chaque anatomie individuelle est unique, ce qui signifie que les FDRH sont intrinsèquement dépendants de la personne. Un FDRH générique ou -dummy-head - , fournit seulement une approximation approximative; pour des FDRH spatiales vraiment convaincantes, individualisées sont souhaitables.

Comment les FASS sont mesurés traditionnellement

La méthode classique consiste à placer un sujet dans une chambre anéchoïque avec un haut-parleur monté sur un arc robotique qui peut tourner autour de la tête. Des micros de sonde sont insérés dans les canaux d'oreille pour enregistrer la réponse acoustique de chaque angle. Ce processus est répété pour des centaines ou des milliers de directions spatiales, donnant un ensemble dense de fonctions de transfert directionnel. Les mesures brutes sont ensuite transformées du domaine de temps au domaine de fréquence pour produire le HRTF.

Bien que conceptuellement simple, les détails de mise en œuvre varient énormément : la distance de l'enceinte, le type de microphone, la présence ou l'absence d'un laser de positionnement, les propriétés de la chambre anéchoïque et la méthode utilisée pour compenser la réponse de l'enceinte , tout cela introduit des différences.

Évolution historique et poussée vers la reproductibilité

Les premières mesures systématiques du FASS remontent aux années 1970, avec des études historiques réalisées par Shaw et ses collègues utilisant des réseaux d'enceintes statiques. Tout au long des années 1990, l'essor du traitement numérique des signaux a permis d'acquérir des données plus efficaces grâce à des stimuli balayés et à des séquences de longueur maximale (SLM). Cependant, chaque groupe de recherche a développé son propre système de mesure et son pipeline de post-traitement, ce qui a entraîné une fragmentation du paysage.

En 2015, l'AES a formé le groupe de travail SC‐02‐03‐L spécifiquement chargé de rédiger des normes de mesure du FASS. Parallèlement, l'Union internationale des télécommunications (UIT) a commencé à intégrer le rendu binaural basé sur le FASS dans ses recommandations pour la prochaine génération de radiodiffusion.

Le cas de la normalisation

La variabilité des données du FASS constitue un obstacle sérieux au progrès de l'audio spatial. Lorsque les ensembles de données ne peuvent pas être validés par des croisements, les chercheurs ne peuvent pas se fier avec confiance aux travaux antérieurs et les fabricants d'appareils ne peuvent garantir qu'une source sonore virtuelle sera perçue de façon cohérente par différents utilisateurs.

  • Reproductibilité: Permettre à d'autres laboratoires de reproduire des mesures en ayant confiance que les différences sont dues à des phénomènes réels plutôt qu'à des artefacts de procédure.
  • Analyse comparative: Fournir des ensembles de données de référence permettant d'évaluer les nouveaux systèmes de mesure ou algorithmes d'individualisation.
  • Interopérabilité: Permettre que les données du FASS recueillies dans un contexte (p. ex., un laboratoire de recherche) soient utilisées dans un autre (p. ex., un casque de RV de consommateur) sans dégradation de la précision spatiale.
  • Acceptation réglementaire et clinique : En matière d'audiologie et d'appareil auditif, les données normalisées du FASS pourraient faire partie des bases de données normatives utilisées pour l'évaluation diagnostique.

Sources de variabilité que la normalisation doit traiter

La variation provient de quatre grandes catégories : anatomie des sujets, matériel de mesure, procédure de mesure et post-traitement. L'anatomie des sujets est la plus fondamentale, mais les choix matériels – comme le type de microphone (type omnidirectionnel ou type de champ de pression), la direction de haut-parleur et la précision de positionnement de l'arc – peuvent introduire des biais systématiques.

Un protocole normalisé ne vise pas à éliminer les variations anatomiques des sujets, qui font partie du signal, mais à minimiser toutes les autres sources de sorte que le FASSD mesuré ne reflète que l'acoustique des sujets.

Composantes clés d'un protocole normalisé de mesure du FASS

S'inspirant des travaux des comités de normalisation de l'AES, de l'UIT et de divers consortiums universitaires, un protocole complet comprend généralement les éléments suivants.

Environnement de mesure

L'espace acoustique doit être anéchoïque ou au moins avoir un temps de réverbération très bas, avec une réponse en champ libre jusqu'à la fréquence la plus basse (habituellement 100 Hz). Les niveaux sonores de fond doivent être inférieurs à 20 dBA. Les surfaces réfléchissantes, y compris la structure de l'arc elle-même, doivent être traitées pour empêcher les réflexions secondaires qui corrompraient la réponse de l'impulsion. ISO 3745 préciser les limites acceptables pour les chambres anéchoïques et sont souvent référencées dans les protocoles du GTRH.

Préparation et positionnement du sujet

Les sujets sont généralement assis sur un tabouret ou une chaise non réfléchissante. La tête est alignée à l'aide de coupes laser qui se croisent au centre de l'axe interaural de la tête. L'axe interaural doit être aligné avec précision avec le centre de rotation de l'arc de haut-parleur. L'appuie-tête (p. ex., un étrier ou une barre de morsure) minimise le mouvement pendant la mesure, bien que les protocoles plus récents comportent également des corrections de la trajectoire de la tête en temps réel.

Les microphones à l'oreille sont placés à l'eau courante avec l'entrée du canal auditif ou légèrement encastrés et doivent être étalonnés pour chaque sujet. Le point de référence standard est l'entrée du canal auditif bloqué, comme le recommande le groupe de travail AES‐X188. Certains protocoles exigent également l'utilisation d'une bouchon d'oreille en silicone pour bloquer le canal auditif au-delà du microphone, assurant ainsi une terminaison acoustique répétable.

Étalonnage du matériel

Le haut-parleur et les microphones doivent être étalonnés à l'aide d'une référence traçable (p. ex., un piston étalonné pour les microphones et un microphone étalonné pour le haut-parleur). L'amplitude et la réponse de phase du haut-parleur doivent être mesurées à la position d'écoute et découlées des données enregistrées, c'est-à-dire l'étape d'égalisation.

Paramètres d'acquisition de données

Le protocole doit préciser:

  • Résolution angulaire: Les valeurs typiques varient de 5° à 10° en azimut et en altitude, mais des résolutions plus élevées (1°–2°) peuvent être nécessaires pour les fréquences supérieures à 8 kHz pour capturer les encoches pinnées fines.
  • Distance par rapport à la source: Les FASS de terrain lointain sont mesurés à 1–2 mètres; les effets de champ proche deviennent significatifs plus de 0,5 m et nécessitent une manipulation séparée.
  • Type de stimulation: Les séquences de longueur maximale (SML), les sines balayées (chirps) ou les codes Golay sont utilisés pour obtenir un rapport signal-bruit élevé. La longueur et le nombre de moyennes doivent être définis.
  • Taux d'échantillonnage et profondeur des bits: En général, 48 kHz ou 96 kHz à 24 bits, bien que des taux d'échantillonnage plus élevés puissent être nécessaires pour analyser les caractéristiques de pinna au-dessus de 20 kHz.
  • Nombre de moyennes: Généralement, 3 à 10 moyennes par direction pour améliorer le RNS sans temps de mesure excessif.

Traitement et fenêtre de données

Après capture, la réponse brute de l'impulsion doit être fenêtrée pour enlever les réflexions résiduelles. L'apparition et la longueur de la fenêtre doivent être normalisées – généralement une fenêtre de Hanning de 256 échantillons est appliquée, avec le point de départ réglé pour exactement l'arrivée directe du son. Des seuils de lissage spectral (p. ex. 1/12 octave) peuvent également être spécifiés pour réduire le bruit de mesure tout en préservant les repères spectraux pertinents à la localisation.

Méthodes de validation des données du GTRH

Même avec un protocole de mesure minutieux, le FASS résultant doit être validé pour confirmer qu'il représente avec précision l'acoustique du sujet et donne une spatialisation crédible. La validation prend généralement deux formes : objective et perceptive.

Validation objective

Les contrôles objectifs comprennent la comparaison du HRTF mesuré par rapport à une norme connue (p. ex., un mannequin ou une base de données de HRTF préalablement validés provenant du même sujet). On utilise des paramètres tels que la distorsion spectrale (DS) entre des mesures répétées, la douceur de la réponse de magnitude et la concordance des différences de niveau interaural avec les prédictions théoriques d'une tête sphérique. Un protocole peut exiger que la distorsion spectrale racinaire moyenne-carré entre deux mesures successives de la même direction soit inférieure à un seuil défini (p. ex., 1 dB). Une autre métrique commune est le test de la bonté d'ajustement chi‐carré pour le modèle spatial des DTI.

Validation perceptive

La validation perceptive implique des tests d'écoute où les sujets localisent les sources sonores virtuelles rendues à l'aide du HRTF mesuré. Le test le plus courant est le test de précision de localisation – mesure de l'erreur angulaire entre la direction perçue et la direction prévue. De plus, -externalisation - tests évaluent si la source virtuelle apparaît à l'intérieur ou à l'extérieur de la tête. UIT‐R BS.1727 La recommandation d'évaluation subjective de l'audio spatial fournit un cadre pour de tels essais.

Certains protocoles comportent également un critère de fiabilité de --remesure: un sous-ensemble de directions de mesure est répété à la fin de la séance, et l'écart moyen doit entrer dans la tolérance prédéfinie, ce qui permet de détecter les mouvements de sujets ou la dérive de l'équipement.

Les efforts de normalisation actuels et leurs progrès

Plusieurs organisations travaillent activement à l'élaboration de normes de mesure du FASS, dont la Société de l'ingénierie audio (AES), l'Union internationale des télécommunications (UIT) et l'IEEE. Comité des normes de l'AES a formé le groupe de travail SC‐02‐03‐L sur la mesure du FASS, qui a proposé un protocole détaillé pour l'acquisition du FASSP sur le terrain lointain dans des conditions anéchoïques, y compris des spécifications pour les mesures de la tête factice et les sujets vivants. Document technique de l'AES TD-1002 propose des lignes directrices pour la mesure et la communication des données du FASS, en vue d'établir un consensus sur les pratiques exemplaires.

En attendant, Groupe de travail UIT-R 6C Dans le domaine universitaire, l'Initiative de normalisation -HRTF, lors de la réunion de 2021 de la Société acoustique d'Amérique, a réuni des chercheurs pour proposer un ensemble minimal de normes de rapport que toutes les publications devraient inclure. L'IEEE a également lancé un projet de normes (IEEE P3701) spécifiquement pour la caractérisation des systèmes audio spatiaux, qui comprend des protocoles de mesure HRTF.

Rôle des données ouvertes et format SOFA

Tous les efforts ci-dessus seront inefficaces sans un format de données commun. SOFA (Format orienté vers l'acoustique) Les futurs protocoles devraient exiger l'utilisation de SOFA (ou d'un successeur) pour assurer la portabilité et la transparence des données. Plusieurs bases de données du HRTF à source ouverte, comme les bases de données CIPIC et SADIE II, ont adopté SOFA, fournissant des données de référence précieuses pour la communauté.

Défis à relever

Malgré ces efforts, plusieurs obstacles persistent :

  • Variabilité du sujet: Un protocole unique ne peut pas pleinement saisir la diversité des formes de la tête, des morphologies des oreilles et des tailles du corps dans les populations humaines.
  • Coût et disponibilité de l'équipement: Les mesures sphériques complètes nécessitent des chambres anéchoïques coûteuses et des systèmes robotisés de platines. Des protocoles simplifiés qui fonctionnent avec du matériel à moindre coût (p. ex., des réseaux planaires ou des plates-formes de mesure portables) peuvent contrer la précision.
  • Liberté de post-traitement: Même avec des données brutes identiques, différents chercheurs appliquent différents algorithmes de lissage, d'extrapolation ou d'interpolation. La norme doit définir un pipeline de traitement de -référence, ou au moins exiger un rapport complet de toutes les étapes de traitement.
  • Près du champ et du champ lointain : De nombreuses applications, comme les appareils auditifs et les téléphones mobiles, font appel à des sources sonores très proches de l'oreille. La normalisation doit porter sur des protocoles distincts pour les mesures sur le terrain proche et sur le terrain lointain.
  • FASS dynamiques : Le mouvement de la tête modifie les FDRH en temps réel. La normalisation de la mesure des signaux dynamiques (p. ex., les changements avec la rotation de la tête) est un défi ouvert.

Technologies émergentes et orientations futures

La prochaine génération de normalisation du FASSR sera probablement axée sur les données et adaptative, en tirant parti de l'apprentissage automatique et des réseaux de capteurs à faible coût.

Apprentissage automatique pour l'individualisation du FASS

Au lieu de mesurer chaque sujet dans une chambre anéchoïque, les chercheurs élaborent des modèles qui prédisent un FASSP individuel à partir de mesures anatomiques, comme des analyses 3D de l'oreille et de la tête. Les réseaux neuraux formés sur de grandes bases de données de FASSP mesurés peuvent générer un FASSP personnalisé en quelques secondes. La normalisation devra s'étendre à ces modèles de prédiction, en définissant la façon dont les données de formation devraient être recueillies et la façon dont l'exactitude prédictive devrait être validée. communauté de la base de données du FASSO travaille déjà sur des formats communs pour stocker et partager ces données.

Systèmes de mesure portatifs et in situ

De nouveaux systèmes de mesure portatifs utilisent des réseaux de microphones (p. ex. des réseaux sphériques à 32 canaux) pour capturer le champ sonore autour de la tête en un seul enregistrement, réduisant ainsi considérablement le temps de mesure. Ces systèmes fonctionnent dans des salles ordinaires avec une certaine réverbération, en utilisant la déconvolution ou la synthèse de champs d'ondes pour récupérer les HRTF anéchoïques.

Validation adaptative et en temps réel

Les protocoles futurs peuvent intégrer des rétroactions perceptives en temps réel : alors qu'un auditeur utilise un système audio spatial, le système peut ajuster le HRTF en fonction des erreurs de localisation mesurées lors d'un test rapide de type jeu. Cette validation en boucle fermée pourrait conduire à une individualisation qui s'adapte aux changements de l'auditeur , l'anatomie (p. ex., croissance de l'oreille chez les enfants, ou changements après ajustement de l'appareil auditif).

Formats et métadonnées normalisés des données

Tous les efforts ci-dessus seront inefficaces sans un format de données commun. La convention SOFA est apparue comme une norme pour stocker HRTF et les mesures acoustiques connexes. Les protocoles futurs devraient mandater l'utilisation de SOFA (ou un successeur) pour assurer la portabilité et la transparence des données.

Conclusion

Les protocoles normalisés de mesure et de validation du FASS ne sont plus une source d'inquiétude : ils sont un facteur essentiel pour l'avenir de l'audio spatial dans les domaines du divertissement, de la communication et de la technologie d'assistance.En abordant systématiquement l'environnement de mesure, la préparation des sujets, l'étalonnage des équipements, l'acquisition et la validation des données, la communauté du génie audio peut créer une base sur laquelle des données du FASS reproductibles et fiables peuvent être construites.