Ψυχοακουστική διερεύνηση της χωρικής ακουστικής ιδιότητας

Transcript

1 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ Ψυχοακουστική διερεύνηση της χωρικής ακουστικής ιδιότητας Μπούρας Νικόλαος Διπλωματική εργασία Πολυτεχνική σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Επιβλέπων της διπλωματικής εργασίας: Γεώργιος Παπανικολάου, Καθηγητής Θεσσαλονίκη Ιούνιος 2014

2 ARISTOTLE UNIVERSITY OF THESSALONIKI Psychoacoustic Investigation on the Spatial Acoustic Properties Nikolaos Bouras Diploma thesis Faculty of Engineering Department of Electrical and Computer Engineering Supervisor: Prof. Papanikolaou George Thessaloniki June 2014

3 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ Περίληψη Πολυτεχνική σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Διπλωματική Εργασία Μπούρας Νικόλαος Ο άνθρωπος από την φύση του, έχει τη δυνατότητα να εντοπίζει τις ηχητικές πηγές στο χώρο και να προσδιορίζει την θέση τους, σε σχέση με την δική του. Η δυνατότητα αυτή, σχετίζεται άμεσα με τον προσανατολισμό του. Εκμεταλλευόμενοι την δυνατότητα αυτή, αναζητούμε τεχνικές αναπαραγωγής που μπορούν να δημιουργήσουν την ψευδαίσθηση της χωρικής θέσης της πηγής. Η αναπαραγωγή binaural σημάτων με τη χρήση στερεοφωνικών ακουστικών είναι μια τέτοια τεχνική. Δυστυχώς όμως, η απόδοση των συστημάτων αυτού του τύπου είναι συχνά περιορισμένη. Πολλές φορές κατά την ακρόαση στα συστήματα αυτά, η ηχητική πηγή αντιλαμβάνεται σαν να είναι, μέσα στο κεφάλι. Επιπλέον, εμφανίζεται έντονα η αδυναμία διάκρισης της θέσης της ηχητικής πηγής ως προς το μπροστά και πίσω ημισφαίριο. Στα συστήματα αυτά, η διακριτική ικανότητα ενός ακροατή ως προς της απόλυτης θέσης της πηγής είναι περιορισμένη κυρίως όσο αφορά την κλίση της φαινομενικής πηγής. Στη παρούσα εργασία, εξετάζονται οι τεχνικές τοποθέτησης μια εικονικής ηχητικής πηγής στο 3D auditory space και μελετάται ο μηχανικισμός localization του ανθρώπου και κυρίως η συμβολή του εξωτερικού αυτιού (pinna) στην αναγνώριση της θέσης της πηγής. Μελετάτε ακόμα, η επιρροή στο φασματικό περιεχόμενο κατά την αναπαραγωγή σημάτων, μέσω ιδικά τροποποιημένων ακουστικών τεσσάρων ηχείων (δύο ηχεία ανά κανάλι, τοποθετημένα στον κατακόρυφο άξονα ή στον οριζόντιο, υπό κλίση) με μετρήσεις σε ακουστικό ανδρείκελο (KEMAR). Οι μετρήσεις αφορούν την αναπαραγωγή των ηχείων μεμονωμένων είτε σε ζευγάρια με την εισαγωγή καθυστερήσεων Διεξάγονται ακόμα δύο ακουστικά υποκειμενικά πειράματα για να μελετηθεί η επιρροή στη υποκειμενική αντίληψη της θέσης της φαινομενικής πηγής για τις παραπάνω περιπτώσεις και συγκριθεί με την υποκειμενική αντίληψή της θέσης της πηγής κατά την αναπαραγωγή των ίδιων binaural σημάτων με τη χρήση στερεοφωνικών ακουστικών.

4 ARISTOTLE UNIVERSITY OF THESSALONIKI Abstract Faculty of Engineering Department of Electrical and Computer Engineering Diploma Thesis By Nikolaos Bouras Humans by nature have the ability of detecting sound sources in space and determining their position in relation to their own. Taking advantage of this behavior under this thesis novel techniques to create the illusion of spatial position of the source are put under investigation. Binaural technology is a standard approach for providing spatial sound over headphones. Although it is capable of producing vividly realistic results, sound sources on or near the median plane often give the impression of being produced inside the head of the listener. Furthermore, the ability of the listener to discriminate the absolute position of the source is limited. Another main issue arising in the sound localization over headphones technique is the front back confusion. In this thesis the human sound localization mechanics are examined with emphasis on the pinna effect and the spectral features of monaural cues. Moreover the sound spatialization is examined over specially modified four speaker headphone set (two speakers per channel mounted on the vertical axis, angled). Acoustic mannequin left ear s pinna response in the frequency domain for each speaker located on vertical and horizontal axis and the effect of time delays between speakers on pinna spectrum are calculated. In order to study the influence of the above test cases on the subject s perception of spatial sound two additional psychoacoustic experiments are conducted. The results are then compared with the subject s perception of the same binaural signals when stereo headphones are in use.

5 Ευχαριστίες Η έρευνα που περιγράφεται σε αυτή τη διπλωματική εργασία διεξήχθη στο εργαστήριο ηλεκτρακουστικής και τηλεοπτικών συστημάτων της πολυτεχνικής σχολής του Αριστοτελείου Πανεπιστήμιού Θεσσαλονίκης. Οι άνθρωποι και το περιβάλλον εργασίας εκεί, κάνανε αυτή την εργασία πραγματικότητα. Ένα ιδιαίτερο ευχαριστώ στους παρακάτω ανθρώπους που υποστήριξαν αυτή τη διπλωματική εργασία με το δικό τους ξεχωριστό τρόπο. Στον επιβλέπων καθηγητή μου, Γιώργο Παπανικολάου καθώς χωρίς τη βοήθεια του, την υποστήριξη του και την εμπιστοσύνη που μου έδειξε, αυτή η διπλωματική εργασία δε θα ήταν εξαρχής πραγματοποιήσιμη. Στην «οικογένεια» του εργαστηρίου ηλεκτρακουστικής και τηλεοπτικών συστημάτων AvLab, που με αγκάλιασε από την πρώτη στιγμή. Στην οικογένεια μου, για την υπομονή και την υποστήριξη. Σε όλους του πρόθυμους και υπομονετικούς εθελοντές που συμμετείχαν στα πειράματα αυτής της εργασίας. Στον φίλο Δημήτρη Γκούβα για την υποστήριξη σε όλη την διαδικασία.

6 ΠΕΡΙΕΧΟΜΕΝΑ 1 Διατύπωση του προβλήματος Υπόβαθρο θέματος Ερευνητικό στόχος Προσέγγιση Θεωρητικό υπόβαθρο Φυσική του Ήχου Ηχητικό πεδίο (Sound Field) Φυσικά φαινόμενα του ήχου Phasing shifting Spatial Audio systems Στερεοφωνικός ήχος Multichannel systems (Surround Sound) Αμφιωτική ακοή - Binaural Sound localization Σύστημα συντεταγμένων Υποδείξεις εντοπισμού. (localization cues) Binaural cues ITD και ΙLD Επίδοση και προβλήματα εντοπισμού Localization και χαρακτηριστικά του σήματος διέγερσης Transfer functions Εφαρμογή HRTF extraction Binaural σήμα - Μαθηματική διατύπωση Γραφική παρουσίαση των Head Related Impulse Response στο οριζόντιο επίπεδο για μηδενική κλίση Γραφική παρουσίαση των HRTF στο οριζόντιο επίπεδο Γραφική παρουσίαση των HRTF στο κατακόρυφο επίπεδο για αζιμούθιο Δημόσιες Βάσεις HRTF... 46

7 2.9 Monoraul cues Pinna cues Pinna notch Φαινόμενα ακοής The Precedence effect Coctail Party Effect Binaural fusion Elevation gain Εργαστηριακή μελέτη Εργαλεία software και hardware Βαθμονόμηση Επιρροή της θέση των ακουστικών Επιρροή των χρονικών καθυστερήσεων μεταξύ των ηχείων ενός ακουστικού Υποκειμενικά Ακουστικά Πειράματα Διερευνητικό υποκειμενικό ακουστικό πείραμα Φάση #1α Επιλογή HRTF Φάση #2α Πειράματα Εντοπισμού Ανάλυση Στατιστική ανάλυση Συζήτηση Υποκειμενικό ακουστικό πείραμα - απλοποιημένη μορφή Φάση #1β Επιλογή HRTF Φάση #2β Πειράματα Εντοπισμού Ανάλυση Σύνοψη και συμπεράσματα Συμπεράσματα Παράρτημα Α References

8 Λίστα Πινάκων Πίνακας 2-1 Συχνότητες που εμφανίζουν ελάχιστο πλάτος για τις διάφορες καθυστερήσεις. 22 Πίνακας 4-1 Φασματικό περιεχόμενο των επιλεγμένων HRTF από τη βάση του CIPIC 87 Πίνακας 4-2 Φασματικό περιεχόμενο των επιλεγμένων HRTF από τη βάση του IRCAM 88 Πίνακας 4-3 Α/Α αναφοράς των επιλεγμένων συναρτήσεων μεταφοράς. 89 Πίνακας 4-4 Latin square. 90 Πίνακας 4-5 Ποσοστά βελτίωσης για τα 4 κριτήρια μεταξύ των τριών υλοποιήσεων. 100 Πίνακας 4-6 Συντελεστής αυτοσυσχετισης μεταξύ των ποσοστών βελτίωσης για τα 4 κριτήρια. 100 Λίστα Γραφημάτων Εικόνα 2.1 Σφαιρικά και επίπεδα κύματα 17 Εικόνα 2.2 Ανάκλαση, διάθλαση και περίθλαση για τρείς διαφορετικές επιφάνειες. 19 Εικόνα 2.3 Phasing effect διαφορά φάσης π/2 22 Εικόνα 2.4 Phasing effect διαφορά φάσης π 23 Εικόνα 2.5 Στερεοφωνική ηχογράφηση 24 Εικόνα 2.6 Στερεοφωνική αναπαραγωγή 24 Εικόνα surround system, με το format Auro-3D [7]. 24 Εικόνα 2.8 Ανδρείκελο ακουστικής - dummy head. 25 Εικόνα 2.9 Τα επίπεδα που χωρίζουν των τρισδιάστατο χώρο, αναφερόμενοι στο virtual auditory space 26 Εικόνα 2.10 Δεξιόστροφο σύστημα αναφοράς κλίσης και αζιμούθιου. 27 Εικόνα 2.11 Διαφορετικού μήκους διαδρομές από την ηχητική πηγή, 29 Εικόνα 2.12 Head Shadowing 31 Εικόνα 2.13 Ισομετρικές καμπύλες για σταθερά ITD (μs). 33 Εικόνα 2.14 Ισομετρικές καμπύλες ILD σε db [Αριστερό αυτί]. 33 Εικόνα 2.15 minimum audible angle ανά συχνότητα για αζιμούθιο 0 και Εικόνα 2.16 HRTF response μετρούμενη για διαφορετικά σημεία αναφοράς στο ακουστικό κανάλι. 35 Εικόνα 2.17 Υπολογισμός HRTF στο KEMAR 37 Εικόνα 2.18 Scatter plots Presented Angle vs Perceived Angle. 38 Εικόνα 2.19 Ανοιγμένος κύκλος απεικόνισης των γωνιών αζιμούθιου 39 Εικόνα 2.20 ΗRIR συναρτήσει του αζιμούθιο για κλίση 0 μηδενικ. KEMAR Δεξί αυτί. 41 Εικόνα 2.21 ΗRIR συναρτήσει του αζιμούθιο KEMAR αριστερό αυτί. Οριζόντιο επίπεδο, κλίση 0 41 Εικόνα 2.22 HRIR KEMAR δεξί αυτιού σε απεικόνιση πολικού πανοράματος. 42 Εικόνα 2.23 HRIR KEMAR δεξί αυτί απεικόνιση με χρήση ισοσταθμιών καμπυλών. 42

9 Εικόνα 2.24 Head Related Transfer Function KEMAR Αριστερό αυτί. 43 Εικόνα 2.25 HRIR συναρτήσει του elevation στο median plane. [KEMAR αριστερό αυτί] 44 Εικόνα 2.26 HRTF στο median plane KEMAR LEFT Ear Surf Plot 45 Εικόνα Κάτοψη της επιφάνειας της HRTF. 45 Εικόνα 2.28 Κατανομή των σημείων του virtual auditory space του CIPIC 47 Εικόνα 2.29 Διαρθρωτική ανάλυση της HRTF 49 Εικόνα 2.30 Η Μορφολογία και ονοματολόγια των βασικών τμημάτων του πτερυγίου του αυτού. 50 Εικόνα 2.31 Median plane Right Ear. 51 Εικόνα 2.32 HRTF και HRIR στο Median plane από 0 έως 180. KEMAR. 52 Εικόνα 2.33 Συχνοτική απόκρισης του πτερυγίου του αριστερού αυτιού του Subject Εικόνα 2.34 Απόκριση του αριστερού αυτιού για δίαφορες γωνίες κλίσης στο median plane. 55 Εικόνα 2.35 Σύγκριση PRTF για αζιμούθιο 0 και αζιμούθιο 180 (μηδενική κλίση) 56 Εικόνα 2.36 Απόκριση του αριστερού αυτίου για το σημείο (0,0 ) για πέντε διαφορετικά υποκείμενα. 56 Εικόνα 2.37 Υποκειμενική αντίληψης της κλίσης της πηγής λόγω αύξησης έντασης 58 Εικόνα 3.1 KEMAR με τα τετραφωνικά ακουστικά. 61 Εικόνα 3.2 Sennheiser headphone 61 Εικόνα 3.3 Norsonic Type Εικόνα 3.4 Block δίαγραμμα. Έλεγχος τάσεων εξόδου της καρτάς ήχους 62 Εικόνα 3.5 Έλεγχος της τάση εξόδου, των έξοδών της κάρτας ήχους. Σύγκριση output #1 και #2. 62 Εικόνα 3.6 Block δίγραμμα ελέγχου επιρροής της θέσης των ακουστικών στο ηχητικό αποτέλεσμα. 63 Εικόνα 3.7 Πάνω αριστερά: Η μετακίνηση του ακουστικό επιδρά καθυστερώντας το δεξί ηχητικό σήμα. Πάνω δεξιά: Η μετακίνηση του ακουστικό καθυστερεί το αριστερό ηχητικό σήμα. Κάτω αριστερά: Τα ηχητικά κύματα φτάνουν ταυτόχρονα για την ευθυγραμμισμένη θέση των ακουστικών, στην κάτω δεξιά εικόνα. 64 Εικόνα 3.8 Block διάγραμμα. Επίδραση στο τελικό ηχητικό αποτέλεσμα για αναπαραγωγή με τα τετραφωνικά ακουστικά με μεμονωμένα ηχεία ή με καθυστερήσεις μεταξύ αυτών. 65 Εικόνα 3.9 Διάγραμμα ροής υπολογισμού συναρτήσεων μεταφοράς. 65 Εικόνα 3.10 Pinna Transfer function Πάνω και κάτω ακουστικό 66 Εικόνα 3.11 Οψη πτερύγιου κατά πρόσωπο. 67 Εικόνα 3.12 Εσωτερική όψη ακουστικού τεσσάρων καναλιών. 67 Εικόνα 3.13 Απόκριση πτερυγίου για 22,45,90 και 158 μs. Πάνω: Ορθή θέση ακουστικών. Κάτω: ακουστικά στραμμένα 90 περί τον interaural axis. 68 Εικόνα 3.14 Απόκριση πτερυγίου για 22,45,90,158,204,250,295,500,610,900 μs και 1ms. Πάνω: Ορθή θέση ακουστικών. Κάτω: ακουστικά στραμμένα 90 περί τον interaural axis. 69 Εικόνα 4.1 GUI: Επιλογή HRTF v.1 74 Εικόνα 4.2 GUI: Localization 78

10 Εικόνα 4.3 Διάγραμμα κατανομής των απαντήσεων για δύο συμμετέχοντες. Με μπλε χρώμα σημειώνονται οι απαντήσεις για ακρόαση των binaural σημάτων με τη χρήση τετραφωνικών ακουστικών. Με κόκκινο χρώμα οι απαντήσεις για ακρόαση με στερεοφωνικά ακουστικά. 81 Εικόνα 4.4 Διάγραμμα κατανομής των απαντήσεων για τους δέκα συμμετέχοντες. Με μπλε χρώμα σημειώνονται οι απαντήσεις για ακρόαση των binaural σημάτων με τη χρήση τετραφωνικών ακουστικών. Με κόκκινο χρώμα οι απαντήσεις για ακρόαση με στερεοφωνικά ακουστικά 82 Εικόνα 4.5 GUI. HRTF selection v2 89 Εικόνα 4.6 GUI Πειράματος εντοπισμού v2 92 Εικόνα 4.7. Οι 18 προκαθορισμένες θέσεις του δεύτερου πειράματος. Αριστερά : μπροστινό επίπεδο, Δεξία: πίσω επίπεδο. Το σημείο που φαίνεται έντονα αντιπροσωπεύει το σημείο (0,0 ). 92 Εικόνα 4.8 Παρουσίαση των HRTF που επιλέχθηκαν τουλάχιστον δύο στις τρεις φορές από κάθε subject. «x» δηλώνει τις HRTF που επιλέχθηκαν για το Up/Down discrimination. «τετράγωνο» δηλώνει τις HRTF που επιλέχθηκαν για το Front/Back confusion. 94 Εικόνα 4.9 Οι HRTF που και τις τρεις φορές από κάθε subject. «x» δηλώνει τις HRTF που επιλέχθηκαν για το Up/Down discrimination. «τετράγωνο» δηλώνει τις HRTF που επιλέχθηκαν για το Front/Back confusion. 95 Εικόνα 4.10 Ραβδόγραμμα προτίμησης των HRTF για τα δύο κριτήρια στο σύνολο των ακροτάτων. Οι HRTF εχούν επιλεγεί τουλάχιστον δύο στις τρεις φορές στα δύο κριτήρια. Μαύρο χρώμα: ποσοστό επιλογής της HRTF από τα υποκείμενα για το F/B κριτήριο. Γκρι: ποσοστό επιλογής της HRTF για το U/D descrimination. 96 Εικόνα 4.11 Ραβδόγραμμα προτίμησης των HRTF για τα δύο κριτήρια στο σύνολο των ακροτάτων. Οι HRTF εχούν επιλεγεί και στις τρεις φορές στα δύο κριτήρια. Μαύρο χρώμα: ποσοστό επιλογής για το F/B κριτήριο. Γκρι: ποσοστό επιλογής για το U/D descrimination. 96 Εικόνα 4.12 Κατανομή ποσοστού ορθής αναγνώρισης για τα κριτήρια A.B.C.D της θέσης της πηγής για αναπαραγωγή από το πάνω ηχείο 98 Εικόνα 4.13 Ποσοστό ορθής αναγνώρισης για τα κριτήρια A.B.C.D.E για τους 20 ακροατές. Αναπαραγωγή από το πάνω ή κάτω ηχείο 98 Εικόνα 4.14 Κατανομή ποσοστού ορθής αναγνώρισης για τα κριτήρια A.B.C.D της θέσης της πηγής για αναπαραγωγή από το πάνω ηχείο 98 Εικόνα 4.15 Μέσο ποσοστό ορθής αναγνώρισης 102

11 Συντομογραφίες ITD ILD IID IPD MAA HRTF HRIR GUI KEMAR IRCAM CIPIC Interaural Time Difference Interaural Level Difference Interaural Intensity Difference Interaural Phase Difference Minimum Audible Angle Head Related Transfer Functions Head Related Impulse Response Graphical User Interface Knowles Electronics Manikin for Auditory Institut de Recherche et Coordination Acoustique/Musique Center for Image Processing and Integrated Computing

12 1 Διατύπωση του προβλήματος Σε αυτό το κεφάλαιο, περιγράφεται το γενικό πλαίσιο του ερευνητικού θέματος, καθώς και το κίνητρο και ο σκοπός της εργασίας. Οι πιθανόν τεχνικοί όροι που εισάγονται, εξηγούνται στο Κεφάλαιο 2 του παρόντος κειμένου. 1.1 Υπόβαθρο θέματος Ο άνθρωπος από την φύση του έχει τη δυνατότητα να εντοπίζει τις ηχητικές πηγές στο χώρο και να προσδιορίζει την θέση τους, σε σχέση με την δική του. Η δυνατότητα αυτή, σχετίζεται άμεσα με τον προσανατολισμό του. Στην πάροδο των χρόνων η ακοή μαζί με τις υπόλοιπες αισθήσεις συνέβαλαν σημαντικά στην επιβίωση και στην κυριαρχία της ανθρώπινης ύπαρξης. Ο spatial ήχος λοιπόν, έχει την ικανότητα να δημιουργεί στον ακροατή την ψευδαίσθηση ενός εικονικού κόσμου, βοηθώντας τον στην αναγνώριση του περιβάλλοντος και τη θέση των ηχητικών συμβάντων. Σήμερα αυτός ο εικονικός κόσμος συνδυάζεται με καθημερινές εφαρμογές της τεχνολογίας, όπως για παράδειγμα με μουσική, παιχνίδια ή μια δραστική οπτικοακουστική εγκατάσταση, δημιουργώντας μια πολύ ρεαλιστική εμπειρία για το χρήστη. Συγκεκριμένα η αναπαραγωγή spatial ήχου με τη χρήση ακουστικών (headphones), δημιουργεί νέες δυνατότητες για ευρέως χρησιμοποιούμενα συστήματα όπως υπολογιστή γραφείου, λάπτοπ ή home cinema. Η πρόκληση που εμφανίζεται στην υλοποίηση των συστημάτων αυτών, είναι ο σχεδιασμός ενός συστήματος που έχει ακριβείς επιδόσεις, σε όλες τις πιθανές συνθήκες αναπαραγωγής, ή είναι πλήρως παραμετροποήσιμο ώστε να ταιριάζει σε διαφορετικά σενάρια. Είναι απαραίτητο λοιπόν, να προβλέπονται και να λαμβάνονται υπόψη οι περιορισμοί και τα πιθανά προβλήματα που εμφανίζονται για τον τελικό χρήστη.

13 Διατύπωση του προβλήματος 13 Είναι γνωστό ότι υπάρχουν τεχνικές οι οποίες εκμεταλλευόμενες την ικανότητα εντοπισμού της ακοής, επιτυγχάνουν την «τοποθέτηση» ενός ήχους στο τρισδιάστατο ακουστικό χώρο (3D auditory space). Ακόμα, έχουν υλοποιηθεί συστήματα που δημιουργούν την ψευδαίσθηση της χωρικής θέσης μιας ηχητικής πηγής. Βεβαία, η αποτελεσματικότητα των συστημάτων αυτών, τίθεται υπό αμφισβήτηση. Στα συστήματα αυτά η ηχητική πηγή, πολλές φορές αντιλαμβάνεται «μέσα στο κεφάλι» inside the head ενώ είναι αρκετές φορές είναι αδύνατη η αναγνώριση αν η εικονική πηγή βρίσκεται μπροστά ή πίσω από τον ακροατή. Ακόμα, ο εικονικός χώρος στον οποίο μπορεί να «τοποθετηθεί» η εικονική πηγή είναι περιορισμένος ενώ η ακρίβεια στον εντοπισμό, κυρίως όσο αφορά την κλίση της πηγής, είναι μικρή. 1.2 Ερευνητικό στόχος Ο στόχος της παρούσα εργασίας είναι να εξεταστούν οι τεχνικές τοποθέτησης μια εικονικής ηχητικής πηγής στο 3D auditory space (spatialization) και να μελετηθεί η συμβολή του εξωτερικού αυτιού, και συγκεκριμένα του πτερυγίου (pinna), στην υποκειμενική αντίληψη της θέσης μιας εικονικής πηγής κατά την ακρόαση binaural σημάτων μέσω στερεοφωνικών ή πολυφωνικών ακουστικών. Συγκριμένα, θα χρησιμοποιηθούν συναρτήσεις μεταφοράς, που περιγράφουν τη συμβολή των ανθρωπομετρικών χαρακτηριστικών στα προσπίπτοντα ηχητικά κύματα, για την σύνθεση ηχητικών binaural σημάτων. Η αναπαραγωγή των binaural σημάτων μέσω ακουστικών -ιδανικά- δημιουργεί την ψευδαίσθηση της χωρικής θέση του ακουστού σήματος. Στην εργασία αυτή καλούμαστε λοιπόν να μελετήσουμε την επιρροή στη υποκειμενική αντίληψη της θέσης που αντιλαμβάνεται ένας ακροατής, όταν η αναπαραγωγή γίνεται μέσω πολυφωνικών ακουστικών ή στερεοφωνικών επεμβαίνοντας στα binaural σήματα είτε δημιουργώντας τεχνητές καθυστερήσεις μεταξύ των μεγάφωνων των ακουστικών είτε επεμβαίνοντας στην χωροταξική θέση αυτών. 1.3 Προσέγγιση Εφόσον το παρόν ερευνητικό θέμα έχει ως βάση τον εντοπισμού του ήχου, τα σήματα στα αυτιά του ακροατή είναι αυτά που πρόκειται να εξεταστούν. Ο λόγος είναι ότι αποτελούν την κύρια έσοδο του ηχητικού κύματος και περιέχουν σχεδόν όλη την πληροφορία που χρειάζεται για τον εντοπισμό της θέσης μιας ηχητική πηγής στο auditory space (μηχανισμός localization).

14 Διατύπωση του προβλήματος 14 Η παρούσα δουλεία θα εστιάσει στη προσομοίωση των σημάτων που θα έφταναν στα αυτιά ενός ένα ακροατή από μια ηχητική πηγή σε πεπερασμένο αριθμό θέσεων. Έχοντας ως στόχο το spatialization, ξεκινούμε με την δημιουργία του μονοφωνικού ηχητικού σήματος. Θέτοντας κατάλληλα κριτήρια επιλογής, αναζητούμε τα φίλτρα εκείνα (Head Related Transfer Functions) η επεξεργασία των οποίων με το μονοφωνικό σήμα, οδηγεί στην παραγωγή δύο σημάτων τα οποία όταν αναπαράγονται μέσω ακουστικών επιτυγχάνουν το στοχευμένο spatialization (τα σήματα αυτά θα τα αποκαλούμε πλέον «αμφιωτικά» ή binaural). Η αναπαραγωγή των προσομοιωμένων σημάτων με τη χρήση εμπορικών ακουστικών αλλά και με τη χρήση των τροποποιημένων ακουστικών τεσσάρων ηχείων, θα δώσει το πρώτο κριτήριο αν για αυτές τις αποστάσεις ηχητικών πηγών, το ηχητικό πεδίο αλλάζει, αν επηρεάζει το localization και με ποιον τρόπο. Μέσα από μια σειρά υποκειμενικών ακουστικών πειραμάτων θα αξιολογηθεί η σημασία της επιλογής των Head Related Transfer Functions (HRTFs) και η επιρροή στη αντίληψη της θέσης της εικονικής πηγής: Α) κατά την αναπαραγωγή των binaural σημάτων με την παρουσία καθυστερήσεων στην έναρξη αναπαραγωγής των binaural σημάτων, στα ηχεία του τετραφωνικού ακουστικού. β) κατά την αναπαραγωγή των binaural σημάτων, από τα μετατοπισμένα σε νέα θέση ηχεία του τετραφωνικού ακουστικού, εξωτερικά του αυτιού. 1.4 Επισκόπησή εργασίας Κεφάλαιο 2 : Εξηγείται το απαραίτητο υπόβαθρο για την διερεύνηση του θέματος της παρούσας εργασίας. Καλύπτονται οι περιοχές των spatial audio και ψυχοακουστικής. Ιδιαίτερη εμφανή δίνεται στην επιρροή του εξωτερικού αυτιού στην αντίληψη του ήχου. Κεφάλαιο 3: Παρουσιάζονται οι εργαστηριακές μετρήσεις της συμβολής του πτερύγιού του ακουστικού ανδρείκελου για διαφορετικές αναπαραγωγές με χρήση των τετραφωνικών ακουστικών. Ακόμα παρουσιάζονται τα όργανα μετρήσεων της εργασίας αυτής καθώς και η διαδικασία βαθμονόμησης του εξοπλισμού.

15 Διατύπωση του προβλήματος 15 Κεφάλαιο 4: Στο κεφάλαιο περιγράφεται το πρώτο, διερευνητικό ακουστικό πείραμα εντοπισμού που διεξαχθεί στη παρούσα εργασία, καθώς και τα αποτελέσματα αυτού τα οποία σχολιάζονται μέσω γραφημάτων και σχετικής στατιστικής ανάλυσης Κεφάλαιο 4: Στο κεφάλαιο περιγράφεται το δεύτερο ακουστικό πείραμα εντοπισμού που διεξαχθεί σε μια προσπάθεια αποσαφήνισης των αποτελεσμάτων του πρώτου πειράματος. Επίσης σχολιάζονται τα νέα αποτελέσματα μέσω γραφημάτων και σχετικής στατιστικής ανάλυσης Κεφάλαιο 5: Δίνεται μια περίληψη της δουλειάς της παρούσας εργασίας, και παρουσιάζονται γενικά συμπεράσματα και προτάσεις για περαιτέρω ανάπτυξη.

16 2 Θεωρητικό υπόβαθρο 2.1 Φυσική του Ήχου. Ο ήχος είναι μηχανική διαταραχή που διαδίδεται με ορισμένη ταχύτητα μέσα σε ένα μέσο που μπορεί να αναπτύξει εσωτερικές δυνάμεις (π.χ Ελαστικότητας, εσωτερικής τριβής) κι έχει τέτοιο χαρακτήρα, ώστε μπορεί να διεγείρει το αισθητήριο της ακοής και να προκαλέσει το ακουστικό ερέθισμα. Τα ηχητικά κύματα σε ομογενή μέσα, ταξιδεύουν με σταθερή ταχύτητα. Η ταχύτητα του ήχου στον αέρα υπολογίζεται ίση με 343 μέτρα ανά δευτερόλεπτο (343m/s) ή ένα πόδι (foot) 1 ανά εκατοστό του δευτερολέπτου (1 foot/ms). Ένα ηχητικό κύμα που μεταδίδεται από μια πηγή μπορεί να είναι είτε επίπεδο κύμα (Plane wave) είτε σφαιρικό κύμα (spherical wave)(εικόνα 2-1). Τα επίπεδα κύματα έχουν σταθερό πλάτος και φάση σε οποιοδήποτε επίπεδο είναι κάθετο στην κατεύθυνση μετάδοσης τους [1]. Τα σφαιρικά κύματα, παράγονται από σημειακές πηγές (point sources) οι οποίες μπορούν να θεωρηθούν ως πολύ μικρές πηγές τοποθετημένες στο κέντρο ομόκεντρων σφαιρών [2]. Αυτές οι ομόκεντρες σφαίρες είναι επίσης 1 Πόδι (foot), διεθνές σύμβολο ft ή. Είναι μονάδα μήκους που δεν ανήκει στο διεθνές σύστημα μονάδων SI αλλά χρησιμοποιείται σε διάφορα συστήματα όπως το Αγγλικό και το αυτό των ΗΠΑ. Το μέγεθος διαφέρει από σύστημα σε σύστημα, αλλά σε όλα αντιστοιχεί στο ένα τέταρτο με ένα τρίτο του μέτρου.

17 Θεωρητικό υπόβαθρο 17 τα μέτωπα του κύματος, πράγμα που σημαίνει ότι σε αυτή τη περίπτωση οι ακουστικές μεταβλητές δεν είναι σταθερές, αλλά υπολογίζονται συναρτήσεις της ακτινικής απόστασης (radial distance). Εικόνα 2-1 Σφαιρικά και επίπεδα κύματα Γενικά είναι πιο εύκολο να εξετάζονται επίπεδα κύματα αντί σφαιρικά, κατά τη μελέτη της συμπεριφοράς του ήχου. Σε μεγάλες αποστάσεις από την πηγή ( 3 15 μέτρα για σημειακές πηγές, τα μέτωπα του κύματος θεωρούνται ως επίπεδα, αλλά για μικρότερες αποστάσεις η κυρτότητα του μετώπου του κύματος πρέπει να λαμβάνεται υπόψη [3] Ηχητικό πεδίο (Sound Field) Δύο είναι τα διακριτά ηχητικά πεδία που μπορούν να περιγράφουν, το διάχυτο πεδίο (diffuse field) και το ελεύθερο πεδίο (free field). Διάχυτό πεδίο, είναι το ηχητικό πεδίο το οποίο συναντάται κυρίως σε κλειστούς χώρους [3]. Χαρακτηρίζεται από την ύπαρξη ενός μεγάλου αριθμού ανακλάσεων, για αυτό και ο ήχος θεωρείται διάχυτος (diffuse). Σε ένα διάχυτο ηχητικό πεδίο, ή ένταση του υπάρχοντος ήχου θεωρείται ότι βρίσκεται κανονικά κατανεμημένη προς όλες τις δυνατές κατευθύνσεις [4] Ελεύθερο πεδίο. Ονομάζεται το ηχητικό πεδίο που ο ήχος μεταδίδεται χωρίς εμπόδια. Πρακτικά στο πεδίο αυτό δεν υπάρχουν ανακλώμενα κύματα, παρά μόνο απευθείας. Η απαίτηση αυτή συναντάται

18 Θεωρητικό υπόβαθρο 18 πολύ σπάνια σε περιβάλλοντα της καθημερινότητας, και για την προσέγγιση τέτοιων συνθηκών σε πειράματα χρησιμοποιείται ο λεγόμενος ανηχοϊκός θάλαμος (anechoic chamber). Στο θάλαμο αυτό χρησιμοποιούνται απορροφητικά υλικά στις επιφάνειες για την μείωση της ηχητικής πίεσης και την καταστολή των ηχητικών ανακλάσεων Φυσικά φαινόμενα του ήχου Κατά τη μετάδοση του ήχου κλειστούς χώρους, τρία είναι τα κύρια φαινόμενα που εμφανίζονται. Είναι η ανάκλαση, ή απορρόφηση και η περίθλαση. Γενικά ένα κύμα όταν προσπίπτει σε μία επιφάνεια ή αντικείμενο, μερικώς ανακλάται, μερικώς απορροφάται και μερικώς περιθλάται. Κατά τη διάδοση ενός κύματος σε ένα μέσο λόγω της απορρόφησης από το ίδιο το μέσο, το κύμα αποσβένεται. Η απόσβεση αυτή περιγράφεται από τη μείωση τη στάθμη της ηχητικής πίεσης, που είναι επίσης γνωστή και ως «1/r law», καθώς η ηχητική πίεση μειώνεται 6 db για κάθε διπλασιασμό της απόστασης διάδοσης. Ο νόμος αυτός περιγράφεις με ακρίβεια τη συμπεριφορά των ηχητικών κυμάτων για αποστάσεις μεταξύ 3 και 15 μέτρων, ενώ για μεγαλύτερες αποστάσεις υπάρχει και επιπλέον απόσβεση. Μια ανάκλαση (Reflection) ενός κύματος παρουσίαζε νέα κατεύθυνση διάδοσης, νέο πλάτος και νέα φάση του σε σχέση με το προσπίπτον κύμα. Αυτές οι αλλαγές περιγράφονται από το λεγόμενο μιγαδικό συντελεστή ανάκλασης ( complex reflection factor), ο οποίος είναι συγκεκριμένος για κάθε επιφάνεια και εξαρτάται από τη συχνότητα και την κατεύθυνση του προσπίπτοντος κύματος [2] Όταν η προσπίπτουσα επιφάνεια χαρακτηρίζεται ως συμπαγής (rigid), τότε ο συντελεστής απορρόφησης της είναι μηδέν, που σημαίνει ότι το κύμα ανακλάται πλήρως χωρίς να χάνει από τη προσπίπτουσα ενέργεια του. Το ανακλώμενο κύμα συνεχίζει είτε προς μία μόνο κατεύθυνση (κατοπτρική ανάκλαση specular reflection), είτε διασκορπίζεται προς πολλές κατευθύνσεις (Scattering), ανάλογα με το αν η ανακλαστική επιφάνεια αποτελείται από ανωμαλίες, αρκετά μεγάλες ώστε να διαταράξουν την διάδοση του. Γενικά μια επιφάνεια θεωρείτε λεία, αν τα μεγέθη των ανωμαλιών της, είναι μικρές σε σχέση με το μήκος κύματος του προσπίπτοντος κύματος. Στην αντίθετη περίπτωση θεωρείται τραχιά. Επιπλέον, η ανάκλαση συνήθως συνοδεύεται και από περίθλαση (diffraction), η οποία συμβαίνει σε επιφανείς με πεπερασμένα όρια. Μόνο σε επιφάνειες άπειρης έκτασης μπορούμε να θεωρήσουμε ότι δεν παράγουν περιθλώμενα κύματα.

19 Θεωρητικό υπόβαθρο 19 Εικόνα 2-2 Ανάκλαση, διάθλαση και περίθλαση για τρείς διαφορετικές επιφάνειες. 1) Διάδοση του ήχου. Η εξίσωση του σήματος μια ηχητικής πηγής στο πεδίο της συχνότητας, περιγράφεται από την σχέση: S(ω) = S(ω) e jφ(ω) Όπου S(ω) είναι το πλάτος και φ(ω) είναι η φάση του σήματος. Πλάτος Για έναν ακροατή σε απόσταση d από την ηχητική πηγή, όπως αναφέρθηκε στην προηγούμενη παράγραφο, το πλάτος του σήματος που δέχεται θα είναι ίσο με Φάση S (ω) = S(ω) d Η διάδοση προσθέτει μια αλλαγή φάσης στο σήμα η οποία σχετίζεται με την απόσταση. Η φάση στην θέση του ακροατή μπορεί να γραφτεί ως: φ (ω) = φ(ω) + δ Όπου δ είναι ο χρόνος που χρειάζεται το σήμα για να φτάσει στον ακροατή. 2) Ανάκλαση / απορρόφηση. Η ανάκλαση και η απορρόφηση μιας επιφάνειας μπορεί να προγραφεί από το σφαιρικό συντελεστή ανάκλασης (spherical reflection factor) Q. Στο πεδίο της συχνότητας ο παράγοντας μπορεί να εκφραστεί στο πεδίο της συχνότητας ως: Q(ω) = Q(ω) e jτ(ω) Ο πολλαπλασιασμός του συντελεστή ανάκλασης με το αρχικό σήμα (στο πεδίο τη συχνότητας) περιγράφει το σήμα της εικονικής πηγής που δημιουργείται λόγω της ανάκλασης. Το σήμα αυτό, διαφέρει στο πλάτος από το αρχικό κατά παράγοντα Q(ω) και στη φάση, λόγω της χρονικής καθυστέρησης τ(ω). Προφανώς οι δύο αυτές μεταβολές είναι άρρηκτα συνδεμένες με τη συχνότητα.

20 Θεωρητικό υπόβαθρο 20 3) Περίθλαση στο κεφάλι. Ο ήχος θεωρείται το φτάνει στο κεφάλι του ακροατή ενιαία. Στη συνέχεια διασκορπίζεται γύρω από το κεφάλι, φτάνοντας στο αριστερό και στο δεξί αυτί. Αυτή η περίθλαση του κεφαλιού, μπορεί να περιγραφεί με μια συνάρτηση μεταφοράς περιγράφεται στις head realated transfer functions HRTFs, οι οποίες μπορούν να εκφραστούν από τη σχέση Η(ω) = Η (ω) e jβ(ω) Όπου β(ω) είναι η καθυστέρηση φάσης και Η (ω) ο παράγοντας απόσβεσης του πλάτους λόγω της περίθλασης του κεφαλιού. Και οι δύο συντελεστές εξαρτώνται από τη συχνότητα του κύματος. Η καθυστέρηση φάσης μπορεί να προσεγγιστεί από το χρόνο που χρειάζεται το ηχητικό κύμα για να καλύψει την απόσταση από το σημείο άφιξης στο κεφάλι το ακροατή, μέχρι το αντίστοιχο αυτί [5]. Η απόσταση αυτή, ονομάζεται ορθοδρομική απόσπαση (orthodromic distance) και είναι η μικρότερη απόσταση μεταξύ δύο σημείων πάνω στη σφαίρα (Εικόνα 2-3). Βέβαια στην προσέγγιση αυτή, η αλλαγή της φάσης που εισάγεται, θεωρείται ανεξάρτητη της συχνότητας. Εικόνα 2-3 Ορθοδρομική απόσταση από το σημείο q στο p Phasing shifting Με τον όρο Phasing shifting ή διαφορετικά flanging, περιγράφουμε το φαινόμενο που προκύπτει κατά την αλληλεπίδραση ηχητικών κυμάτων τα οποία βρίσκονται εκτός φάσης. Δεδομένου ότι διαφορετικές συχνότητες έχουν και διαφορετικό μήκος κύματος είναι προφανές ότι η καθυστέρηση ενός σύνθετου ηχητικού κύματος θα οδηγήσει σε διαφορετική καθυστέρηση φάσης για κάθε συχνότητα. Για παράδειγμα, η χρονική καθυστέρηση τ = 1ms σε ένα ημιτονοειδούς κύμα, με θεμελιώδη συχνότητα f 1= 1000kHz, δημιουργεί διαφορά φάσης 360. H ίδια καθυστέρηση σε ένα κύμα συχνότητας f 2=500kHz δημιουργεί διαφορά φάσης 180. Αν θεωρήσουμε ένα ημιτονοειδές κύμα στη πιο απλή με την εξίσωση

21 Θεωρητικό υπόβαθρο 21 S 1 = A cos(2π f t) (2.1) Και θεωρήσουμε ακόμα ένα καθυστερημένο αντίγραφο κατά χρόνο τ όπου τ = φ ω [sec] (2.2) Η εξίσωση του θα είναι: S 2 = A cos(2π f t + φ) (2.3) Όπου: A f φ τ Το πλάτος του σήματος. Η θεμελιώδεις συχνότητα αυτού. Η φάση του σήματος. Η χρονική μετατόπιση της κυματομορφής που αντιστοιχεί σε φάση φ η εξίσωση (2.3) μέσω της (2.2) γράφεται S 2 = A cos(2π f t + 2π f τ) (2.4) Προσθέτοντας αλγεβρικά τα δύο σήματα, S = S 2 + S 1 S = A cos(2π f t) + A cos(2π f t + 2π f τ) (2.5) S = 2 A cos(π f τ) cos(π f(2 t + τ)) (2.6) S = Α total cos(π f(2 t + τ)) (2.7) Α total = 2 A cos(π f τ) (2.8) Άρα το τελικό σήμα παρουσιάζει ελάχιστο πλάτος Α total όταν 2 A cos(π f τ) = 0 (2.9) δηλαδή π f τ = n π 2, n = 1,2,3 Επομένως ή τ = f = n 2 f n 2 τ (2.10) (2.11)

22 Θεωρητικό υπόβαθρο 22 Για διαφορές χαρακτηριστικές χρονικές καθυστερήσεις τ και για n=1 έως 9, παραθέτουμε τις συχνότητες όπου το πλάτος του σήματος γίνεται ελάχιστο. Πίνακας 2-1 Συχνότητες που εμφανίζουν ελάχιστο πλάτος για τις διάφορες καθυστερήσεις. t / n n=1 n=2 n=3 n=4 n=5 n=6 n=7 n=8 n=9 5 ms ms khz kHz 3k 3.5k 4k 4.5k 5k 800us k 1.875k 2.5k 3.125k 4.375k 5k k 500us 1k 2k 3k 4k 5k 6k 7k 8k 9k 300us 1.66k 3.33k 5k 6.66k 8.33k 10k 11.66k 13.33k 15k 250us 2k 4k 6k 8k 10k 12k 14k 16k 18k 200us 2.5k 5k 7.5k 10k 12k 15k 17.5k 20k 22.5k 150us 3.33k 6.66k 10k 13.33k 16.66k 20k 23.33k 26.6k 30k 80 us 6.25k 12.5k 18.75k 25k 31.25k 37.5k 43.75k 50k 56.26k 40 us 12.5k 25k 37.5k 50k 62k 75k 87.5k 100k 112.5k 20 us 25k 50k 75k 100k 125k 150k 175k 200k 225k Για καλύτερη κατανόηση στην Εικόνα 2-4 παρουσιάζεται ένα συνημίτονο με συχνότητα 100hz και ένα καθυστερημένο αντίγραφο του κατά χρόνο 3ms Εικόνα 2-4 Phasing effect διαφορά φάσης π/2 Στην Εικόνα 2-5 παρουσιάζονται τα ίδια δύο συνημίτονα, μόνο που αυτή τη φορά το δεύτερο σήμα έπεται κατά χρόνο 5ms. Όπως φαίνεται στον Πίνακας 2-1 αναμένουμε ελάχιστο πλάτος για αυτό τον συνδυασμό καθυστέρησης και συχνότητας.

23 Θεωρητικό υπόβαθρο 23 Εικόνα 2-5 Phasing effect διαφορά φάσης π 2.2 «Χωρικά» συστήματα ήχου (Spatial Audio systems) Ο εντοπισμός του ήχου επιτυγχάνεται κυρίως με την ακοή. Λόγω της ανατομίας του ανθρώπινου κεφαλιού τα δύο όργανα της ακοής δειγματολειπτούν τον ακουστικό χώρο διαφορετικά. Η ιδιομορφία αυτή έχει ως αποτέλεσμα την εμφάνιση διωτικών (interaural) διαφόρων, ως προς το χρόνο άφιξης, την ένταση ή το φασματικό περιεχόμενο ενός ήχου. Οι διαφορές αυτές, παρέχουν τις υποδείξεις στον εγκέφαλο για την αναγνώριση της θέσης της πηγής μιας ηχητικής διέγερσης Στερεοφωνικός ήχος Ο στερεοφωνικός ήχος (Stereophonic sound) ή αλλιώς Stereo, είναι μια μέθοδος αναπαραγωγής ήχου και δημιουργεί την ψευδαίσθηση της κατευθυντικότητας και της ακουστικής προοπτικής της ηχητικής πηγής. Ένα στερεοφωνικό σήμα αποτελείται από δύο διακριτά κανάλια μεταφοράς του σήματος, το αριστερό και το δεξί είναι που είναι αποτέλεσμα ηχογράφηση με χρήση δυο μικροφώνων. Για την αναπαραγωγή ενός stereo σήματος, χρησιμοποιούνται δύο ηχεία τοποθετημένα στο χώρο με τέτοιο τρόπο έτσι ώστε μαζί με τον ακροατή να ορίζουν της κορυφές ενός νοητού ισόπλευρου τριγώνου. Το τελικό ηχητικό αποτέλεσμα, δίνει την ψευδαίσθηση της κίνηση του ήχου στο χώρο μεταξύ των δύο ηχείων. Είναι φανερό ότι το πιθανό εύρος κίνησης μιας ηχητικής πηγής σε ένα στερεοφωνικό σύστημα, είναι αρκετά περιορισμένο. Επίσης η ευστάθεια που παρουσιάζουν οι φαινομενικές πηγές, σχετίζεται άμεσα με την τοπολογία του συστήματος, τη θέση του ακροατή (απόσταση και ύψος) καθώς και στον προσανατολισμό του ως προς το σύστημα των ηχείων [6]. Στην Εικόνα 2-6 παρουσιάζονται δύο γνωστές διατάξεις στερεοφωνικής ηχογράφησης ενώ στην Εικόνα 2-7 παρουσιάζεται η διάταξη στερεοφωνικής αναπαραγωγής, που γίνεται εμφανές το περιορισμένο εύρος κίνησης της φαινομενικής πηγής ήχου.

24 Θεωρητικό υπόβαθρο 24 Εικόνα 2-6 Στερεοφωνική ηχογράφηση Εικόνα 2-7 Στερεοφωνική αναπαραγωγή Πολυκάναλα συστήματα ήχου (Multichannel systems)-surround Sound Προφανής λύση στην αναπαραγωγή ήχου, δημιουργώντας την ψευδαίσθηση της χωρικής θέσης της ηχητικής πηγής, είναι ο διαχωρισμός των σημάτων για κάθε επιθυμητή θέση και αναπαραγωγή από τις θέσεις αυτές μέσω ηχείων. Πρακτικά η μέθοδος αυτή χρησιμοποιείται στα συστήματα θεάτρου όπως το Dolby Pro Logic Surround Sound 2 εκμεταλλευόμενοι το φαινόμενο Franssen 3. Παρόλο που τα συστήματα αυτά δημιουργούν εντυπωσιακά χωρικά ακουστικά φαινόμενα το κόστος και η δυσκολία εγκατάστασης τα καθιστά απαγορευτικά. Εικόνα surround system, με το format Auro-3D [7]

25 Θεωρητικό υπόβαθρο Αμφιωτική ακοή - Binaural Η αμφιωτική τεχνολογία (Binaural) βασίζεται στην αναπαραγωγή του ηχητικού σήματος με χρήση στερεοφωνικών ακουστικών, σήμα το οποίο έχει προέλθει από ηχογράφηση με χρήση μικροφώνων, στο κανάλι του τεχνητού αυτιού ακουστικού ανδρείκελου (dummy head) Εικόνα 2-9. Με αυτό το σύστημα επιτυγχάνονται ακριβείς μετρήσεις που περιέχουν, την καταγραφή των χρονικών διαφορών του ηχητικού σήματος μεταξύ των δύο αυτιών καθώς και διαφορές στην ένταση. Η ηχογράφηση αυτού του τύπου, καλείται binaural recording και μπορεί να δημιουργήσει έντονη την αίσθηση 3d ήχου, ιδίως αν οι διαστάσεις του κεφαλιού του ακροατή προσεγγίζουν τις διαστάσεις του ανδρείκελου. Παρά την ευκολία και την αποτελεσματικότητα των binaural ηχογραφήσεων, πρέπει να τονισθεί ότι οι συνθήκες αναπαραγωγής με τη χρήση ακουστικών είναι πολύ αφύσικες. Πολλές φορές οι ήχοι αντιλαμβάνονται «μέσα στο κεφάλι» [3] [8] ενώ η κίνηση του ακροατή δεν επηρεάζει το ηχητικό αποτέλεσμα, καθώς η ηχητική πηγή κινείται μαζί του. Οι binaural ηχογραφήσεις είναι δυνατό να επεξεργαστούν, έτσι ώστε να ανακτήσουμε την επίδραση του εξωτερικού πτερυγίου και της μορφολογίας του ανθρώπινου σώματος στην συνολική κρουστική απόκριση του συστήματος ηχητική πηγής και δέκτη εντός ενός ακουστικού χώρου. Εικόνα 2-9 Ανδρείκελο ακουστικής - dummy head.

26 Θεωρητικό υπόβαθρο Εντοπισμός θέσης ηχητικής διέγερσης (Sound localization) Σύστημα συντεταγμένων Κάθε ηχητικό ερέθισμα αντιλαμβάνεται και τοποθετείται αυτόματα από τον εγκέφαλο μας σε μια συγκεκριμένη θέση στον τρισδιάστατο χώρο. Αυτό ο τρισδιάστατος χώρος μπορεί να χωριστεί σε τρία επίπεδα τα οποία τέμνονται στην αρχή των αξόνων τους: 1) Horizontal, 2) median, 3) frontal επίπεδο όπως φαίνονται στην (Εικόνα 2-10). Η αρχή των αξόνων, βρίσκεται στο κέντρο του κεφαλιού στο μέσο μεταξύ των δύο αυτιών. Θεωρώντας το κεφάλι συμμετρικό ως προ το median επίπεδο, τότε αυτό το επίπεδο διαιρεί το χώρο, σε αριστερό και δεξί. Ανάλογα, το frontal επίπεδο τέμνει τα αυτιά και χωρίζει το χώρο σε μπροστά και πίσω ημισφαίριο. Εικόνα 2-10 Τα επίπεδα που χωρίζουν των τρισδιάστατο χώρο, αναφερόμενοι στο virtual auditory space Στη παρούσα εργασία υιοθετείται ένα σφαιρικό δεξιόστροφο σύστημα συντεταγμένων. Οι τρείς μεταβλητές, azimuth, elevation και distance ορίζουν μοναδικά μια θέση στο χώρο. Το αζιμούθιο (azimuth) δίνεται σε μοίρες και σχετίζεται με το οριζόντιο επίπεδο (horizontal plane). Η κλίση (elevation) δίνεται επίσης σε μοίρες και ορίζει την κάθετη κατεύθυνση (frontal plane). Η μεταβλητή distance δίνεται σε μέτρα και καθορίζει το πόσο μακριά βρίσκεται η ηχητική πηγή από τον ακροατή.

27 Θεωρητικό υπόβαθρο 27 Εικόνα 2-11 Δεξιόστροφο σύστημα αναφοράς κλίσης και αζιμούθιου. Το σημείο από όπου ξεκινάνε τα βέλη (αζιμούθιο 0 και κλίση 0 ) περιγράφει το σημείο μπροστά από το κεφάλι σε απόσταση r Υποδείξεις εντοπισμού. (localization cues) Ο εντοπισμός του ήχου επιτυγχάνεται με την βοήθεια υποδείξεων «cues» η ερμηνεία των οποίον από τον εγκέφαλο τοποθετεί ένα ακουστικό συμβάν στο χώρο. Παραδοσιακά, οι κυρίαρχες υποδείξεις για τον εντοπισμό της θέσης μια ηχητικής διέγερσης βασίζονται στις διαφορές που παρουσιάζονται στο ηχητικό πεδίο σε κάθε αυτί. Θεωρείται, ότι οι διαφορές αυτές, αναλύονται και συγκρίνονται στο πεδίο της συχνότητας. Η μεν πρώτη θεώρηση είναι αυταπόδεικτη, δεδομένου ότι δειγματοληπτούμε το ηχητικό πεδίο σε δυο διαφορετικές θέσεις, υπό ελαφρώς διαφορετικές συνθήκες [9]. Ενώ η δεύτερη βασίζεται στην αντίληψη ότι το εσωτερικό αυτί κωδικοποιεί μια ηχητική διέγερση από την άποψη των φασματικών της χαρακτηριστικών. Η σύγχρονη προσέγγιση έχει αποδείξει ότι εξίσου σημαντικό ρόλο στο localization έχουν και υποδείξεις ενός μόνο αυτιού «monoaural». Γενικά οι υποδείξεις μπορούν να χωριστούν σε τρεις κατηγορίες: 1)binaural, 2)monaural και 3) non-acoustical cues.

28 Θεωρητικό υπόβαθρο 28 Binaural Cues είναι οι υποδείξεις που αφορούν διωτικές (interaural) διαφορές, που δημιουργούνται όταν ο ήχος φτάνει στους δυο ακουστικούς πόρους. Χωρίζονται σε, interaural time differences (ITDs) και interaural level differences (ILDs). Οι πρώτες ITDs σχετίζονται με χρονικές διαφορές, δηλαδή τις διαφορές στον χρόνο άφιξης ενός ηχητικού κύματος στο ακουστικό όργανο. Οι δεύτερες (ILDs) είναι οι διαφορές στη στάθμη ηχητικής πίεσης μεταξύ των δύο αυτιών. Monaural cues είναι οι υποδείξεις που ανιχνεύονται με τη βοήθεια μόνο του ενός αυτιού και πιστεύεται ότι παίζουν βοηθητικό ρόλο στον εντοπισμό. Ο εξολοκλήρου εντοπισμός με υποδείξεις μόνο αυτού του τύπου δεν είναι δυνατός [10]. Κυρίως θεωρείται ότι υποδεικνύον την κλίσης της πηγής και ξεκαθαρίζουν της ασάφειες. Οι φασματικές υποδείξεις (spectral cues) οι οποίες εισάγονται από το πτερύγιο του αυτού (pinna) ανήκουν σε αυτήν τη κατηγορία [8]. Non-acoutical cues είναι οι υποδείξεις που δεν σχετίζονται άμεσα με την ακοή. Πολλές πηγές στη βιβλιογραφία [11] [12] [3] [13] αναφέρουν ότι η ικανότητα των ανθρώπων να εντοπίζουν τον ήχο δεν βασίζεται μόνο στην ακοή. Παράμετροι όπως η οικειότητα και η ορατότητα της ηχητικής πηγής καθώς και η ελευθερία κίνησης των ματιών του ακροατή [11] μπορούν να επηρεάσουν την αντίληψη της θέσης της ηχητικής πηγής και είτε να βοηθήσουν είτε να δυσκολέψουν το έργο αυτό. Μια περαιτέρω κατηγοριοποίηση των υποδείξεων εντοπισμού μπορεί να γίνει ως εξής: 1)static 2) dynamic και 3) environmental cues Static. Αυτές οι υποδείξεις χαρακτηρίζουν κάθε θέση της ηχητικής πηγής όταν και η πηγή και ο ακροατής είναι ακίνητοι. Binaraul και monaural cues ανήκουν σε αυτή τη κατηγόρια. Dynamic. Αυτές οι υποδείξεις λέγονται dynamic επειδή αλλάζουν διαρκώς και επειδή είναι χρήσιμες μόνο μέσω αυτής της αλλαγής τους. Έχει παραταρτηρηθεί ότι οι άνθρωποι ενστικτωδώς χρησιμοποιούν πολύ μικρές κινήσεις και στροφές του κεφαλιού κατά την ακρόαση καθώς αυτό βοηθάει στον εντοπισμό, ξεκαθαρίζοντας της ασάφειες της αντιληπτής θέσης της ηχητικής πηγής [14]. Επιπλέον η κίνηση της ίδια της πηγής,εφόσον υπάρχει, προσφέρει χρήσιμες υποδείξεις εντοπισμού. Οι dynamic cues είναι δευτερεύουσες υποδείξεις οι οποίες συνεισφέρουν μαζί με τις static cues σε ακριβέστερο εντοπισμό. Εnvironmental. Είναι οι υποδείξεις που όπως υποδεικνύει το όνομα τους, είναι αποτέλεσμα του περιβάλλοντος όπου το ηχητικό συμβάν λαμβάνει μέρος. Δίφορα ακουστικά φαινόμενα όπως η ανάκλαση, η απορρόφηση και η περίθλαση (βλ. ενότητα 2.1.2), συνεισφέρουν στην αντίληψη του ήχου

29 Θεωρητικό υπόβαθρο 29 προσφέροντας πολλές υποδείξεις εντοπισμού. Επιπλέον κάθε περιβάλλον χαρακτηρίζεται από διαφορετικές συνθήκες, οι οποίες επηρεάζουν τον ήχο με ένα χαρακτηριστικό τρόπο. 2.4 Αμφιωτικές διαφορές Binaural cues ITD και ΙLD Το γεγονός ότι τα δύο ακουστικά όργανα χωρίζονται από το μεγάλο ως προς αυτά, διαστάσεων κεφάλι, έχει ως αποτέλεσμα τη δημιουργία διαφορετικών μήκους διαδρομές από την πηγή του ήχου σε κάθε αυτί. Οι δύο αυτές διαδρομές έχουν ως αποτέλεσμα την διαφοροποίηση τη χρονικής στιγμής άφιξης του ήχου στα δύο αυτιά. Όπως φαίνεται και στην Εικόνα 2-12, το ηχητικό κύμα από μια μακρινή ηχητική πηγή,το οποίο ταξιδεύει με ταχύτητα s, προσπίπτει στην σφαιρική κεφαλή υπό γωνία που ορίζεται από την γωνία θ του σχήματος. Εικόνα 2-12 Διαφορετικού μήκους διαδρομές από την ηχητική πηγή στους δύο ακουστικούς πόρους, για μια πηγή υπό γωνία στο οριζόντιο επίπεδο Προφανώς, τα ηχητικά κύματα φτάνουν πρώτα στο αριστερό αυτί και εν συνέχεια στο δεξί διανύουν μεγαλύτερη διαδρομή κατά d = a θ + α ημθ (2.12)

30 Θεωρητικό υπόβαθρο 30 Διαιρώντας την απόσταση αυτή με την ταχύτητα διάδοσης του ήχου s, καταλήγουμε στην εξίσωση: ITD = α SpeedOfSound (θ + sinθ) 90 θ +90 (2.13) Από την Εικόνα 2-12 γίνεται επίσης φανερό, ότι καθώς η πηγή απομακρύνεται από το median plane και πλησιάζει το frontal plan, η απόσταση d μεγαλώνει, συνεπώς και η ITD. Η μέγιστη ITD παρατηρείται όταν η ηχητική πηγή βρίσκεται πάνω στον interaural άξονα. Θεωρώντας 18 εκ. την μέση διάμετρο του ανθρώπινου κεφαλιού, υπολογίζουμε ITD max = max (d) C [m] = 340 [ m s ] 600us (2.14) Προφανώς η ελάχιστη απόσταση «d» εμφανίζεται όταν η πηγή βρίσκεται πάνω στο median plane με ITD min = 0 Interarual phase difference Γνωρίζουμε ότι το ακουστικό νεύρο σύστημα μπορεί και κωδικοποιεί τη φάση ενός ερεθίσματος καθαρού τόνου μόνο για σχετικά χαμηλές συχνότητες [15]. Ακόμη έχει παρατηρηθεί ότι δεν εμφανίζεται ευαισθησία στη διαφορά φάσης για συχνότητες μεγαλύτερες των 1.5kHz [16] [17]. Για τους λόγους αυτούς οι διωτικές χρονικές διαφορές ITD στη μορφή διωτικών φασικών διαφορών (Interarual phase difference) IPD αποτελούν localaziation cues αυστηρά σε ήχους χαμηλών συχνοτήτων. Head shadowing Αναγνωρίζοντας το κεφάλι ως ένα πυκνό μέσο στον ακουστικό χώρο, ανάμεσα σε μια πηγή ήχου και τα αυτιά, αναμένεται να συμπεριφέρεται ως εμπόδιο και ως εμπόδιο τείνει στη διάθλαση και ανάκλαση του προσπίπτοντος ακουστικού κύματος. Όπως είναι προφανές το φαινόμενο γίνεται αντιληπτό και ιδιαίτερης σημασίας, όταν το μήκος κύματος του προσπίπτοντος ηχητικού κύματος έχει ιδία τάξης μεγέθους ή μικρότερη με τις διαστάσεις του κεφαλιού. Για έναν ήχο οποίος δε βρίσκεται πάνω στο median plane το κεφάλι δημιουργεί «σκιά» (head shadowing) στο αυτί που βρίσκεται στην μακρινή πλευρά της κεφαλής. Δημιουργεί δηλαδή πτώση στάθμη της ηχητικής πίεσης Εικόνα 2.13.

31 Θεωρητικό υπόβαθρο 31 ILD Η διαφορά στη στάθμη μεταξύ των δύο αυτιών αναφέρεται ως interaural level difference ILD. Στις χαμηλές συχνότητες και για συχνότητες μικρότερες των 3kHz το φαινόμενο αυτό είναι αμελητέο, δεδομένου του σχετικά μεγάλου μήκους κύματος των κυμάτων σε αυτό το συχνοτικό εύρος. Αντίθετα, σε ήχους συχνοτήτων μεγαλύτερες των 3 khz η επίδραση του φαινομένου αυξάνεται εκθετικά. Η ποσότητας της σκίασης στο αυτί, εξαρτάται από τη θέση της πηγής στο χώρο. Το φαινόμενο σκίασης για ηχητικές πηγές κοντά σε ένα από τα δύο αυτιά μπορεί να προκαλέσει για υψίσυχνους ήχους διαφορές στάθμης ακόμα και 40dB. Είναι σημαντικό να σημειωθεί ότι η θέση της πηγής δημιουργεί σημαντικά cues όχι μόνο στο αντιδιαμετρικό αυτί, αλλά και σε αυτό που πρόσκειται σε αυτή. Εικόνα 2-13 Head Shadowing Σύνοψη Από τα παραπάνω συμπεράνουμε η ITD δεν εξαρτάται πολύ από την ηχητική πηγή ή τον ακροατή αλλά εξαρτάται κυρίως από την απόσταση και προσανατολισμό του ακροατή ως προς την πηγή. Αντίθετα η ILD είναι κυρίως αποτέλεσμα του head shadowing το οποίο εξαρτάται από την ανατομία του ακροατή. Μαζί οι ITD και ILD συνιστούν την Dublex Theory όπως προτάθηκε για πρώτη φορά από τον Lord Rayleygh το 1907 [18]. Σύμφωνα με την θεωρία αυτή οι ITD είναι κυρίαρχες υποδείξεις εντοπισμού στις χαμηλές συχνότητες ενώ οι ILDs είναι κυρίαρχες υποδείξεις στις υψηλές συχνότητες. Η μετάβαση από τις πρώτες στις δεύτερες γίνεται κάπου στα 1500 hz όπου μπορεί να υπάρξει και κάποια σύγχυση σχετικά με τον ακριβή εντοπισμό μια ηχητικής διαταραχής. Γενικά οι ITDs και οι ILDs είναι οι κύριες υποδείξεις εντοπισμού. Οι ITDs των χαμηλών συχνοτήτων θεωρούνται ως οι ισχυρότερες υποδείξεις και μπορούν να παρακάμψουν πιο αδύναμες και πιθανώς ασύμφωνες υποδείξεις [19]

32 Θεωρητικό υπόβαθρο 32 H dublex theory βέβαια θεωρείται ατελής. Υπάρχουν παρατηρήσεις οι οποίες δεν μπορούν να εξηγηθούν και να ερμηνευτούν βάση της θεωρίας αυτής. Επιπλέον κάποιες φορές παρατηρήσεις αντιτίθενται στης αρχές της. Για παράδειγμα, υπάρχουν ενδείξεις ότι το ακουστικό σύστημα των ανθρώπων είναι ευαίσθητο και σε διωτικές χρονικές καθυστερήσεις και στις υψηλές συχνότητες [20] [21]. 2.5 Επίδοση και προβλήματα εντοπισμού. Η ικανότητα εντοπισμού του συστήματος ακοής είναι μακριά από τέλεια, καθώς υπάρχουν πολλές περιπτώσεις που αποτυγχάνει να δώσει μια ακριβή αντίληψή της θέσης της ηχητικής πηγής. Ένα χαρακτηριστικό πρόβλημα αδυναμίας του μηχανισμού της ακοής είναι το εξής. Λόγω της γεωμετρικής θέσης των αυτιών, μια διωτική διαφορά, είτε αυτή είναι χρονική είτε διαφορά στάθμης, δεν σχετίζεται αποκλειστικά με μια συγκεκριμένη θέση στον τρισδιάστατο χώρο. Στην πραγματικότητα ο γεωμετρικός τόπος των σημείων που εμφανίζουν την ίδια ΙΤD είναι κώνος με άξονα συμμετρίας την τομή των frontal και horizontal επιπέδων 4. Εξαιτίας του σχήματος του τόπου των σημείων, το φαινόμενο καλείται cone of confusion [22] και φαίνεται στις Εικόνα 2-14 και Εικόνα Η γωνία του κώνου σχετίζεται με μέγεθός του ΙΤD. Για μηδενικό ITD ο κώνος ταυτίζεται με το median plane ενώ για το μέγιστο ITD ο κώνος ταυτίζεται με το front plane. Ανάλογο με το cone of confusion effect είναι και το front back confusion ή front back ambiquity effect [23] [8]. Σε αυτή τη περίπτωση όταν η ηχητική πηγή βρίσκεται σε ένα συγκεκριμένο εύρος θέσεων, είτε μπροστά, είτε στο συμμετρικό πίσω ημισφαίριο, οι ITDs που παρατηρούνται, ταυτίζονται. Ο εγκέφαλος επομένως αδυνατεί να ξεχωρίσει ποια θέση είναι σωστή και οδηγείται σε λάθος συμπεράσματα. Πειραματικά, τα μικρότερα σφάλματα αναγνώρισης της θέσης της ηχητικής πηγής, παρατηρούνται στο frontal plane. Γενικά μπορεί να ειπωθεί ότι υπάρχουν δύο πτυχές της επίδοσης του εντοπισμού του ήχου. Η πρώτη είναι η ακρίβεια της αντιληπτής θέσης της πηγής σε σχέση με την πραγματική θέση. Η δεύτερη είναι η ελάχιστη γωνία (minimum audible angle MAA), η οποία ορίζεται ως η μικρότερη αντιληπτή διαφορά μεταξύ δύο θέσεων της ηχητικής πηγής. Η ΜΑΑ μετράει στην πράξη την αναλυτικότητα του συστήματος ακοής. Για πηγές μπροστά από το κεφάλι η ΜΑΑ είναι περίπου 1-2, ενώ στα πλάγια του 4 Ο γεωμετρικό τόπος των σημείων που παρουσιάζουν κοινό ILD είναι και πάλι κώνος, μόνο που ο άξονας αυτού είναι συνάρτηση της συχνότητας του ήχου.

33 Θεωρητικό υπόβαθρο 33 κεφαλαίου είναι πολύ μεγαλύτερη. Η ΜΑΑ εξαρτάται ακόμα από τη συχνότητα του ηχητικού κύματος όπως φαίνεται και στην Εικόνα Εικόνα 2-14 Ισομετρικές καμπύλες για σταθερά ITD (μs). Οι τιμές έχουν εκτιμηθεί από τη Head Related Transfer Function ενός subject και οι ισομετρικές υπολογίζονται με Κυβική παρεμβολή. Το αριστερό αυτί είναι κεντραρισμένο για κλίση 0 και αζιμούθιο 98. Εικόνα 2-15 Ισομετρικές καμπύλες ILD σε db [Αριστερό αυτί]. Η τιμή για κάθε ισομετρική προκύπτει από την αφαίρεση της στάθμης της αντίστοιχης ισομετρικής του δεξιού αυτιού από την αντίστοιχη του αριστερού αυτιού. Εικόνα 2-16 minimum audible angle ανά συχνότητα για αζιμούθιο 0 και 30

34 Θεωρητικό υπόβαθρο Localization και χαρακτηριστικά του σήματος διέγερσης. Έχει αποδειχθεί πειραματικά ότι ή αναγνώριση της διεύθυνσης ενός σήματος διέγερσης σχετίζεται άμεσα με το συχνοτικό εύρος αυτού. Συγκεκριμένα έχει δειχθεί πως σήματα στενού εύρος παρουσιάζουν μεγαλύτερη ασάφεια στην αναγνώριση και τα ποσοστά λάθους του front-back confusion αυξάνονται καθώς το εύρος μικραίνει. Γενικά στα σήματα στενού εύρους παρατηρείται μικρότερη ακρίβεια στην αναγνώριση της θέσης τους [24] [25] [26] [27]. 2.7 Transfer functions Για την εύρεση της ηχητικής πίεσης που δημιουργεί μια τυχαία ακουστική πηγή στο τύμπανο του αυτιού ενός ακροατή το μόνο που χρειαζόμαστε είναι η κρουστική απόκριση του συστήματος πηγή τύμπανο ακροατή. Συμβολίζουμε την κρουστική απόκριση αυτή, ως h(t) και την καλούμε ως Head Related Impulse Response εν συντομία HRIR. Μετασχηματίζοντας τη συνάρτηση αυτή στο πεδίο της συχνότητας μέσω του μετασχηματισμό Fourier της h(t) με F{h(t)}=H(f) προκύπτει η συνάρτηση μεταφοράς του παραπάνω συστήματος και καλείται Head related Transfer Function (HRTF). Αυστηρά με τον όρο Head related transfer function, ορίζουμε το λόγο του μετασχηματισμού Fourier της ηχητικής πίεσης στα αυτιά του ακροατή προς το μετασχηματισμό Fourier της ηχητικής πίεσης στο κέντρο του κεφαλιού του ακροατή, όταν αυτός δεν είναι παρόν [28] [29]. Θα μπορούσαμε να πούμε πως μια HRTF είναι μια μέτρηση της μετάδοσης του ήχου από την πηγή στα αυτιά του ακροατή. Μια HRTF περιέχει όλες τις πληροφορίες που δίνουν τις υποδείξεις εντοπισμού για την κατευθυντική ακοή (directional hearing). Στην πραγματικότητα για τον προσδιορισμό της HRTF, η πίεση στα αυτιά του ακροατή μπορεί να προσδιοριστεί σε τρία διαφορετικά σημεία, παράγοντας έτσι τρεις διαφορετικές HRTF. Το σημείο αναφοράς πίεσης, κατά σύμβαση ορίζεται στο κέντρο του κεφαλιού όταν ο ακροατής δεν είναι παρόν. Αν ονομάσουμε στο σημείο αυτό, την πίεση στο πεδίο της συχνότητας P 1 και P 2 την πίεση στην είσοδο του ακουστικού καναλιού όταν αυτό είναι αποκλεισμένο, P 3 την πίεση στην είσοδο του ακουστικού καναλιού και P 4 την πίεση στο τύμπανο του ακροατή μπορούν να ορισθούν οι HRTF [30] ως [ P 4 Ηχητική πίεση στο τύμπανο ] = P 1 Πίεση στο κέντρο του κεφαλιού οταν ο ακροατής είναι απών [ P 3 Ηχητική πίεση στο κανάλι ] = P 1 Πίεση στο κέντρο του κεφαλιού οταν ο ακροατής είναι απών [ P 2 Ηχητική πίεση στο μπλοκαρισμένο κανάλι ] = P 1 Πίεση στο κέντρο του κεφαλιού οταν ο ακροατής είναι απών

35 Θεωρητικό υπόβαθρο 35 Αυτές οι συναρτήσεις μεταφοράς εξαρτώνται από την γωνία πρόσπτωσης ηχητικού κύματος (θ και φ) και την απόσταση της πηγής ( r ). Χαρακτηριστικά παραθέτουμε τις διαφορετικές απόκρισης του αριστερού αυτού για διάφορα σημεία P ως προς του τύμπανο, για τρία ηχητικά κύματα για αζιμούθιο 0, 90 και 180 στο horizontal plane. Σημείο μέτρησης πίεσης P 12mm μέσα στο κανάλι 6mm μέσα στο κανάλι Στην είσοδο του καναλιού 6mm έξω από το κανάλι Σε σημείο πριν της περιοχής Cavum Conchae Σε σημείο μεταγενέστερα της περιοχής Cavum Conchae Εικόνα 2-17 HRTF response μετρούμενη για διαφορετικά σημεία αναφοράς στο ακουστικό κανάλι. Κάθε διάγραμμα παραθέτει τις τρείς αποκρίσεις για αζιμούθιο 0, 90 και 180 στο horizontal plane.

36 Θεωρητικό υπόβαθρο 36 Μελετώντας την Εικόνα 2-17 είναι φανερό ότι οι δύο τελευταίες αποκρίσεις για την μετρούμενη πίεση στην περιοχή Cavum Conchae εμφανίζουν την μεγαλύτερη εξάρτηση ως προς τη γωνία άφιξης του ηχητικού κύματος. Η έντονη διαφοροποίηση εμφανίζεται μετά τα 4kHz. Αντίθετα οι πρώτες τέσσερεις αποκρίσεις εμφανίζουν μικρή ή σχεδόν καθόλου εξάρτηση από τη θέση της ηχητικής πηγής. Από την παρατήρηση αυτή προκύπτει το συμπέρασμα, ότι για ένα σημείο μερικά χιλιοστά έξω από το ακουστικό κανάλι εμφανίζεται μονοδιάστατη μετάδοση [28] [31]. Από μαθηματική σκοπιά οι HRTF είναι περίπλοκες συναρτήσεις τεσσάρων μεταβλητών: όπου οι τρείς μεταβλητές (x,y,z) είναι οι συντεταγμένες του 3D χώρου και τέταρτη μεταβλητή η συχνότητα. Εκφράζοντας τη συνάρτηση μεταφοράς HRTF σε έναν σφαιρικό σύστημα συντεταγμένων και θεωρώντας ότι ηχητικές πηγές απέχουν ακτινική απόσταση μεγαλύτερη του ενός μέτρου, μπορούμε να κάνουμε την παραδοχή ότι η πηγή μας ανήκει στο far field. Έπειτα της παραδοχής αυτής μπορούμε να μετασχηματίσουμε τη HRTF σε συνάρτηση των τριών μεταβλητών: κλίση, αζιμούθιο και συχνότητα Εφαρμογή Οι HRTFs χρησιμοποιούνται για τη σύνθεση (binaural) σημάτων. Σήματα, αντίστοιχων με αυτών που θα προκαλούσε μια ηχητική πηγή σε μια συγκεκριμένη θέση στο χώρο. Πολλαπλασιάζοντας σε ένα σήμα εισόδου, εκφρασμένο στο πεδίο τη συχνότητας, την HRTF του αριστερού και του δεξί αυτιού ( ή εναλλακτικά συνελίσσοντας το σήμα εισόδου με την αντίστοιχη HRIR ) παράγονται τα ξεχωριστά σήματα που συνθέτουν ένα binaural σήμα. Η εφαρμογή αυτή βέβαια, προϋποθέτει γραμμικότητα του συστήματος. Οι Algazi και Duda [29] αναφέρουν ότι σε συνηθισμένα επίπεδα ηχητικής πίεσης και ταχύτητας αντικειμένων, οι φυσικές διεργασίες είναι πρακτικά γραμμικές και χρονικά αμετάβλητες επομένως μπορεί να εφαρμοστεί η θεωρία των γραμμικών συστημάτων Εξαγωγή HRTF Μελετώντας τους λόγους των HRTF που παρουσιάστηκαν, μπορεί να παρατηρηθεί ότι οι λόγοι των ηχητικών πιέσεων που μετρούνται κάθε φορά δεν μπορούν να μετρηθούν απευθείας αφού οι ηχητικές πιέσεις που εμπλέκονται δεν συν υπάρχουν φυσικά την ίδια χρονική στιγμή. Ωστόσο, είναι δυνατό να εισαχθεί ο λόγος [P 1 E ηχέιου ] που περιγράφει την συχνοτική απόκρισή του ηχείου μετρούμενη από το 5 Αυτή η γραμμική προσέγγιση των HRTF, παρουσιάζεται λεπτομερώς από τους Wightman and Kistler [29]

37 Θεωρητικό υπόβαθρο 37 σημείο στο κέντρο της κεφαλής του ακροατή όταν αυτός είναι απών [30]. Μπορούν πλέον οι HRTF να υπολογισθούν μέσω του λόγου: [P i P 1 ] = [P i E ηχείου ] [P 1 E ηχείου ] Λόγω του μεγέθους τους κανονικά μικρόφωνα δεν μπορούν να χρησιμοποιηθούν για τις μετρήσεις των εμπλεκόμενων πιέσεων, πλην της πίεσης P 1. Για το λόγο αυτό χρησιμοποιούνται μικροσκοπικά μικρόφωνα ή καθοδικά μικρόφωνα που τοποθετούνται στο ακουστικό κανάλι του ακροατή. Συνήθως τα miniature microphones εμφανίζουν μικρή ευαισθησία, ενώ τα καθοδικά δεν εμφανίζουν επίπεδη συχνοτική απόκριση λόγω των στάσιμων κυμάτων στο καθοδικό σωλήνα. Είναι προφανές ότι η μέτρηση αυτή καταγραφεί και τα ανατομικά χαρακτηριστικά του ακροατή όπως μορφολογία εξωτερικού αυτιού (pinna), μέγεθος κεφαλιού, στήθος, ώμοι κ.α. Τα διαφορετικά ανατομικά χαρακτηριστικά των υποκειμένων, έχουν ως αποτέλεσμα τη διαφοροποίηση του μετασχηματισμό του ήχου που φτάνει στα αυτιά. Επομένως, είναι αναμενόμενος ο διαχωρισμός των HRTF σε εξατομικευμένων (individualized ) και μη - εξατομικευμένων (non-individualized) συναρτήσεων μεταφοράς. Η αναπαραγωγή binaural σήματος που έχει επεξεργαστεί με τις μετρημένες HRTFs (εξατομικευμένες), του ίδιου του ακροατή, είναι πιθανό να δημιουργήσει στον ακροατή αυτόν μια ακριβέστερη, όσο αναφορά το localization, ηχητική ψευδαίσθηση (auditory illusion) όπως και αυτό φαίνεται στην Εικόνα Ωστόσο, η απόκτηση εξατομικευμένων HRTFs είναι μια δύσκολη και χρονοβόρα διαδικασία για το λόγο αυτό συνήθως χρησιμοποιούνται HRTFs οι οποίες έχουν μετρηθεί από μια ποικιλία ανθρώπων ή ομοιωμάτων του κεφαλιού (Εικόνα 2-18) Εικόνα 2-18 Υπολογισμός HRTF στο KEMAR

38 Θεωρητικό υπόβαθρο 38 Το ηχητικό τοπίο που προκύπτει με τη χρήση non individualized συναρτήσεων δεν είναι τέλειο. Παρόλα αυτά ο ακροατής μπορεί να αναγνωρίσει τα localaziation cues [32]. Η ακρίβεια στον εντοπισμό μια εικονικής πηγής δεν είναι σταθερή και αλλάζει με τη χρήση διαφορετικών Φίλτρων HRTF σε ένα ακροατή. Μετρημένες HRTFs βρίσκονται οργανωμένες σε ελεύθερες βιβλιοθήκες, όπως η CIPIC HRTF database [33], [34] και IRCAM HRIR database [35] του Institut de Recherche et Coordination Acoustique/ Musique [36]. Εικόνα 2-19 Scatter plots Presented Angle vs Perceived Angle. Αριστερό διάγραμμα, ηχητικά σήματα επεξεργασμένα με μη προσωποποιημένες HRTF. Δεξιό διάγραμμα ηχητικά σήματα επεξεργασμένα με προσωποποιημένες HRTF. Με r συμβολίζεται ο συντελεστής αυτοσυσχέτισης των Presented και Perceived angle. Πηγή διαγραμμάτων [37] Binaural σήμα - Μαθηματική διατύπωση. Συνδυάζοντας τα φαινόμενα διάδοσης του ήχου (βλ. ενότητα) και την έκφραση των HRTF στο πεδίο της συχνότητας, Οι HRTF περιγράφονται από τη γενική εξίσωση Η(ω) = Η(ω) e jb(ω) Για ένα ηχητικό σήμα S(ω), το τελικό binaural σήμα που φτάνει στα αυτιά ενός ακροατή, περιγράφεται στο πεδίο της συχνότητας από τις V direct left (ω) = Η left (ω) S(ω) e j(φ(ω)+b left (ω)) V direct right (ω) = Η right (ω) S(ω) e j(φ(ω)+b right (ω)) Όπου b left (ω) η καθυστέρηση φάσης που φτάνει στο αριστερό αυτί και b right (ω) η καθυστέρηση φάσης που φτάνει στο αριστερό αυτί.

39 Θεωρητικό υπόβαθρο 39 Ανάλογα μια ανάκλαση του ίδιου σήματος S(ω), που φτάνει στα αυτιά του ακροατή, περιγράφεται από τις εξισώσεις: V reflected left (ω) = Q(ω) H new left (ω) S(ω) e j(φ(ω)+b left (ω)+τ(ω)) V reflected right (ω) = Q(ω) H new left (ω) S(ω) e j(φ(ω)+b rigth (ω)+τ(ω)) Παρατηρούμε ότι στις εξισώσεις χρησιμοποιείται νέα HRTF. Η HRTF αυτή αντιστοιχεί στη θέση του σημείου ανάκλασης το οποίο και θεωρούμε ως εικονική πηγή (imaginary source). Επίσης στις εξισώσεις έχει εισαχθεί και ο όρος της καθυστέρησης τ(ω). Η καθυστέρηση αυτή μπορεί να οδηγήσει σε phase shift Γραφική παρουσίαση των Head Related Impulse Response στο οριζόντιο επίπεδο για μηδενική κλίση. Στην παράγραφο παρουσιάζουμε την Head Related Impulse Response και τη Head Related Transfer Function για το οριζόντιο επίπεδο με κλίση 0 και τις αντίστοιχες HRIR και HRTF για το κάθετο επίπεδο (median plane ) για αζιμούθιο 0. Τα ακατέργαστα δεδομένα που περιγράφουν τις κρουστικές αποκρίσεις προέρχονται από την βάση δεδομένων του CIPIC [17],[18] και συγκεκριμένα αφορούν το subject 165 ( KEMAR with Large Pinna). Σε όλα τα διαγράμματα έχει χρησιμοποιηθεί κυβική παρεμβολή για να είναι πιο ομαλές οι μεταβολές. Στης ΗRTF χρησιμοποιείται DFFT 512 σημείων. Οι κρουστικές αποκρίσεις για τα διάφορα αζιμούθια έχουν ταξινομηθεί με τέτοιο τρόπο έτσι ώστε η απεικόνιση τους να ταυτίζεται με τον ανοιγμένο κύκλο της Εικόνα Εικόνα 2-20 Ανοιγμένος κύκλος απεικόνισης των γωνιών αζιμούθιου

40 Θεωρητικό υπόβαθρο 40 Η μέτρηση εξατομικευμένων HRIR, όπως αναφέρθηκε, είναι μια δύσκολη και χρονοβόρα διαδικασία. Η προσπάθεια μοντελοποίηση αυτών, ήταν το λογικό επόμενο. Στη βιβλιογραφία παρουσιάζονται πολλές διαφορετικές προσεγγίσεις [38], [39], [40] που στόχο έχουν την συσχέτιση των ανατομικών χαρακτηριστικών και κυρίως τη μορφολογία του εξωτερικού αυτιού στη HRTF (για λόγους που θα γίνουν κατανοητοί στην επόμενη παράγραφο. Η μοντελοποίηση των HRTF είναι εξίσου περίπλοκη διαδικασία από την οποία δεν έχουν δημιουργηθεί μοντέλα ισάξια των εξατομικευμένων HRTF. Στις δύο εικόνες που ακολουθούν εμφανίζονται οι Head Related Impulse response του KEMAR, συναρτήσει του χρόνου και του αζιμούθιο, για το δεξί και το αριστερό αυτί. Οι αποκρίσεις είναι αποτέλεσμα μια κρουστικής διέγερσης στο οριζόντιο επίπεδο ανά 15. Η ένταση της απόκρισης είναι ανάλογη του μεγέθους των «κυμάτων» στο διάγραμμα. Μεγαλύτερα κύματα σημαίνει και μεγαλύτερη ένταση της απόκρισης. Αντίστοιχα ο χρωματικός κώδικας, σημειώνει με σκούρο μπλε τις περιοχές με ελάχιστη τιμή ενώ με Κόκκινο η μέγιστη. Στην Εικόνα 2-21 παρατηρούμε την απόκρισης του δεξιού αυτιού. Όπως ήταν αναμενόμενο, στις 90 αζιμούθιο (δεξί αυτί), εμφανίζεται το μέγιστο πλάτος της απόκρισης με σχεδόν μηδενική καθυστέρηση. Καθώς κινούμαστε προς τα αριστερά προς το median plane (αζιμούθιο 0 ) παρατηρούμε την εξασθένηση αλλά και την χρονική καθυστέρηση που εμφανίζει απόκριση. Η ελάχιστη τιμή της απόκρισης και μέγιστη καθυστέρηση αυτής εμφανίζεται όταν η διέγερση πραγματοποιείται στις 280, δηλαδή στο αντιδιαμετρικο αριστερό αυτί. Πρακτικά το διάγραμμα αυτό δείχνει ότι το ηχητικό κύμα φτάνει πιο ισχυρό όταν η ηχητική πηγή βρίσκεται ομόπλευρα με το αυτί (ipsilateral) και καθώς η πηγή απομακρύνεται τα ηχητικά κύματα εξασθενούν και φτάνουν στο αυτί με μια καθυστέρηση. Η μεγίστη καθυστέρηση παρατηρείται όταν η πηγή βρίσκεται στο ετερόπλευρο αυτί (contralateral) και υπολογίζεται περίπου στα 0,7ms. Στην Εικόνα 2-22 παρουσιάζεται η HRIR του αριστερού αυτιού. Όπως ήταν αναμενόμενο τα ηχητικά κύματα φτάνουν πρώτα και είναι ισχυρότερα στο αριστερό αυτί, ενώ φτάνουν εξασθενημένα και καθυστερημένα στο δεξί αυτί.

41 Θεωρητικό υπόβαθρο 41 Εικόνα 2-21 ΗRIR συναρτήσει του αζιμούθιο για κλίση 0. KEMAR Δεξί αυτί. Εικόνα 2-22 ΗRIR συναρτήσει του αζιμούθιο KEMAR αριστερό αυτί. Οριζόντιο επίπεδο, κλίση 0

42 Θεωρητικό υπόβαθρο 42 Μια εναλλακτική απεικόνιση της κρουστικής απόκρισης (του δεξιού αυτού) φαίνεται στην Εικόνα Η εικόνα αυτή είναι αποτέλεσμα πολικού πανοράματος από επεξεργασία της Εικόνα Ο άξονας των διευθύνσεων παριστάνεται με κύκλο όμοιο με αυτόν της Εικόνα Στην απεικόνιση αυτή γίνεται πιο εύκολα κατανοητή η σταδιακή εξασθένηση του κύματος καθώς η πηγή απομακρύνεται από το δεξί αυτί. Ακόμα γίνεται εμφανής ότι η απόκριση στις 0 δεν παρουσιάζει μεγάλες διαφορές (ως προς την καθυστέρηση και την ένταση) από την απόκριση στις 180. Εικόνα 2-23 HRIR KEMAR δεξί αυτιού σε απεικόνιση πολικού πανοράματος. Η μεταβλητή του χρόνου μεταβάλλεται ακτινικά. Η χρονική στιγμή 0s ορίζεται στα περιθώρια του διαγράμματος. Εικόνα 2-24 HRIR KEMAR δεξί αυτί απεικόνιση με χρήση ισοσταθμιών καμπυλών. Στο σημείο Α οι ανακλάσεις στο πτερύγιο. Σημείο Β ανάκλαση λόγω ώμων. Τέλος απεικονίζοντας την απόκριση στη μορφή ισοσταθμιών καμπύλων (Εικόνα 2-24) και λαμβάνοντας υπόψιν τα φυσικά φαινόμενα που λαμβάνουν χώρα στη διάδοση ηχητικών κυμάτων μπορούμε να αναγνωρίσουμε αυτές τις απότομες μεταβολές στην απόκριση (σημείο Α) οι οποίες οφείλονται στις ανακλάσεις στο πτερύγιο ενώ η δεύτερη κορυφή στο της απόκρισης σημείο Β οφείλεται σε καθυστερημένο μέτωπο κύματος λόγω ανάκλαση στον ώμο.

43 Θεωρητικό υπόβαθρο Γραφική παρουσίαση των HRTF στο οριζόντιο επίπεδο. Μετασχηματίζοντας την Head related impulse response στο πεδίο της συχνότητας προκύπτει η Head Related Transfer function η οποία και παρουσιάζεται στην Εικόνα Στο διάγραμμα αυτό φαίνεται η συχνότατη απόκριση του αριστερού αυτιού του KEMAR, καθώς η ηχητική πηγή μετακινείται στο οριζόντιο επίπεδο με μηδενική κλίση. Παρόλο που η επιφάνεια φαίνεται αρκετά ανώμαλη αν επικεντρωθούμε σε μία μόνο συχνότητα μπορούμε να διακρίνουμε μια ημιτονοειδή μεταβολή ως προς το αζιμούθιο. Όπως είναι αναμενόμενο η απόκριση είναι μέγιστη κοντά στις 270 (ομόπλευρα) και ελάχιστη στις 90 όπου η πηγή βρίσκεται στο αντίθετο αυτί. Όπως και στα διαγράμματα των HRIR έτσι και εδώ η συχνοτική απόκριση για αζιμούθιο 0 εμφανίζει ομοιότητες με την απόκριση στις 180. Εικόνα 2-25 Head Related Transfer Function KEMAR Αριστερό αυτί.

44 Θεωρητικό υπόβαθρο Γραφική παρουσίαση των HRTF στο κατακόρυφο επίπεδο για αζιμούθιο 0 Ανάλογα με τα την HRTF και την HRIR συνάρτηση του αζιμούθιου, παρουσιάζονται και οι HRIRs (Εικόνα 2-26) και HRTFs στην Εικόνα 2-27 για το Median Plane συναρτήσει της κλίσης της πηγής. Εικόνα 2-26 HRIR συναρτήσει του elevation στο median plane. [KEMAR αριστερό αυτί] Στην Εικόνα 2-26 παρουσιάζεται η απόκριση του αριστερού αυτιού του KEMAR. Αντίθετα με την απόκριση στο Horizontal plane, εδώ φαίνεται ότι ο χρόνος άφιξης του ηχητικού κύματος είναι σχεδόν ίδιος και ανεξάρτητος της κλίσης. Ακόμα, παρατηρούμε μια αμυδρή έλλειψη συμμετρίας του πίσω και του μπροστινού ημισφαιρίου ως προς τις 90. Οι κύριες λοιπόν διαφορές στην απόκριση, για μια πηγή που αλλάζει κλίση, είναι οι σχετικές καθυστερήσεις των ανακλώμενων κυμάτων στις πτυχές του πτερυγίου και στις σχετικές εντάσεις αυτών των ανακλάσεων. Η διαπίστωση αυτή γίνεται πιο εύκολα κατανοητή μελετώντας την HRTF συναρτήσει της κλίσης στο median plane όπως εμφανίζεται στην Εικόνα 2-27.

45 Θεωρητικό υπόβαθρο 45 Εικόνα 2-27 HRTF στο median plane KEMAR LEFT Ear Surf Plot Εικόνα Κάτοψη της επιφάνειας της HRTF. Οι μπλε περιοχές εμφανίζονται λόγω της καταστροφικής συμβολής του απευθείας ηχητικού κύματος και των ανακλώμενων, στις πτυχώσεις του πτερυγίου. (pinna notch)

46 Θεωρητικό υπόβαθρο 46 Παρατηρώντας τις δύο αυτές εικόνες και κυρίως την Εικόνα 2-28, περίπου στα 4kHz εμφανίζονται οι μέγιστες τιμές της απόκρισης (σημειώνονται με κόκκινο χρώμα) που οφείλονται στον συντονισμό στο καναλί του αυτιού. Όπως φαίνεται, συντονισμός δεν επηρεάζεται από την κλίση της ηχητικής πηγή. Αντίθετα το βύθισμα (απόσβεση) που σημειώνεται με μπλε και γαλάζιο χρώμα (Βέλος Α), οφείλεται στις ανακλάσεις του πτερύγιου του αυτιού και όπως φαίνεται επηρεάζεται σημαντικά από την κλίση της πηγής. Είναι φανερό ότι στις -45 η απόσβεση αυτή εμφανίζεται στα 6kHz και καθώς η κλίση αυξάνεται, το βύθισμα μετακινείται και εδώ εμφανίζεται στα 12kHz για κλίση 70 μοίρες. Αίσθηση κάνει το γεγονός ότι όταν η πηγή βρίσκεται πάνω από το κεφάλι με δυσκολία αναγνωρίζεται κάποια απόσβεση. Η απόκριση στη κλίση αυτή μπορεί να θεωρηθεί σχετικά επίπεδη για μεγάλες συχνότητες (περιοχή Γ). Παρατηρούμε ότι τα βυθίσματα αυτά εμφανίζονται και πάλι, όταν η πηγή μετακινείται πίσω από το κεφάλι. Είναι σημαντικό να σημειωθεί, ότι αυτή η λεπτομερής συμπεριφορά της απόκρισης είναι άρρηκτα συνδεδεμένη με τη μορφολογία του πτερυγίου του αυτιού και ποικίλει σημαντικά από άνθρωπο σε άνθρωπο. Σε γενικές γραμμές ένα μεγαλύτερο εξωτερικό αυτί, μετακινεί αυτά βυθίσματα σε χαμηλότερες συχνότητες. Διαφορετικού σχήματος ή μορφολογίας πτερύγιο εμφανίζει επιπλέον αλλαγές στην απόκριση. 2.8 Δημόσιες Βάσεις HRTF Center for Image Processing and Integrated Computing Η βάση του Center for Image Processing and Integrated Computing αποτελείται από 1250 σημεία για κάθε αυτί και κάθε subject. Τα σημεία αυτά ανήκουν σε μια νοητή σφαίρα ακτίνας 1,5 μέτρα και περιγράφονται από το αζιμούθιο ως θ (25 σημεία) και την κλίση με φ (50 σημεία). Πιο συγκεκριμένα, για την μέτρηση της κλίσης έχουν επιλέξει ίσα διαστήματα ανά =5.625 ξεκινώντας από τις -45 και μέχρι 230. Για να επιτευχθεί ομοιόμορφη πυκνότητα στα σημεία της σφαίρα το αζιμούθιο μετριέται για τις γωνίες -80, -65, -55, 55, 65, 80 ενώ για το ενδιάμεσο διάστημα -45 έως 46 σε διαστήματα των 5. Το σύστημα συντεταγμένων είναι δεξιόστροφο δηλαδή για γωνίες θ (αζιμούθιο) αρνητικές,περιγράφονται τα σημείο στα αριστερά ημισφαίριο. Το σύνολο των σημείων φαίνεται στην Εικόνα 2-29.

47 Θεωρητικό υπόβαθρο 47 Εικόνα 2-29 Κατανομή των σημείων του virtual auditory space του CIPIC Η βάση του Center for Image Processing and Integrated Computing είναι υποθηκευμένη στη μορφή 3D πίνακα διαστάσεων 25 Χ 50 Χ 200. όπου 200 το μήκος των samples κάθε κρουστικής απόκρισης, 25 τα σημεία στο horizontal plane και 50 τα σημεία κλίσης. Στο παράρτημα Α, παρουσιάζονται οι αύξοντες αριθμοί του 3D πίνακα καθώς και η λογική επιλογής της κατάλληλης γραμμής του πίνακα για το επιθυμητό σημείο. Οι μετρήσεις πραγματοποιήθηκαν με τη χρήση καθοδικού μικροφώνου στο κανάλι του κάθε ακροατή και συχνότητα δειγματοληψίας που χρησιμοποιήθηκε ήταν τα 4.1 khz με ανάλυση ψηφιοποίησης 16- bit (συνεπώς το μήκος κάθε απόκρισης υπολογίζεται στα 4,5ms). Στις μετρήσεις έχει εφαρμοστεί φίλτρο Hanning έτσι ώστε να αφαιρεθούν, από τα ακατέργαστα δεδομένα, οι τυχόν ανακλάσεις του δωματίου που πραγματοποιήθηκαν οι μετρήσεις. Επιπλέον έχει πραγματοποιηθεί αντιστάθμιση ανοικτού πεδίου (free field compensation) για να αφαιρεθεί από την τελική κρουστική απόκριση η επίδραση της μη επίπεδης απόκρισης του μικροφώνου [41]. Institut de Recherche et Coordination Acoustique/Musique Η βάση του Institut de Recherche et Coordination Acoustique/Musique σε συνεργασία με την AKG το 2002 δημοσίευεσαν ένα σύνολο HRIR 51 ατόμων. Κάθε σύνολο HRTF αποτελείται απο 187 μετρήσεις για κάθε αυτί. Ο δειγματικό χώρο των σημείων είναι σημαντικά πιο περιορισμένος από αυτόν του CIPIC και φαίνεται στην Εικόνα Οι μετρήσεις πραγματοποιήθηκαν σε ανηχοικό θάλαμο, διαστάσεων 8,1μ 6,2μ. Οι επιφάνειες του δωματίου ήταν καλυμμένες με σφήνες υαλοβάμβακα 1,1 μέτρα και τα ηχητικά κύματα για συχνότητες πάνω των 75 Hz μπορούσαν να απορροφηθούν.

48 Θεωρητικό υπόβαθρο 48 Εικόνα 2-30 Κατανομή των σημείων του virtual auditory space του IRCAM Όμοια με τη βάση του CIPIC και εδώ η ηχητική πίεση στα αυτιά των ακροατών μετρήθηκε στην είσοδο του ακουστικού καναλιού με τη χρήση καθοδικού μικρόφωνού αφού όπως φάνηκε και στην παράγραφο 2.7 εμφανίζει την μεγαλύτερη ευαισθησία ως προς θέση της πηγής [42] [43]. Στις μετρήσεις έχει εφαρμοστεί φίλτρο Hanning έτσι ώστε να αφαιρεθούν, από τα ακατέργαστα δεδομένα, οι τυχόν ανακλάσεις του δωμάτιού που πραγματοποιήθηκαν οι μετρήσεις ενώ επιπλέον έχει πραγματοποιηθεί αντιστάθμιση diffuse field Λοιπές βάσεις Πέραν από τις δύο αυτές βάσεις η οποίες θεωρούνται από τις πιο γνώστες το 2007 ανακοινώθηκε από το Acoustics laboratory of south china university of technology η δημιουργία βάσης δεδομένων HRIR αποκλειστικά με υποκείμενά από την Κίνα. Είναι η πρώτη βάση που μελετά στοχευμένα ανθρωπομετρικά χαρακτηριστικά που πηγάζουν από τις ομοιότητες των ανθρώπων σε εθνικού επίπεδο. Οι συγγραφείς της δημοσίευσης, υποστηρίζουν την ανάγκη στοχευμένων βάσεων, λόγω των σημαντικών διαφορών στο μέσο ITD των μετρήσεων τους και αυτών του CIPIC [44]

49 Θεωρητικό υπόβαθρο 49 Μια ακόμα βάση παρουσιάστηκε το 2010 από το Floridna international university DSP lab και αφορά 15 σύνολα HRTF για 6 διαφορετικές γωνίες κλίσης ανά 30 στο οριζόντιο επίπεδο. Τα δεδομένα αυτά είναι τα πρώτα τα οποία υπολογίστηκαν με συχνότητα δειγματοληψίας 96000hz [45]. Τα δεδομένα του Quality and Usability Lab της Deutsche Τelekom laboratories Tu berin [14] αποτελούν την πιο πρόσφατη βάση (2011) HRTF δημόσια διαθέσιμη. Εμπεριέχει σύνολα HRTF για το KEMAR για τέσσερις διαφορετικές αποστάσεις της ηχητικής πηγής (3μ, 2μ, 1, και 0,5μ). Είναι η πρώτη βάση που παρουσιάζει δεδομένα για διαφορετικές αποστάσεις. Όλες οι μετρήσεις πραγματοποιήθηκαν στο οριζόντιο επίπεδο ανά 1 με συχνότητα δειγματοληψίας 44100Hz. [46] 2.9 Monoraul cues Pina cues Πριν προχωρήσουμε στην αναζήτηση των monaural localization υποδείξεων και συγκεκριμένα των υποδείξεων του εξωτερικού αυτιού (pinna), αξίζει να αναδείξουμε την σημασία του πτερυγίου στις HRTF. Αρχικά για να απλοποιήσουμε την ανάλυση της σχέσης μεταξύ HRTF και ανατομικών χαρακτηριστικών και κυρίως της μορφολογίας του πτερυγίου, αναλύσουμε την HRTF σε τμήματα που αντιστοιχούν στα ανατομικά μέρη του σώματος που συμβάλουν στην τελική διαμόρφωση της HRTF. Το μοντέλο που θεωρήθηκε από τον Algazi [38] φαίνεται στο διάγραμμα: Κορμός (Torso) Κεφάλι (Head) Πτερύγιο (Pinna) Εικόνα 2-31 Διαρθρωτική ανάλυση της HRTF Πρακτικά η ανάλυση αυτή, θεωρεί ότι η HRTF μπορεί να προσεγγισθεί ως μια αλληλουχία φίλτρων (Cascade), που αντιστοιχούν στον κορμό, στο κεφάλι και στο πτερύγιο ξεχωριστά. Με την ανάλυση αυτή γίνεται πιο εύκολα αντιληπτή η επιρροή του κάθε τμήματος στην τελική συνάρτηση μεταφοράς, αφού μας δίνεται η δυνατότητας να «αφαιρέσουμε» ένα από τα τμήματα και να μελετήσουμε τον τρόπο που επηρεάζει την HRTF.

50 Θεωρητικό υπόβαθρο 50 Είναι εύκολο να στηρίξουμε την παραπάνω υπόθεση μελετώντας την Εικόνα Στην εικόνα αυτή, παρουσιάζεται η HRTF στο median plane από -45 ως 45 μοίρες κλίσης, του δεξιού αυτιού του subject από τη δημόσια βάση HRTF του CIPIC 7. Τα διαγράμματα είναι στο πεδίο της συχνότητας και η χρωματική διαβάθμιση ορίζει την ένταση της απόκρισης (Magnitude response). Ακολουθώντας τη cascade ανάλυση από αναφέρθηκε προηγούμενος, στην Εικόνα 2-33-α, παρουσιάζεται η συνάρτηση μεταφοράς του πτερυγίου του KEMAR (Pinna related transfer function - PRTF) ενώ στην Εικόνα 2-33-β, παρουσιάζεται η HRTF του ίδιου KEMAR χωρίς το εξωτερικό πτερύγιο (pinaless). Στην Εικόνα 2-33-γ παρατίθεται ο συνδυασμός των (α) και (β) ενώ στην Εικόνα 2-33-δ δίνετε η πραγματική συνολική HRTF του KEMAR. Συγκρίνοντας τις τελευταίες δύο εικόνες επιβεβαιώνεται ότι η κασκοδική ανάλυση βασίζεται σε ασφαλείς υποθέσεις. Ακόμα στην Εικόνα 2-33, παρατηρώντας τις υπο-εικόνες (β) και (δ) γίνεται αμέσως φανερό ότι το εξωτερικό πτερύγιο πράγματι επιδρά σημαντικά στην HRTF. Αυτή η πλούσια και περίπλοκη απόκριση με τις σκοτεινές περιοχές, που εμφανίζεται στην συνολική συνάρτηση μεταφοράς και όχι στην συνάρτηση του KEMAR χωρίς πτερύγιο (Εικόνα β),οφείλεται στο σχήμα και στη μορφολογία του πτερυγίου Εικόνα Εικόνα 2-32 Η Μορφολογία και ονοματολόγια των βασικών τμημάτων του πτερυγίου του αυτού. 6 Το subject αυτό είναι στην πραγματικότητα το ΚΕMAR με μικρό πτερύγιο. 7

51 Θεωρητικό υπόβαθρο 51 Εικόνα 2-33 Median plane Right Ear. α) Συνάρτηση μεταφοράς πτερυγίου του Subject-165 (Kemar with small pinna). β) Η HRTF του ίδιου subject, χωρίς το πτερύγιο. γ) Συνδυασμός των συναρτήσεων μεταφοράς (α) και (β). δ) Η πραγματική HRTF του ίδιου subject όπως δίνεται στη βιβλιοθήκη.

52 Θεωρητικό υπόβαθρο 52 Στην Εικόνα 2-34 εμφανίζεται η κρουστική απόκριση και η συνάρτηση μεταφοράς ενός δεύτερου ανδρείκελου σε διευρυμένο εύρος στο Median plane από 0 έως 180 για τις δύο περιπτώσεις με ή χωρίς πτερύγιο. Εικόνα 2-34 HRTF και HRIR στο Median plane από 0 έως 180. Αριστερή στήλη KEMAR με πτερύγιο. Δεξιά στήλη KEMAR χωρίς πτερύγιο.

53 Θεωρητικό υπόβαθρο Pinna notch Μελέτες έχουν δείξει ότι αυτά τα φασματικά χαρακτηριστικά, παίζουν σημαντικό ρόλο στις ψυχοακουστικές (psycho-acoustic) και νευροφυσιολογίκες (neurophysiology) πτυχές της ανθρώπινης ακοής [29] [30] [31]. Συγκεκριμένα, οι σκοτεινές αυτές περιοχές, οφείλονται στις ανακλάσεις που δημιουργούνται στο πτερύγιο, το οποίο λειτουργεί ως «δέκτης». Λόγω της μορφολογίας του pinna, παρουσιάζονται φαινόμενα συντονισμού στις κοιλότητες με αποτέλεσμα κάποιο συχνότητες να ενισχύονται. Επιπλέον λόγω της γεωμετρίας του, οι ανακλάσεις που εμφανίζονται κατά τη συμβολή με το απευθείας ηχητικό κύμα εξουδετερώνουν άλλες συχνότητες. Χαρακτηρίστηκα στην Εικόνα 2-35, παραθέτουμε την συχνοτική απόκριση του αριστερού εξωτερικού αυτιού, στο median plane για δύο διαφορετικές γωνίες κλίσης. Αριστερά φαίνεται το φάσμα για κλίση 90 (πάνω από το κεφάλι) ενώ δεξιά για κλίση 0 (μπροστά από το κεφάλι). Σε κάθε μια από τις δύο περιπτώσεις μελετούμε δύο διαφορετικές διαδρομές του ηχητικού κύματος, την απευθείας και μία ελαφρώς μεγαλύτερης, λόγω ανάκλασης. Όπως είναι αναμενόμενο, στις υψηλές συχνότητες το απευθείας και το ανακλώμενο σήμα θα βρίσκονται εκτός φάσης ενώ η συμβολή αυτών θα δημιουργήσει ένα πιο ασθενικό κύμα. Η μεγαλύτερη παρεμβολή, συμβολή κυμάτων με διαφορά φάσης pi, εμφανίζεται όταν η διαφορά των δύο διαδρόμων d είναι ίση με το μισό του μήκους κύματος του σήματος. Δηλαδή η μέγιστη παρεμβολή εμφανίζεται για στις συχνότητες f = c 2 d c = 343 m s Ταχύτητα του ήχου στον Αέρα στους 20 C d η διαφορά των δύο διαδρομών Αυτό είναι και ο λόγος που στο παράδειγμά μας (Εικόνα 2-35 Συχνοτική απόκρισης του πτερυγίου του αριστερού αυτιού του Subject-126 από τη βάση CIPIC, για δύο διαφορετικές γωνίες κλίσης στο median plane. Αριστερά κλίση 90, δεξιά 0. δεξιά) εμφανίζεται το βύθισμα στα 10kHz. Το βύθισμα στη βιβλιογραφία αναφέρεται ως Pinna notch. Γενικά για τις τυπικές αποστάσεις d στο διάστημα 1 με 2.5 cm, αυτό το βύθισμα εμφανίζεται στο διάστημα 6 με 16 Khz.

54 Θεωρητικό υπόβαθρο 54 Εικόνα 2-35 Συχνοτική απόκρισης του πτερυγίου του αριστερού αυτιού του Subject-126 από τη βάση CIPIC, για δύο διαφορετικές γωνίες κλίσης στο median plane. Αριστερά κλίση 90, δεξιά 0. Δεδομένης της μορφολογίας του πτερυγίου είναι κατανοητό ότι το εξωτερικό αυτί, δρα ως ανακλαστήρας, πολύ πιο αποτελεσματικά για πηγές που βρίσκονται μπροστά μας, παρά για πηγές που βρίσκονται σε μεγάλη κλίση. Συνεπώς αναμένουμε και φασματικά τα βυθίσματα αυτά να είναι πιο εμφανή για πηγές μπροστά από το κεφάλι. Όπως είναι φανερό η φασματική απόκριση της συμβολής του πτερυγίου εξαρτάται άμεσα από τη γωνία άφιξης των ηχητικών κυμάτων. Οι ιδιομορφίες αυτές που αποτυπώνονται στο φάσμα, είναι σημαντικές υποδείξεις εντοπισμού [32] και κυρίως βοηθούν την αναγνώριση της κλίσης (elevation) [33]. Μπορούμε να πούμε ότι ενώ η αναγνώριση του αζιμούθιο ενός ήχου βασίζεται στις binaural υποδείξεις, ενώ η αναγνώριση της κλίσης του ήχου βασίζεται στις monaural. Το συμπέρασμα αυτό, προκύπτει

55 Θεωρητικό υπόβαθρο 55 από την σημαντική διαφοροποίηση στις pinna related transfer function (PRTF), όπως και υποδεικνύεται στην Εικόνα 2-36, για διαφορετικά elevations. Μια σημαντική ακόμα λειτουργία του pinna, είναι βοήθεια στην αντιμετώπιση του front/back confusion. Όπως είναι αναμενόμενο, το εξωτερικό αυτί, προκαλεί εξασθένηση στα ηχητικά κύματα που πλησιάζουν από το πίσω μέρος του κεφαλιού, αφού πρακτικά το πτερύγιο είναι εμπόδιο στην πορεία διάδοσης. Η εξασθένηση είναι διαφορετική από συχνότητα σε συχνότητα και εξαρτάται από το μήκος κύματος του προσπίπτοντος κύματος. Χαρακτηριστικά στην Εικόνα 2-37, παρουσιάζετε η φασματική ανάλυση των PRTF για το σημείο ακριβώς μπροστά από το subject (0,0 ) και στο αντι-διαμετρικό του σημείο, για μηδενική κλίση (180,0 ). Όπως αναμενόταν η εξασθένιση είναι έντονη μετά τα 3kHz. Τέλος, αξίζει να τονισθεί ότι οι PRTF διαφέρουν σημαντικά από άνθρωπο σε άνθρωπο και εξαρτώνται από τα βιομετρικά χαρακτηριστικά του πτερυγίου του αυτιού. Αυτό φαίνεται έντονά στην Εικόνα 2-38 όπου εμφανίζονται οι αποκρίσεις, πέντε υποκειμένων από τη βάση CIPIC για το ίδιο σημείο (0,0 ). Όπως φαίνεται τα βυθίσματα στην απόκριση εμφανίζονται σε διαφορετικές συχνότητες. Εικόνα 2-36 Απόκριση του αριστερού αυτιού του Subject 010 από τη βάση CIPIC, για διάφορες κλίσης στο median plane.

56 Θεωρητικό υπόβαθρο 56 Εικόνα 2-37 Σύγκριση PRTF για αζιμούθιο 0 και αζιμούθιο 180 (μηδενική κλίση) Εικόνα 2-38 Απόκριση του αριστερού αυτιού για το σημείο (0,0 ) για πέντε διαφορετικά υποκείμενα από τη βάση CIPIC

57 Θεωρητικό υπόβαθρο Φαινόμενα ακοής Από την σκοπιά της ψυχοακουστικής της ανθρώπινης ακοής, παρατηρούνται πολλά ενδιαφέρονται φαινόμενα τα οποία επηρεάζουν τον τρόπο που ένας ήχος γίνεται αντιληπτός The Precedence effect Το φαινόμενο αυτό Precedence παρατηρείται σε περιβάλλοντα όπου μια συναφής (coherent) και καθυστερημένη έκδοση του ηχητικού σήματος είναι παρούσα μαζί με το αρχικό σήμα. Τέτοιες περιπτώσεις είναι, περιβάλλοντα με ηχητικές ανακλάσεις ή αναπαραγωγή μέσω ηχείων. Σύμφωνα με αυτό το φαινόμενο, η ακοή εμφανίζει διαφορετική συμπεριφορά ανάλογα με τη διαφορά του χρόνο άφιξης μεταξύ του σήματος που προηγείται και του σήματος που έπεται [47]. Συγκεκριμένα, όταν το σήμα που έπεται φτάνει στα αυτιά σε λιγότερο από 1 ms εμφανίζεται συγχώνευση μίξη ( fusion) και τα δύο ηχητικά συμβάντα αντιλαμβάνονται σαν ένα [47]. Ακόμα, η διαδικασία του fusion επηρεάζει την αντίληψη της θέσης της ηχητικής πηγής. Η θέση που αντιλαμβάνεται ένας ακροατής εντοπίζεται κάπου μεταξύ της κατεύθυνσης του σήματος προηγείται και του σήματος έπεται (localization summing). Με άλλα λίγα, το σήμα που έπεται επηρεάζει την αντιληπτή θέση της ηχητικής πηγής. Για καθυστερήσεις μεταξύ 1 και 5 ms, τα δύο ηχητικά γεγονότα αντιλαμβάνονται και πάλι ως ένα, αλλά αυτή τη φορά το σήμα που έπεται καταστέλλεται και το σήμα που προηγείται κυριαρχεί στον εντοπισμό. Αυτό το φαινόμενο είναι επίσης γνωστό και ως νόμος του πρώτου μετώπου του κύματος (law of the first wave front) [3] Γενικά για καθυστερήσεις μεγαλύτερες των 5 ms εμφανίζεται κατάρρευση του φαινομένου fusion (break down of fusion) και οι δύο ήχοι αντιλαμβάνονται και εντοπίζονται ξεχωριστά. Βέβαια η χρονική καθυστέρηση κατάρρευσης του fusion μπορεί να ποικίλει μεταξύ των 2 και 50 ms ανάλογα με το είδος των ήχων (π.χ. κλικς, ομιλία, μουσική κλπ.) και ονομάζεται echo threshold [3] [47] Cocktail Party Effect Το φαινόμενο αυτό αναφέρεται στην ικανότητα του ακροατή να ξεχωρίζει διαφορετικά σήματα που προέρχονται από διαφορετικές θέσεις στο χώρο, όταν αυτά φτάνουν στα αυτιά του ταυτόχρονα [8]. Ο μηχανισμός εντοπισμού της ανθρώπινης ακοής δίνει τη δυνατότητα σε ένα ακροατή να «συγκεντρώνει»

58 Θεωρητικό υπόβαθρο 58 την ακοή του σε κάθε ξεχωριστό σήμα που ακούει. Η ικανότητα αυτή χάνεται όταν το ηχητικό περιβάλλον παρατηρείται από μόνον ένα αυτί [3] Binaural fusion Ανεξάρτητα αν τα σήματα που φτάνουν σε κάθε αυτί, διαφέρουν σε χρόνο, σε ένταση ή φάσμα, ο μηχανισμός της ανθρώπινης ακοής επιτρέπει την αντίληψη μιας ενιαίας «εικόνας» του ηχητικού γεγονότος [8]. Αυτό το φαινόμενο ονομάζεται binaural fusion και επιτυγχάνεται χάρη σε κάποιους είδους ετεροσυσχέτιση (cross correlation) που εφαρμόζει το κεντρικό νευρικό σύστημα μεταξύ των δύο σημάτων. Οι χαμηλές συχνότητές του ήχου θεωρούνται ότι παίζουν κύριο ρόλο στη λειτουργία αυτή [8] Elevation gain Το φαινόμενο αυτό, όπως περιγράφεται και από το όνομα του, σχετίζεται με την υποκειμενική αντίληψη της αύξησης, της κλίσης μιας πηγής, ανάλογα με την ένταση ή διάρκεια του σήματος διέγερσης [48]. Με άλλα λόγια η θέση της πηγής στο κατακόρυφο επίπεδο αντιλαμβάνεται διαφορετικά για διαφορετικά σήματα. Έρευνές έχουν δείξει ότι διεγέρσεις μεγαλύτερης διάρκειας αντιλαμβάνονται και τοποθετούνται στο virtual auditory space σε μεγαλύτερες γωνίες κλίσης. Το ίδιο συμβαίνει και καθώς αυξάνεται η ένταση ενός ηχητικού κύματος. Βέβαια, κατά την αύξηση της έντασης εμφανίζεται και ένα σημείο threshold όπου για εντάσεις πέρα από αυτή τη τιμή, το ηχητικό συμβάν αντιλαμβάνεται και τοποθετείται σε μικρότερες γωνίες κλίσης στο virtual auditory space Εικόνα Αντίθετα για τη ψυχοακουστική αντίληψη της θέσης μιας πηγή στο κατακόρυφο επίπεδο, δεν έχει δειχθεί αντίστοιχος συσχετισμός [41]. Εικόνα 2-39 Υποκειμενική αντίληψη της κλίσης μιας πηγής για αύξηση διάρκειας ή έντασης του σήματος διέγερσης.

59 Εργαστηριακή μελέτη 59 3 Εργαστηριακή μελέτη Σε αυτό το κεφάλαιο παρουσιάζονται, οι εργαστηριακές μετρήσεις και οι παρατηρήσεις που οδήγησαν στο σχεδιασμό των υποκειμενικών ακουστικών πειραμάτων. Ακόμα παρουσιάζονται συνοπτικά τα όργανα μέτρησης και ο εξοπλισμός καθώς και η βαθμονόμηση αυτού. Όπως αναφέρθηκε και στην εισαγωγή της παρούσας εργασίας, μελετήθηκε η επιρροή του τελικού ηχητικού σήματος που φτάνει στα αυτιά ενός ακροατή κατά την αναπαραγωγή των binaraul σημάτων με τη χρήση πολυφωνικών ακουστικών επεμβαίνοντας στο τελικό ηχητικό αποτέλεσμα είτε εισάγοντας καθυστερήσεις μεταξύ των ηχείων σε κάθε ακουστικό είτε αλλάζοντας τη θέση των ηχείων στο χώρο. Στη προσπάθεια να μελετηθούν οι παραπάνω μεταβολές στο ηχητικό σήμα που λαμβάνει ένας ακροατής χρειάστηκε ένας τρόπος οδήγησης των ηχείων αλλά και ένας τρόπος καταγραφής του τελικού ηχητικού σήματος. 3.1 Εργαλεία software και hardware Software Στην εργασία αυτή όλα τα σήματα, οι μετρήσεις, οι ηχογραφήσεις και οι γραφικές διεπαφές υπολογιστήκαν ή σχεδιάστηκαν, με τη χρήση του περιβάλλοντος αριθμητικής υπολογιστικής MATLAB [49].

60 Εργαστηριακή μελέτη 60 Για την οδήγηση της επαγγελματικής κάρτας ήχου M-audio Fast Pro ULTRA [50] χρησιμοποιήθηκε το ελεύθερο GNU Toolbox, Psychophysics [51] Ver3 8 και συγκεκριμένα ο υψηλής ακρίβειας οδηγός ήχου PshychPortAudio που υποστηρίζει το πρωτόκολλο επικοινωνίας ASIO 9 και επιτρέπει την ασύγχρονη λειτουργία των διεργασιών ήχου και του περιβάλλοντος MATLAB. Hardware Ακουστικά - Headphones Η αναπαραγωγή των binaural σημάτων πραγματοποιήθηκε μέσω δύο διαφορετικών ακουστικών. Το πρώτο ζευγάρι ακουστικών, ανήκει στη σειριά HD pro της εταιρίας Sennheiser και συγκεκριμένα είναι το μοντέλο HD-280-pro [52] (Εικόνα 3-2), το οποίο και ανήκει στην κατηγορία ακουστικών monitor λόγο της σχετικά επίπεδης απόκρισης του. Το δεύτερο ζευγάρι ακουστικών αποτελεί ειδική παραγγελία, η εκτέλεση της οποίας πραγματοποιήθηκε από τη Sennheiser. Το ζευγάρι αυτό για κάθε ένα από τα δύο ακουστικά (αριστερό και δεξί) εμπεριέχει δύο ηχεία (της εταιρείας Sennheiser) τοποθετημένα στον κατακόρυφό άξονά και εμφανίζοντας μια κλίσης περίπου 30 προς τη μεριά του αυτιού (Εικόνα 3-1 και Εικόνα 3-3). Εικόνα 3-1 KEMAR με τα τετραφωνικά ακουστικά. Οι γραμμές ορίζουν του άξονές των ακουστικών 8 To Psychtoolbox αποτελεί μια συλλογή συναρτήσεων στη γλώσσα C για το υπολογιστικό περιβάλλον MATLAB 9 Audio Stream Input/Output (ASIO) πρωτόκολλο επικοινωνίας ψηφιακού ήχου που επιτρέπει διεπαφή χαμηλής καθυστέρησης και υψηλής αξιοπιστίας προγραμμάτων λογισμικού και καρτών ήχου.

61 Εργαστηριακή μελέτη 61 Sound level meter Η στάθμη αναπαραγωγής των ακουστικών μετρήθηκε σε dba, για σήμα ελέγχου λευκού θορύβου με χρήση του Norsonic 110 Sound Level Analyser [53](Εικόνα 3-4). Η κάρτα ήχου, βάση των μετρήσεων βαθμονομήθηκε, έτσι ώστε τα δύο ζευγάρια ακουστικών κατά την αναπαραγωγή του ίδιου σήματος να μην εμφανίζουν διαφορετικές στάθμες. Η μέτρηση πραγματοποιήθηκε με τη τοποθέτηση του μικροφώνου του Level analyzer στο κέντρο των τεσσάρων διακριτών ακουστικών σε στάθμη περιβάλλοντάς 43dbA. H στάθμη αναπαραγωγή ορίστηκε στα 70dbA ±0.5. Εικόνα 3-2 Sennheiser headphones HD- 280-pro Εικόνα 3-3 Τετραφωνικα ακουστικά. Μέτρηση στάθμης με Norsonic level meter. Εικόνα 3-4 Norsonic Type 110 KEMAR Για την μελέτη της επιρροής της θέσης των πηγών στο πολυφωνικό ζευγάρι ακουστικών καθώς και για την επιρροή τεχνητών καθυστερήσεων αναπαραγωγής μεταξύ των ηχείων του ίδιου ακουστικού, χρησιμοποιήθηκε Knowles Electronic Manikin for Research και συγκεκριμένα το type-4100 της Brüel & Kjær [54] (Εικόνα 3-1). Oscilator Για τον έλεγχο των τάσεων εξόδου της εξωτερική κάρτας ήχου αλλά και την επιβεβαίωση της ταυτόχρονης αναπαραγωγής των τεσσάρων εξόδων αυτής χρησιμοποιήθηκε o αναλογικός παλμογράφος Protek oscilloscope model p3502c.

62 Εργαστηριακή μελέτη Βαθμονόμηση Για τον έλεγχος των τάσεων εξόδου χρησιμοποιήθηκε η συνδεσμολογία που φαίνεται στην Εικόνα 3-5. Matlab sin(400hz) USB M-audio 1:4 channels Jack to RSA to BNC Oscilator Εικόνα 3-5 Block διάγραμμα. Έλεγχος τάσεων εξόδου της κάρτας ήχου. Για ένα ημιτονοειδές σήμα αναφοράς με συχνότητα 400Hz, παρατηρήθηκαν και συγκρίθηκαν στον παλμογράφο οι τάσεις εξόδου της κάρτας ήχου σε όλα τα πιθανά ζευγάρια. Χαρακτηριστικά στην Εικόνα 3-6. παραθέτουμε την σύγκριση των εξόδων #1 και #3. Από τις συγκρίσεις επιβεβαιώθηκε, ότι η κάρτα ήχου δεν παρουσιάζει διαφοροποιήσεις σε καμία από τις 4 εξόδου. Εικόνα 3-6 Έλεγχος της τάση εξόδου, των έξοδών της κάρτας ήχους. Σύγκριση output #1 και #2. Σήμα αναφοράς sin(400hz) Με τη ίδια συνδεσμολογία και λογική, πραγματοποιήθηκε και ο έλεγχος, της ταυτόχρονης αναπαραγωγής των τεσσάρων εξόδων. Αυτή τη φορά ως σήμα αναφοράς χρησιμοποιήθηκε τετραγωνικός παλμό. Για ακόμα μια φορά δεν εμφανίστηκε κάποια διαφοροποίηση.

63 Εργαστηριακή μελέτη Επιρροή της θέση των ακουστικών Έχοντας επιβεβαιωθεί η ορθή λειτουργία της κάρτας ήχου, αναζητείται η επιρροή της θέση των ακουστικών τελικό ηχητικό αποτέλεσμα. Στην αναζήτηση αυτή χρησιμοποιείται η συνδεσμολογία που της Εικόνα 3-7. Matlab π(t) M-audio 1:2 channels Stero Headphones Oscilator Pre-AMP KEMAR Εικόνα 3-7 Block δίγραμμα ελέγχου επιρροής της θέσης των ακουστικών στο ηχητικό αποτέλεσμα. Αναλυτικά: Χρησιμοποιώντας ως σήμα αναφοράς τετραγωνικό παλμό, σήμα το οποίο αναπαράγεται ταυτόχρονα από το δεξί και αριστερό ηχείο, παρατηρούμε το τελικό ηχητικό αποτέλεσμα που φτάνει στα αυτιά του KEMAR. Η παρατήρηση γίνεται δυνατή μέσω του παλμογράφου, στον οποίο έχει συνδεθεί η έξοδος των μικροφώνων των τεχνητών αυτιών. Θεωρείται ότι ο προ - ενισχυτής των μικροφώνων δεν εισάγει καθυστέρηση. Αλλάζοντας λοιπόν τη θέση των ακουστικών μερικά εκατοστά πάνω στο τεχνητό κεφάλι (μεριμνώντας σε κάθε μετακίνηση το ακουστικό να εφάπτεται στο κεφάλι), παρατηρείται ότι ηχητικό κύμα που παράγεται από τα μεγάφωνα δεν φτάνει ταυτόχρονα στο ακουστικό κανάλι. Η καθυστέρηση είναι της τάξεως 15-20us και είναι αρκετά μικρή για να θεωρηθεί ότι δημιουργεί ITD.

64 Εργαστηριακή μελέτη 64 Εικόνα 3-8 Πάνω αριστερά: Η μετακίνηση του ακουστικό επιδρά καθυστερώντας το δεξί ηχητικό σήμα. Πάνω δεξιά: Η μετακίνηση του ακουστικό καθυστερεί το αριστερό ηχητικό σήμα. Κάτω αριστερά: Τα ηχητικά κύματα φτάνουν ταυτόχρονα για την ευθυγραμμισμένη θέση των ακουστικών, στην κάτω δεξιά εικόνα. Ανάλογα με τις παραπάνω μετρήσεις, πραγματοποιήθηκαν και μετρήσεις με τα τετραφωνικά ακουστικά. Ο σκοπός των μετρήσεων αυτών ήταν η μελέτη της επίδρασης, στο τελικό ηχητικό αποτέλεσμα που λαμβάνει ένας ακροατής, κατά την αναπαραγωγή ηχητικού σήματος: με το πάνω ηχείο. με το κάτω ηχείο. με το πίσω ηχείο (για περιστροφή των ακουστικών 90 γύρω από τον interaural axis). με το μπροστά ηχείο (για περιστροφή των ακουστικών 90 γύρω από τον interaural axis). με τα δύο ηχείο εισάγοντας καθυστερήσεις μεταξύ αυτών, στην ορθή θέση. με τα δύο ηχείο εισάγοντας καθυστερήσεις μεταξύ αυτών στην οριζόντια θέση.

65 Εργαστηριακή μελέτη 65 Για την μελέτη των παραπάνω περιπτώσεων, χρησιμοποιήθηκε η συνδεσμολογία που φαίνεται στο παρακάτω block διάγραμμα Εικόνα 3-9. Matlab pink noise burst M-audio channels: 2 output 1 input 4ch Headphones Pre-AMP KEMAR Εικόνα 3-9 Block διάγραμμα. Επίδραση στο τελικό ηχητικό αποτέλεσμα για αναπαραγωγή με τα τετραφωνικά ακουστικά με μεμονωμένα ηχεία ή με καθυστερήσεις μεταξύ αυτών. KEMAR PRTF Για τη μελέτη της επίδρασης των διάφορων αναπαραγωγών στο ηχητικό αποτέλεσμα, υπολογίστηκε για κάθε μία από αυτές, η συνάρτηση μεταφοράς του συστήματος. Η τεχνική που εφαρμόστηκε φαίνεται στο διάγραμμα Ρόης της Εικόνα 3-10 όπως παρουσιάζεται στη δημοσίευση Transfer Functions Measurements with Sweeps [55]. Tο σήμα αναφοράς ήταν ροζ θόρυβος. Εικόνα 3-10 Διάγραμμα ροής υπολογισμού συναρτήσεων μεταφοράς. Πρακτικά με την τεχνική αυτή, λαμβάνουμε την συνάρτηση μεταφοράς του τεχνητού αυτιού του KEMAR. Το ερώτημα λοιπόν, μετασχηματίζεται και πλέον μπορεί να ορισθεί ως: πως το πτερύγιο του αυτιού, επηρεάζει το τελικό ηχητικό αποτέλεσμα, για τα διάφορα είδη αναπαραγωγών. Αν και το ερώτημα δεν είναι ακριβώς το ίδιο μπορούμε να βγάλουμε συμπεράσματα για το αν και πως η διαφορετική θέση της πηγής ή η συμβολή των κυμάτων επηρεάζουν το ηχητικό. Παραθέτουμε αρχικά τη συνάρτηση μεταφοράς του Pinna του KEMAR, για την αναπαραγωγή από το πάνω ηχείο (Ροζ χρώμα) και το κάτω ηχείο (μπλέ χρώμα) Εικόνα 3-11.

66 Εργαστηριακή μελέτη 66 Στην Εικόνα 3-12 εμφανίζεται η συνάρτηση μεταφοράς για το πίσω ηχείο με κόκκινο χρώμα ενώ με πράσινο για το ηχείο. Εικόνα 3-11 Pinna Transfer function Πάνω και κάτω ακουστικό Μελετώντας τα διαγράμματα των συναρτήσεων, γίνεται αμέσως φανερό ότι η θέση των ηχείων -ακόμα και σε αυτή τη μικρή απόσταση- επηρεάζει σημαντικά το αποτέλεσμα. Συγκεκριμένα παρατηρούμε ότι η απόκριση για το «κάτω» ηχείο εμφανίζει εξασθένιση στο φασματικό περιεχόμενο 6,6 έως 9khZ που πιθανότατα οφείλετε σε καταστροφικές ανακλάσεις στη μορφολογία του πτερυγίου (ενδεχομένως στα σημεία β και δ,όπως σημειώνονται Εικόνα 3-12, και σε ανακλάσεις πάνω στο «πάνω» ηχείο, το οποίο βρίσκεται ανάμεσα στο δ και το β.

67 Εργαστηριακή μελέτη 67 Μελετώντας τις αποκρίσεις για την αναπαραγωγή από το πίσω και το μπροστά ακουστικό, αίσθηση κάνει το γεγονός ότι η απόκριση για τα ηχητικά κύματα από το μπροστά ηχείο εμφανίζονται εξασθενημένα (για συχνότητες μεγαλύτερες των 4khz) σε σχέση με τα ηχητικά κύματα που προέρχονται από το πίσω ηχείο. Βέβαια αναλογιζόμενοι ότι το ακουστικό στην υλοποίηση δεν βρίσκεται όντως εξωτερικά και πίσω από το πτερύγιο δεν αναμενόταν η απόκριση να εμφανίζει την έντονη εξασθένηση όπως αυτή στην Εικόνα 2-34 για ένα σημείο πίσω από τον ακροατή. Εικόνα 3-12 Οψη πτερύγιου κατά πρόσωπο. Η περαιτέρω ανάλυση τη συμπεριφοράς των Pinna transfer functions που υπολογίστηκαν χρίζει ανάγκη βαθύτερης έρευνας καθώς το πεδίο γύρω από το αυτί περιορίζεται από κέλυφος του ακουστικό δημιουργώντας νέες ανακλάσεις ή συντονισμούς και ιδίως όταν το ακουστικό εμφανίζει αυτή την περίπλοκη μορφή όπως φαίνεται στην Εικόνα 3-13 Εικόνα 3-13 Εσωτερική όψη ακουστικού τεσσάρων καναλιών. 3.4 Επιρροή των χρονικών καθυστερήσεων μεταξύ των ηχείων ενός ακουστικού Χρησιμοποιώντας την ίδια συνδεσμολογίας της Εικόνα 3-9 και της τεχνικής υπολογισμού της συνάρτησης μεταφοράς Εικόνα 3-10, υπολογίζεται η απόκριση του πτερυγίου pinna για καθυστερήσεις 22,45,90,158,204,250,295,500,610,900 μs μεταξύ την έναρξη αναπαραγωγής μεταξύ των ηχείων των ακουστικών. Τα βήματα των καθυστερήσεων οφείλονται στον κβαντισμένο τρόπο δημιουργίας της ψηφιακής καθυστέρησης λόγω τη συχνότητας δειγματοληψίας τη κάρτας ήχου. Το μικρότερο δυνατό βήμα είναι ίσο με 1/44100 sec.

68 Εργαστηριακή μελέτη 68 Όπως φαίνεται στην Εικόνα 3-14 για καθυστέρηση 22us (1 sample) η απόκριση σχεδόν ταυτίζεται με την απόκριση χωρίς καθυστέρηση. Για απόκρισή 45μs η απόκριση εμφανίζει εξασθένηση για συχνότητες από 6 έως 9kHz και για συχνότητες από 13 ως 16kHz αλλά σε γενικές γραμμές ακολουθεί τη μορφή της απόκρισης για την ταυτόχρονη αναπαραγωγή. Η καθυστέρηση των 90us (3 samples) είναι αυτή που εμφανίζει τη πρώτη ουσιαστική διαφοροποίηση της απόκρισης. Για την ορθή θέση των ακουστικών (ηχεία στον κατακόρυφο άξονα) η απόσβεση στα 4 με 8kHz θυμίζει την απόκριση της Εικόνα 2-37 για το σημείο πίσω από τον ακροατή. Για την απόκριση κατά την καθυστέρηση των 158us παρατηρείται βύθισμα στα 3 με 4kHz ενώ το υπόλοιπο φασματικό περιεχόμενο προσεγγίζει την αρχική απόκριση. Παρατηρούμε ότι η απόκριση για τα στραμμένο ζευγάρι ακουστικών εμφανίζει διαφορετικές μεταβολές. Εικόνα 3-14 Απόκριση πτερυγίου για 22,45,90 και 158 μs. Πάνω: Ορθή θέση ακουστικών. Κάτω: ακουστικά στραμμένα 90 περί τον interaural axis.

69 Εργαστηριακή μελέτη 69 Συνεχίζοντας αυξάνοντας το χρόνο καθυστέρησης παρατηρούμε τα βυθίσματα που δημιουργούνται κυρίως για τις συχνότητες κάτω των 4kHz. Τα βυθίσματα αυτά οφείλονται κυρίως στο Phasing shifting που αναλύθηκε στην ενότητα αλλά και στη καταστροφική συμβολή των ανακλώμενων κυμάτων και των απευθείας. Αυτά τα βυθίσματα επηρεάζουν έντονα το ηχητικό αποτέλεσμα το οποίο κατά την ακρόαση ακούγεται παραμορφωμένο. Εικόνα 3-15 Απόκριση πτερυγίου για 22,45,90,158,204,250,295,500,610,900 μs και 1ms. Πάνω: Ορθή θέση ακουστικών. Κάτω: ακουστικά στραμμένα 90 περί τον interaural axis. Επομένως η εισαγωγή καθυστερήσεων επηρεάζει το ηχητικό αποτέλεσμα διαφορικά για τις δύο θέσεις των ηχείων. Ακόμα δίνει την δυνατότητα δημιουργίας pinna notches (βλ 2.9.2) όμως δημιουργεί

70 Εργαστηριακή μελέτη 70 προβλήματα παραμόρφωσης ιδίως για της συχνότητες κάτω των 3kHz. Μια προσπάθεια χρήσης καθυστερήσεων για τον εσκεμμένο «χρωματισμό» του φασματικού περιεχομένου του λαμβανόμενου ηχητικού κύματος είναι απαραίτητο να μεριμνήσει για την αντιστάθμιση του φαινομένου phase shifting.

71 Υποκειμενικά Ακουστικά Πειράματα 71 4 Υποκειμενικά Ακουστικά Πειράματα Η διεξαγωγή ακουστικών πειραμάτων ακολουθεί την ανάγκη για περαιτέρω διερεύνηση του θέματος της παρούσας εργασίας. Τα ψυχοακουστικά πειράματα αυτά επιτρέπουν την μελέτη της ανθρώπινης αντίληψης και πιο συγκεκριμένα τον τρόπο επιρροής στην αντίληψη της θέσης της εικονική πηγής κατά την αναπαραγωγής binaural σημάτων με τη χρήση ακουστικών. 4.1 Διερευνητικό υποκειμενικό ακουστικό πείραμα Στο πείραμα αυτό συμμετείχαν εθελοντικά 12 άτομα, 8 άνδρες και 4 γυναίκες με κανονική ακοή. Η ηλικία των εθελοντών ήταν στο διάστημα 21 με 26 ετών. Κανένας από τους συμμετέχοντες δεν είχε ξανά συμμετάσχει σε ψυχοακουστικό πείραμα. Τα δεδομένα δύο εκ των δώδεκα υποκειμένων δεν συμπεριλήφθηκαν στην ανάλυση και παρουσίαση των αποτελεσμάτων, λόγω έλλειψης προσοχής κατά την διάρκεια του πειράματος. Το ψυχοακουστικό πείραμα είχε μέση διάρκεια τριάντα λεπτά. Το πείραμα αποτελείται από δύο φάσεις. Στη πρώτη φάση το υποκείμενο μέσα από ένα σύντομο πείραμα με τη χρήση των στερεοφωνικών ακουστικών καλείται να επιλέξει τη συνάρτηση μεταφοράς η οποία πληροί συγκεκριμένες προϋποθέσεις, προϋποθέσεις οι οποίες εξηγήθηκαν και ορίστηκαν πριν την έναρξη του πειράματος. Στη δεύτερη φάση του πειράματος, με την συνάρτηση μεταφοράς που έχει επιλεχτεί, επεξεργαζόμαστε μονοφωνικό λευκό θόρυβο και δημιουργούμε το binaural σήμα για 23 προκαθορισμένα σημεία στο τρισδιάστατο χώρο. Τα binaural αυτά σήματα αναπαράγουμε με τυχαία σειρά, αρχικά με τα στερεοφωνικά ακουστικά και εν συνεχεία με τα τετραφωνικά. Το υποκείμενο σε κάθε ακρόαση καλείται να επιλέξει μέσω του γραφικού περιβάλλοντος που δημιουργήθηκε στην MATLAB, την θέση της εικονικής ηχητικής πηγής στο χώρο.

72 Υποκειμενικά Ακουστικά Πειράματα 72 Στο τέλος τις διαδικασίας αυτής, δίνεται η δυνατότητα στο subject να επαναλάβει την ακρόαση με τα τετραφωνικά ακουστικά. Σε αυτή τη νέα ακρόαση επεμβαίνουμε είτε στην ένταση είτε εισάγοντας μικρή καθυστέρηση της τάξεως των 150μs μεταξύ των ηχείων των ακουστικών Φάση #1α Επιλογή HRTF. Όπως αναλύθηκε στην ενότητα 2.7, η συνάρτησης μεταφορά βοηθάει στον περιορισμό του Front Back confusion, στον περιορισμό του φαινομένου πως ήχοι αντιλαμβάνονται «μέσα στο κεφάλι», αλλά και στην ακρίβεια του εντοπισμού της θέσης της ηχητικής πηγής στο χώρο και κυρίως της θέση αυτής όσο αφορά το elevation. Ιδανικά η προσωποποιημένη συνάρτηση μεταφοράς περιέχει όλα τα χαρακτηριστικά που εξαλείφουν τους παραπάνω περιορισμούς. Εύλογη θα ήταν επομένως η διατύπωση, πως στα ψυχοακουστικά πειράματα μας, πρέπει για τη σύνθεση των binaural σημάτων, να χρησιμοποιηθεί η προσωποποιημένη συνάρτηση μεταφοράς για κάθε subject. Δεδομένης όμως της πολυπλοκότητας του τρόπου εξαγωγής των Hrir (ενότητα) και του κόστους των μετρήσεων αυτων δε θα μπορούσε να πραγματοποιηθεί στα πλαίσια μια διπλωματικής εργασίας δίχως να μονοπωλήσει τον στόχο και το ενδιαφέρον αυτής. Μια δεύτερη προσέγγιση, στην επιλογή της HRTF, είναι η προσπάθεια μοντελοποίησης των φίλτρων. Έχουν προταθεί τεχνικές μοντελοποίησης που βασίζονται στην σύνθεση μοντέλων βάση των ανθρωπομετρικών χαρακτηριστικών του ακροατή. Είναι προφανώς μια πιο οικονομική διαδικασία η οποία βέβαια εισάγει πολλά σφάλματα και απαιτείται μια πολύπλοκη και χρονοβόρα διαδικασία tunning. Λόγω αυτού, συμβαδίζοντας με τεχνικές άλλων ερευνητικών ομάδων, καταλήξαμε στην δημιουργία ενός σύντομου πειράματος, όπου μέσα από μια σειρά binaural σημάτων και ερωτημάτων προσπαθούμε να επιλέξουμε τη συνάρτηση μεταφοράς εκείνη μέσα από ένα σύνολο συναρτήσεων μεταφοράς. Αναφερόμαστε σε σύνολο HRTF και συγκεκριμένα στην ελεύθερη βάση IRCAM και όχι στην ολότητα των βάσεων με σκοπό να περιορίσουμε τη χρονική διάρκεια των πειραμάτων. Στο πείραμα λοιπόν επιλέχθηκαν δέκα από τα πενήντα διαθέσιμα φίλτρα της βάσης του IRCAM. Η διαλογή έγινε συγκρίνοντας τα φάσματα για το αριστερό και το δεξί αυτί, για τα αζιμούθια 0 και 180 (horizontal plane). Από τη σύγκριση επιλέξαμε τα φίλτρα που παρουσιάζουν την μεγαλύτερη αντίθεση στο φάσμα για τα αζιμούθια 0 και 180. Από αυτά επιλέξαμε φίλτρα που εμφανίζουν σχετική συμμετρία στο δεξί και στο αριστερό αυτί (βλ. ircam_1044) ή έντονες ασυμμετρίες

73 Υποκειμενικά Ακουστικά Πειράματα 73 (ircam_1023,ircam_1059). Έντονη διαφορά στις pinna notches (ircam_1040), μεγάλη εξασθένηση της απόκρισης για πηγές πίσω από το κεφάλι (ircam_1038) ή σχετικά μικρές (ircam_1053).

74 Υποκειμενικά Ακουστικά Πειράματα 74 Περιγραφή του πειράματος. Η σύνθεση της πρώτης φάσης του πειράματος βασίστηκε σε μια απλούστευση των πειραμάτων όπως παρουσιάζονται στα [56], [57], [58]. Αναλυτικά, χρησιμοποιήθηκε σήμα λευκού θορύβου διάρκειας 500ms διαμορφωμένο στα 15Hz για την δημιουργία των binaural σημάτων, για πεπερασμένο αριθμό σημείων, για τις δέκα HRTF που παρουσιάστηκαν στην προηγούμενη παράγραφο. Τα σημεία αυτά χρησιμοποιούνται στα τρία ερωτήματα αναζήτησης της HRTF. Τα τρία ερωτήματα παρουσιάζονται αναλυτικά παρακάτω. Η στάθμη αναπαραγωγής μετρήθηκε στα 70dBA. Μέσω της γραφικής διεπαφής που σχεδιάστηκε στης MATLAB (Error! Reference source not found.), ο ακροατής με τη βοήθεια του επιτηρητή, μπορούσε να επιλέξει από τι λίστα των ερωτημάτων (στην εικόνα τα ερωτήματα εμφανίζονται ως 360pan, F/B, U/D ) το επιθυμητό ερώτημα και να ξεκινήσει την ακρόαση. Σε κάθε ένα από τα τρία ερωτήματα στο χρήστη παρουσιάζονταν διαφορετικά binaural σήματα. Αρχικά μόνο οι πρώτες πέντε HRTF παρουσιάζονταν, μια για κάθε ένα από τα Α,Β,C,D,E. Με την επιλογή ενός εκ των Α,Β,C,D,E ξεκινούσε η αναπαραγωγή του πειράματος. Ανάλογα το επιλεγμένο ερώτημα η αντίστοιχη αλληλουχία ήχων αναπαράγονταν. Σε κάθε ερώτημα οι πεντάδες των Α,Β,C,D,E αποτελούνταν από τον ίδιο αριθμό binaural σημάτων και παρουσιάζονταν με την αλληλουχία. Ο χρήστης άκουγε τουλάχιστον μια φορά όλα τα φίλτρα και μπορούσε να επαναλάβει την αναπαραγωγή επιλέγοντας ξανά την ίδια HRTF. Κάθε φορά που αναγνώριζε το χαρακτηριστικό που το είχε ζητηθεί σε κάποια από τις A,B,C,D,E αναπαραγωγές, για το συγκεκριμένο πείραμα, επέλεγε την αντίστοιχη επιλογή κάτω από αυτή. Ο χρήστης με την επιλογή submit αποθήκευε τις επιλογές του και στη συνέχεια παρουσιάζονταν οι υπόλοιπες πέντε HRTF, η διαδικασία ξεκινούσε από τη αρχή. Στο τέλος της φάσης αυτής μπορούσαμε να καταλήξουμε σε μια από τις δέκα συναρτήσεις μεταφοράς. Εικόνα 4-1 GUI: Επιλογή HRTF v.1

75 Υποκειμενικά Ακουστικά Πειράματα 75 Ερωτήματα Ερώτημα Ι: 360-pan Στο πείραμα αυτό για κάθε μια από τις δέκα HRTF, συνθέσαμε τα binaural σήματα για 12 εικονικές πηγές στο virtual auditory space, ανά 30 πάνω στο οριζόντιο επίπεδο. Τα binaural σήματα παρουσιάζονταν ένα προς ένα με σειρά και δεξιόστροφα, ξεκινώντας από το σημέιο (0,0) και καταλείγοντας στο σημέιο (0,0). Στον ακροατή είχε ζητηθεί να επιλέξει μεταξύ των A,B,C,D,E εκείνη την αναπαραγωγή που μπορούσε να διακρίνει αυτόν το νοητό κύκλο πάνω στο οριζόντιο επίπεδο αλλα και την δεξιόστροφη κίνηση της πηγής Ερώτημα ΙΙ: Front Back confusion Στο πείραμα αυτό για κάθε μια από τις δέκα HRTF, συνθέσαμε τα binaural σήματα για 8 σημεία στο virtual auditory space, πάνω στο οριζόντιο επίπεδο. Τα σημεία βρίσκονται στις 30, 60,120,150,210,240,300 και 330. Τα σημεία παρουσιάζονταν σε ζευγάρια στον ίδιο cone of confusion. Για κάθε HRTF παρουσιάστηκαν τα ζευγάρια [30,150], [330,210], [60 120], [ ]. Στον ακροατή ζητήθηκε να επιλέξει μεταξύ των A,B,C,D,E εκείνες τις αναπαραγωγές που ήταν έντονη και διακριτή η εναλαγή της θέσης της πηγής μεταξύ του frontal plane.

76 Υποκειμενικά Ακουστικά Πειράματα Κριτήριο Up Down confusion Στο πείραμα αυτό για κάθε μια από τις δέκα HRTF, συνθέσαμε τα binaural σήματα για 16 σημεία στο virtual auditory space, Τα σημεία βρίσκονται στις 30, 60,120,150,210,240,300 και 330 και κλίση ±30 Τα σημεία παρουσιάζονταν σε ζευγάρια Για κάθε μία HRTF παρουσιάστηκαν τα ζευγάρια [30 ±30,], [330 ±30], [60 ±30], [240 ±30], [150,±30]. Στον ακροατή ζητήθηκε να επιλέξει μεταξύ των A,B,C,D,E εκείνες τις αναπαραγωγές στις οποίες ήταν έντονη και διακριτή η εναλαγή της θέσης της πηγής ως προς το οριζόντιο επίπεδο. Επιλεγμένες HRTF Στον παρακάτω πίνακα παρουσιάζουμε τον αριθμό που επιλέχθηκε κάθε μια από τις συναρτήσεις μεταφοράς. Η σειρά των HRTF στον πίνακα ταυτίζεται και με την σειρά με την οποία τα φίλτρα παρουσιάστηκαν στο πείραμα. HRTF Επιλογές Όπως φαίνεται στον πίνακα το φίλτρο IRCAM_1059 επιλέχθηκε τις περισσότερες φόρες 5/12 φορές 41%. Ενώ τα φίλτρα 1032,1038,1041 και 1045 δεν επιλέχθηκαν καμία φορά. Προφανώς η επιλογή της συνάρτησης μεταφοράς είναι μια υποκειμενική διαδικασία και βασίζεται στην διακριτική ικανότητα και συγκέντρωση του subject. Για τους λόγους αυτούς δεν θα προσπαθήσουμε να αναλύσουμε τις επιλογές αυτές μια προς μία. Θα σχολιάσουμε όμως το γεγονός ότι το τελευταίο φίλτρο (1059) επιλέχθηκε τις περισσότερες φόρες και ίσως να οφείλεται στο γεγονός ότι στη διαδικασία επιλογής παρουσιάστηκε τελευταίο ή ότι το subject είχε ήδη αρχίσει να χάνει την αυτοσυγκέντρωση του.

77 Υποκειμενικά Ακουστικά Πειράματα Φάση #2α Πειράματα Εντοπισμού Για τις ανάγκες του πειράματος, αναπτύχθηκε στη Matlab, GUI πειράματος εντοπισμού. Λόγω τις δυσκολίας αποτύπωσης αλλά και επιλογής των σημείων του virtual auditory space σε μια προοπτική σφαίρα επιλέχθηκε η υλοποίηση όπως απεικονίζεται στην Εικόνα 4-2. Για τον προσδιορισμού οποιαδήποτε σημείου του χώρου αρκεί να ορισθεί το αζιμούθιο και η κλίση αυτού ως προς ένα σύστημα συντεταγμένων. Σε αντίθεση με το σύστημα συντεταγμένων που έχει υιοθετηθεί στην εργασία αυτή, κατά την διάρκεια των πειραμάτων επιλέχθηκε ένα αριστερόστροφο σύστημα συνταγμένων με τις γωνίες για το αζιμούθιο στο διάστημα [-165,180 ]. Έτσι ώστε ένα σημείο στο αριστερό αυτί να περιγράφεται από τις 90, ενώ το σημείο στο δεξί αυτί περιγράφεται από τις -90. Οι γωνίες για τι κλίση ανήκουν στο διάστημα [-90,90 ] όπου θετικές είναι γωνίες που ορίζουν σημεία πάνω από το οριζόντιο επίπεδο, ενώ οι αρνητικές περιγράφουν σημεία καώ από το horizontal plane. Το συγκεκριμένο σύστημα συνταγμένων φάνηκε πιο απλό στον προσδιορισμό της θέσης ενός σημείου στο χώρο. Το πείραμα ξεκινούσε επιλέγοντας της HRTF που επέλεξε ο χρήστης στη φάση #1α και το είδος του ηχητικού ερεθίσματος. Όπως και στη φάση #1α το ηχητικό ερέθισμα και εδώ αποτελούνταν από λευκό θόρυβο διάρκειας 500ms,διαμορφωμένο σε ένα ημίτονο με συχνότητα 15Hz (White Noise Burst). Αρχικά η αναπαραγωγή των binaural σημάτων πραγματοποιούνταν μέσω των στερεοφωνικών ακουστικών και η στάθμη αναπαραγωγής μετρήθηκε στα 70dBA. Στον ακροατή παρουσιάζονταν τα διαφορετικά ερεθίσματα που του τα οποία επιλέγονταν με τυχαία σειρά από ένα σύνολο binaural σημάτων για την επιλεγμένη HRTF από μία πηγή 23 προκαθορισμένων σημείων. Κάθε σημείο παρουσιάζονταν μόνο μια φορά και την πρώτη φορά που παρουσιαζόταν αναπαράγονταν δύο φορές με μια μικρή παύση ανάμεσα στην πρώτη και δεύτερη ακρόαση. Στον ακροατή ζητούνταν να εντοπίσει τη θέση του ήχου για κάθε ένα από τα ερεθίσματα. Η απάντηση δινόταν με την επιλογή των κουμπιών, για το αζιμούθιο και την κλίση της φαινομενικής πηγής Η επιλογή του χρήστη σημειωνόταν με πράσινο χρώμα και αναγραφόταν στο κέντρο της οθόνης και παρέμενε ενεργή ως αναφορά μέχρι την επόμενη επιλογή. Στο χρήστη δινόταν η επιλογή να επαναλάβει την αναπαραγωγή κάθε ήχου απεριόριστο αριθμό φορών με την επιλογή «repeat». Ο χρήστης γνώριζε τον αριθμό των ακροάσεων που υπολοίπονταν με σχετική ένδειξη. Επιλέγοντας Play ο χρήστης κατοχύρωνε την απάντηση του και παρουσιάζονταν το επόμενο ηχητικό ερέθισμα.

78 Υποκειμενικά Ακουστικά Πειράματα 78 Εικόνα 4-2 GUI: Πείραμα εντοπισμού κατά τη διαδικασία των ρυθμίσεων. Εικόνα 4-3 GUI: Πείραμα εντοπισμού κατά τη διαδικασία του πειράματος εντοπισμού. Μετά την αποθήκευση και της 23 ης απάντησης, σχετικό μήνυμα εμφανιζόταν στην οθόνη του υπολογιστή, ενημερώνοντας για το τέλος του πρώτου τμήματος του πειράματος. Στη συνέχεια το πείραμα επαναλαμβανόταν από την αρχή με τη χρήση των τετραφωνικών ακουστικών. Δεδομένου ότι η αναπαραγωγή πλέον πραγματοποιούνταν από δύο ηχεία ταυτόχρονα οι έξοδοι της κάρτας ήχου αντισταθμίστηκαν έτσι ώστε η συνολική στάθμη να είναι ίδια με αυτή των στερεοφωνικών ακουστικών. Μετά το τέλος και αυτής της ακρόασης στη νέα επανάληψη του πειράματος (αν υπήρχε) κατά την αναπαραγωγή με τα τετραφωνικά ακουστικά, αν είχαν επιλεχθεί χρονικές καθυστερήσεις τότε, για θετικές γωνίες κλίσης καθυστερούσε η αναπαραγωγή του ηχείου του κάτω ηχείου ενώ για αρνητικές

79 Υποκειμενικά Ακουστικά Πειράματα 79 γωνίες κλίσης καθυστερούσε η αναπαραγωγή του πάνω ακουστικού. Για επιλογή εντασιακών διαφορών και θετικές γωνίες κλίσης το σήμα του πάνω ηχείου ενισχυόταν ενώ για αρνητικές γωνίες κλίσης η ένταση του κάτω ηχείου αυξανόταν. Για φαινομενικές πηγές στο οριζόντιο επίπεδο η αναπαραγωγή πραγματοποιούνταν ταυτόχρονα και από τα δύο ακουστικά σε ίδιες στάθμες. Χώρος σημείων Όπως αναφέρθηκε, τα σημεία για τα οποία υπολογίσαμε τα binaural σήματα είναι 23 ο αριθμός επιλέχθηκε έτσι ώστε να κρατήσει το χρόνο του πειράματος σε αποδεκτά χρονικά όρια. Τα σημεία επιλέχθηκαν επί το πλείστο ανήκουν πάνω στο cone of confusion. Ενώ επιλέχθηκαν και σημεία τα οποία ήταν πολύ εύκολα να αναγνωριστούν, έτσι ώστε να τεθεί και ένα κριτήριο της αξιοπιστίας των απαντήσεων του χρήστη. Το σύνολο των σημείων φαίνεται στην ιδεατή σφαίρα. [Μέγιστη κλίση 65 ] Κάτοψη Εμπρόσθια όψη Πίσω όψη Αριστερή όψη Προοπτική Δεξιά όψη Εικόνα 4-4 Δειγματικό χώρος σημείων του πειράματος εντοπισμού #1

80 Υποκειμενικά Ακουστικά Πειράματα Ανάλυση Τα αποτελέσματα του πειράματος εντοπισμού επεξεργάστηκαν στη Matlab. Συγκεντρώνοντας τις απαντήσεις, δημιουργήθηκαν διαγράμματα σαν αυτό της Εικόνα 4-5. Στο αριστερό διάγραμμα ο άξονας-x, αντιπροσωπεύει τις πραγματικές θέσεις στο οριζόντιο επίπεδο όπως παρουσιάστηκαν στου συμμετέχοντες, και ο άξονας-y τις αντιληπτές θέσεις αζιμούθιου που οι συμμετέχοντες επέλεγαν. Με το τρόπο αυτό, όλες οι σωστές απαντήσεις βρίσκονται πάνω στη διαγώνιο γραμμή. Στο δεξί διάγραμμα ο άξονας-x, αντιπροσωπεύει την απόσταση της κλίσης που επέλεξε ο ακροατής από την πραγματική κλίση της εικονικής πηγής που του παρουσιάστηκε. Προφανώς, τα σημεία πάνω στη κάθετη γραμμή είναι οι απαντήσεις με σωστή αναγνώρισης της κλίσης. Τα σημεία αριστερά της κάθετης γραμμής υποδουλώνουν ότι ο χρήστης αναγνώρισε τα σημεία σε υψηλότερες θέσεις, ενώ τα σημεία στο αριστερό τμήμα, υποδουλώνουν ότι ο ακροατής θεώρησε ότι οι εικονικές πηγές βρίσκονταν χαμηλότερα από την θέση που του παρουσιάστηκαν. Ο άξονας-y στο διάγραμμα αυτό υποδηλώνει τη θέση στο οριζόντιο επίπεδο, όπως αυτή παρουσιάστηκε, για κάθε μια από τις απαντήσεις ώς προς τη κλίση. Στις απαντήσεις έχει προστεθεί μικρός θόρυβος (jitter) έτσι ώστε να είναι διακριτές οι πολλαπλές επιλογές της ίδιας θέσης. Στην Εικόνα 4-5 απεικονίζονται οι απαντήσεις δύο ακροατών για τις δύο διαφορετικές ακροάσεις. Με κόκκινο παρουσιάζονται οι απαντήσεις που δόθηκαν για ακρόαση με τα στερεοφωνικά ακουστικά και με μπλε σημειώνονται οι απαντήσεις που δόθηκαν όταν η ακρόαση πραγματοποιήθηκε με τα τετραφωνικά ακουστικά, χωρίς καμία επιπλέον επέμβαση στα σήματα. Όπως είναι φανερό ο δεύτερο ακροατής εμφανίζει έντονη δυσκολία στην αναγνώριση ήχων στο μπροστά επίπεδο και στις δύο ακροάσεις. Ο ακροατής αυτός αντιλαμβάνεται την πλειοψηφία των σημάτων στο πίσω επίπεδο. Αντίθετα ο ακροατής στην πρώτο scatter plot εμφανίζει την καλύτερη απόδοση στο σύνολό των ακροατών και εμφανίζει τα λιγότερα front back confusion. Tα διαγράμματα αυτά θυμίζουν έντονα τις απαντήσεις ακροατή με τη χρήση προσωποποιημένης και μη - προσωποποιημένης head related transfer function. Η μεμονωμένη αξιολόγηση των αντίστοιχων διαγραμμάτων μπορεί να οδηγήσει μόνο σε ιδικές παρατηρήσεις Τα αποτελέσματα, είναι απαραίτητο να εξεταστούν για όλους τους συμμετέχοντες μαζί, ώστε να οδηγήσουν σε γενικά συμπεράσματα. Στην Εικόνα 4-6 παρουσιάζεται το διάγραμμα κατανομής των απαντήσεων για τους δέκα συμμετέχοντες, για την ακρόαση με τετραφωνικά και στερεοφωνικά ακουστικά.

81 Υποκειμενικά Ακουστικά Πειράματα 81, Εικόνα 4-5 Διάγραμμα κατανομής των απαντήσεων για δύο συμμετέχοντες. Με μπλε χρώμα σημειώνονται οι απαντήσεις για ακρόαση των binaural σημάτων με τη χρήση τετραφωνικών ακουστικών. Με κόκκινο χρώμα οι απαντήσεις για ακρόαση με στερεοφωνικά ακουστικά.

82 Υποκειμενικά Ακουστικά Πειράματα 82 Εικόνα 4-6 Διάγραμμα κατανομής των απαντήσεων για τους δέκα συμμετέχοντες. Με μπλε χρώμα σημειώνονται οι απαντήσεις για ακρόαση των binaural σημάτων με τη χρήση τετραφωνικών ακουστικών. Με κόκκινο χρώμα οι απαντήσεις για ακρόαση με στερεοφωνικά ακουστικά Μέση τιμή απόστασης αντιληπτού αζιμούθιου από το πραγματικό. Πάνω διάγραμμα Ακρόαση με τετραφωνικά ακουστικά 65 Ακρόαση με στερεοφωνικά ακουστικά 35 Κάτω διάγραμμα Ακρόαση με τετραφωνικά ακουστικά 61 Ακρόαση με στερεοφωνικά ακουστικά 54 Μέση τιμή απόστασης, αντιληπτής κλίσης από τη πραγματική. Πάνω διάγραμμα Ακρόαση με τετραφωνικά ακουστικά 30 Ακρόαση με στερεοφωνικά ακουστικά 22 Κάτω διάγραμμα Ακρόαση με τετραφωνικά ακουστικά 20 Ακρόαση με στερεοφωνικά ακουστικά 19 Περισσότερα scatter plots δεν χρίζεται απαραίτητο να παρουσιαστούν, λόγω της μικρής διαφοροποίησης που εμφανίζεται στις παραλλαγές των τετραφωνικών ακουστικών, όπως θα φανεί στην επόμενη παράγραφο.

83 Υποκειμενικά Ακουστικά Πειράματα Στατιστική ανάλυση Όπως ήδη επισημάνθηκε ότι ο εντοπισμός ήταν δύσκολος για τους συμμετέχοντας ακόμα και για το ακριβές αζιμούθιο. Επιπλέον η εξόρυξη χρήσιμων συμπερασμάτων από τα διαγράμματα presented vs preserved scatter plots, ήταν αρκετά δύσκολή. Σε μια προσπάθεια να αντισταθμιστεί αυτή η δυσκολία αποφασίστηκε να επεξεργαστούν τα αποτελέσματα και να υπολογιστούν τα παρακάτω χαρακτηριστικά: A. Μέσω σφάλμα απαντήσεων με χρήση της ορθοδρομικής απόστασης. Η ορθοδρομική απόσταση μας δίνει ένα κριτήριο που συμπεριλαμβάνει την ακρίβεια στον εντοπισμό τόσο για το αζιμούθιο όσο και για τη κλίση. B. Το ποσοστό των σωστόν αναγνωρίσεων σε ακρίβεια δύο επιπέδων. Τα επίπεδα αυτά είναι το μπροστά ή πίσω από το frontal plane. Η κλίση δε λαμβάνεται υπόψιν. Λόγω της φύσης του πειράματος, ένας μεγάλος αριθμός front back confusions ήταν αναμενόμενος. Ο αριθμό των σωστών αναγνωρίσεων ως προς το frontal plane χρησιμοποιήθηκε ως κριτήριο αξιολόγησης των διάφορων ακροάσεων. Μια απάντηση βάση του κριτήριού αυτού θεωρείτε σωστή αν και μόνο η θέση της ηχητικής πηγής και η απάντηση για τη θέση της εικονική πηγής που αντιλαμβανόταν ο ακροατής βρίσκεται στο ίδιο επίπεδο. Οι φαινομενικές πηγές στις ±90 δεν λαμβάνονταν υπόψιν [59]. C. Το ποσοστό των σωστών αναγνωρίσεων σε ακρίβεια δύο επιπέδων. Τα επίπεδα αυτά είναι το πάνω ή κάτω επίπεδο από το horitzontal plane. Το αζιμούθιο δεν λαμβάνεται υπόψιν. Λόγω της φύσης του πειράματος και του πεπερασμένου πλήθους των HRTF, όπως αναμενόταν ο ακριβής προσδιορισμός της θέσης της πηγής κυρίως ως προς την κλίση, ήταν σχεδόν αδύνατος. Για το λόγο αυτό υπολογίστηκε ο αριθμό των σωστών αναγνωρίσεων ανεξάρτητα από το αζιμούθιο. Μια απάντηση θεωρούνταν σωστή αν και μόνο αν η θέση της ηχητικής πηγής και η απάντηση για τη θέση της εικονική πηγής που αντιλαμβανόταν ο ακροατής βρίσκονταν στο ίδιο επίπεδο είτε πάνω από το horizontal plane είτε κάτω από αυτό. D. Το ποσοστό των σωστών αναγνωρίσεων σε ακρίβεια τεταρτημόριο του virtual auditory space. Δεδομένου ότι τα παραπάνω κριτήρια περιγράφουν ένα πολύ ελεύθερο χώρο στον οποίο μια απάντηση θεωρείται σωστή, περιορίστηκε ο χώρος σε τέσσερα τεταρτημόρια. Μπροστά από το frontal plane και κάτω ή πάνω από το horizontal plane. Πίσω από το frontal plane και κάτω ή πάνω από το horizontal plane. Οι απαντήσεις των ακροατών θεωρούνται σωστές αν και μόνο αν η θέση της φαινομενικής πηγής και η θέση στην οποία αντιλαμβάνονταν βρισκόταν στο ίδιο τεταρτημόριο.

84 Υποκειμενικά Ακουστικά Πειράματα 84 Στην Εικόνα 4.7 παρουσιάζεται ραβδόγραμμα της ορδοδρομικής απόσταση σε μοίρες των 10 ακροατών για ακρόαση με τα τετραφωνικά και στερεοφωνικά ακουστικά Προφανώς οι μικρότερες τιμές αφορούν μικρότερο σφάλμα εντοπισμού. Όπως φαίνεται η μέση τιμή του σφάλματος για του δέκα ακροατές είναι 54 για τα στερεοφωνικά ακουστικά και 49,5 για τα τετραφωνικά. Αυτό που παρουσιάζει εντύπωση είναι ότι σε ποσοστό των ακροατών εμφανίζεται μείωση του σφάλματος ενώ σε ένα άλλο ποσοστό εμφανίζεται αύξηση. Αυτή η τυχαία μεταβολή δεν μπορεί να οδηγήσει σε κάποιο συμπέρασμα και ίσως οφείλεται σε κάποιο βαθμό στο μικρό αριθμό του δείγματος. Εικόνα 4-7 Ορθοδρομική απόσταση των 10 ακροατών για ακρόαση με 2ch ή 4ch Στην εικόνα 4.8 παρουσιάζετε η μέση ορθοδρομική απόσταση στο σύνολο των ακροατών για τις διάφορες παραλάλαγες ακρόασης και συγκρίνεται με τις προηγούμενές μέσες τιμές. Εικόνα 4-8 Μέση ορθοδρομική απόσταση για τις διάφορες παραλλαγές του τετραφωνικό ακουστικού.

85 Υποκειμενικά Ακουστικά Πειράματα 85 Από το διάγραμμα φαίνεται ότι μια σχετική βελτίωση, με το μέσο σφάλμα να μειώνεται κατά 10 για χρονική καθυστέρηση 180us μεταξύ των ηχείων. Στη εικόνα 4.9 που παρουσιάζονται τα ποσοστά των ορθών αναγνωρίσεων για μεταξύ των διαφορετικών παραλλαγών τα τρία κριτήριά, φαίνεται ότι αυτή η βελτίωση οφείλεται στην βελτίωση της αντίληψης του up and down και στην βελτίωση της αντίληψης σε επίπεδο τεταρτημόριου. Εικόνα 4-9 Ποσοστό σωστών αναγνωρίσεων για στερεοφωνικά και τετραφωνικά με ή χωρίς παραλλαγές. 4.3 Υποκειμενικό ακουστικό πείραμα - απλοποιημένη μορφή Σε μια προσπάθεια να δειχθεί αν πράγματι η αναπαραγωγή με τα τετραφωνικά ακουστικά βελτιώνει στην αντίληψη της θέσης των spatial ήχων, σχεδιάστηκε ένα δεύτερο υποκειμενικό ακουστικό πείραμα. Στο πείραμα αυτό συμμετείχαν εθελοντικά 20 άτομα, 13 άνδρες και 7 γυναίκες με κανονική ακοή. Η ηλικία των εθελοντών ήταν στο διάστημα 21 με 40 ετών με μέση τιμή τα 23 χρόνια. Το 20% των συμμετεχόντων είχε συμμετάσχει και στο διερευνητικό υποκειμενικό ακουστικό πείραμα. Το υπόλοιπο ποσοστό δεν είχε ξανά συμμετάσχει σε ψυχοακουστικό πείραμα στο παρελθόν. Το πείραμα αυτό, ακολουθεί την λογική του πρώτου με τις εξής διαφοροποιήσεις: Γίνεται χρήση δέκα HRTF που προέρχονται πέντε από τη βάση του IRCAM και πέντε από τη βάση του CIPIC (βλ 2.8). Ιδιαίτερη βαρύτητα δίνεται στη επιλογή των συναρτήσεων μεταφοράς μέσα από την βελτιωμένη φάση #1 (βλ 4.1.2).

86 Υποκειμενικά Ακουστικά Πειράματα 86 Η αναπαραγωγή των binaural σημάτων πραγματοποιείται μόνο από τα τετραφωνικά ακουστικά και στις δύο φάσεις. Ο Δειγματικός χώρος των σημείων περιορίζεται σε 18 σημεία, 9 σημεία μπροστά από το υποκείμενο και 9 σημεία πίσω από το υποκείμενο. Το νέο ψυχοακουστικό πείραμα είχε μέση διάρκεια τριάντα λεπτά Φάση #1β Στη φάση αυτή, αναζητούμε την κατάλληλή συνάρτηση μεταφοράς μέσα από ένα σύνολο δέκα συναρτήσεων μεταφοράς προερχόμενες από τις βάσεις των IRCAM και CIPIC. Η Επιλογή των δέκα αυτών φίλτρων από την ολότητα των βάσεων, πραγματοποιήθηκε συγκρίνοντας το φασματικό περιεχόμενο των φίλτρων και επιλέχθηκαν τα φίλτρα που εμφανίζουν πλουσίου φασματικό περιεχόμενο στα αζιμούθια 0 και 180. Το φασματικό περιεχόμενο των επιλεγμένων συναρτήσεων παρουσιάζεται στις εικόνες των πινάκων Πίνακας 4-2 Φασματικό περιεχόμενο των επιλεγμένων HRTF από τη βάση του IRCAMκαι Πίνακας 4-1 Φασματικό περιεχόμενο των επιλεγμένων HRTF από τη βάση του CIPICΚαι ο πίνακας αντιστοίχησης των φίλτρων με έναν αύξον αριθμό φαίνεται στον Πίνακας 4-3. Η αναπαραγωγή των binaural σημάτων πραγματοποιήθηκε μέσω των πολυφωνικών ακουστικών και συγκεκριμένα η αναπαραγωγή πραγματοποιούνταν μόνο από το πάνω ακουστικό. Η στάθμη αναπαραγωγής μετρήθηκε στα 70dBA.

87 Υποκειμενικά Ακουστικά Πειράματα 87 Πίνακας 4-1 Φασματικό περιεχόμενο των επιλεγμένων HRTF από τη βάση του CIPIC

88 Υποκειμενικά Ακουστικά Πειράματα 88 Πίνακας 4-2 Φασματικό περιεχόμενο των επιλεγμένων HRTF από τη βάση του IRCAM

89 Υποκειμενικά Ακουστικά Πειράματα 89 Για την διεξαγωγή το πειράματος επιλογής κατάλληλής HRTF η διεπαφή της ενότητας ανανεώθηκε όπως φαίνεται στην 4-10 GUI. HRTF selection v2 Εικόνα HRTF ID HRTF DB Subject No 1 CIPIC 3 2 CIPIC 8 3 CIPIC 11 4 CIPIC 12 5 CIPIC 58 6 IRCAM 14 7 IRCAM 22 8 IRCAM 28 9 IRCAM 32 Εικόνα 4-10 GUI. HRTF selection v2 10 IRCAM 59 Πίνακας 4-3 Α/Α αναφοράς των επιλεγμένων συναρτήσεων μεταφοράς.

90 Υποκειμενικά Ακουστικά Πειράματα 90 Στη νέα προσέγγιση, για την επιλογή κατάλληλου φίλτρου, παρουσιάζονται οι δέκα ΗRTF, τρεις φορές η καθεμία σε ομάδες των πέντε στις επιλογές Α,Β,C,D και E. Η σειρά εμφάνισης των HRTF σε κάθε πεντάδα, περιγράφεται από το τμήμα ενός Latin square 10x10 που φαίνεται στον πίνακα 4-4. Επιλέχθηκε η χρήση του Latim Square έτσι ώστε σε κάθε πεντάδα, κάθε συνάρτηση, να εμφανίζεται μόνο μια φορά. Όπως περιεγράφηκε και στο πρώτο διερευνητικό πείραμα, μεταξύ των φίλτρων σε Πίνακας 4-4 Latin square. Οι γραμμές ορίζουν την πεντάδα των μια πεντάδα, η αλληλουχία των binaural σημάτων που HRTF που αντιστοιχεί στα παρουσιάζεται είναι ίδια. Αντίθετα για κάθε νέα πεντάδα μια A,B,C,D,E για κάθε μια από τις νέα αλληλουχία binaural σημάτων επιλέγονταν. έξι φορές. Κατά την αναγνώριση του κριτήριου σε μια από της HRTF που έχει τεθεί ο ακροατής επιλέγει το αντίστοιχο checkbox. Επιλέγοντας confirm, οι επιλογές του αποθηκεύονται και παρουσιάζεται η επόμενη πεντάδα των HRTF. H διαδικασία επαναλαμβάνεται ως ότου παρουσιαστούν και οι έξι προκαθορισμένες πεντάδες των HRTF. Στο τέλος της φάση παρουσιάζονταν ο αριθμός (και για τα δύο κριτήρια) που επιλέχθηκε η κάθε συνάρτηση μεταφοράς. Αθροίζοντας τον αριθμό των εμφανίσεων, η συνάρτηση μεταφοράς με το μεγαλύτερο αριθμό επιλέγονταν, με τη προϋπόθεση ότι η συνάρτηση αυτή είχε επιλεχθεί τουλάχιστον δύο στις τρεις φορές και στα δύο κριτήρια. Ιδιαίτερη βαρύτητα δίνονταν στο κριτήριο του Front Back confusion. Σε περίπτωση απόλυτης ισοβαθμίας, τυχαία επιλογή πραγματοποιούνταν. Η νέα αυτή προσέγγιση του πειράματος, αύξησε σημαντικά το χρόνο ολοκλήρωσης του πειράματος της 1 ης φάσης. Σε μια προσπάθεια να περιοριστεί η διάρκεια αυτού, χρησιμοποιήθηκαν μόνο δύο από τα τρία κριτήρια της ενότητας και δεν χρησιμοποιήθηκε το κριτήριο του externalization (η πηγή να μην αντιλαμβάνεται μέσα στο κεφάλι) όπως περιγράφεται από τους αρχικούς συγγραφείς αφού θεωρούμε ότι το κριτήριο αυτό μπορεί να συμπεριληφθεί στα υπόλοιπα δύο. Επομένω τα δύο κριτήρια που χρησημοποιήθκαν του Front Back confusion και του κριτήριο διάκρισης Up and Down (Up and Down discrimination). Τα κριτήρια αυτά και ο τρόπος παρουσίασης τους περιγράφεται αναλυτικά στις παραγράφους και με τη μόνη διαφορά ότι τα ζευγάρια σε των binaural σημάτων επιλέγονταν τυχαία σε κάθε πεντάδα HRTF. Η τελική μορφή του πειράματος προσεγγίζει σε μεγάλο βαθμός τη μορφή του πειράματος όπως παρουσιάζεται στα [57] [56] [60]. Η κύρια διαφορά, στη προσέγγιση του πειράματος στη εργασία αυτή,

91 Υποκειμενικά Ακουστικά Πειράματα 91 εμφανίζεται στο γεγονός ότι για κάθε κριτήριο, παρουσιάζονται και ζητείται να αξιολογηθούν όλα τα φίλτρα HRTF, ανεξάρτητα αν σε προηγούμενο κριτήριο κάποιο φίλτρο δεν επιλέχθηκε καμία φορά. Αντίθετα στις αναφορές που παρατέθηκαν, σε κάθε κριτήριο τα φίλτρα που επιλέχθηκαν καμία η μία φορά δεν παρουσιάζονταν στον έλεγχο των υπόλοιπων κριτήριων. Η επιλογή αυτή, στην παρούσα εργασία, βασίστηκε στην υπόθεση, βάση παρατήρησης, ότι η επιλογή μια συνάρτησής μεταφοράς για binaural αναπαραγωγή. μπορεί να δημιουργήσει επιτυχημένα της ψευδαίσθηση της θέσης της εικονικής πηγής ως προς κάποιο επίπεδο (έστω horizontal plane) ανεξάρτητα αν αποτυγχάνει να δημιουργήσει αντίστοιχη αίσθηση σε κάποιο άλλο (έστω frontal plane). Επομένως η σύγκριση των επιλεγμένων HRTF των ακροατών για τα δύο κριτήρια ( front back και up and down) θα δώσει ένα σημαντικό κριτήριο επιβεβαίωσης ή θα διάψευσης του ισχυρισμού αυτού.

92 Υποκειμενικά Ακουστικά Πειράματα Φάση #2β Για τις ανάγκες της φάσης αυτή, αναπτύχθηκε στη Matlab, GUI πειράματος εντοπισμού όπως φαίνεται στην Εικόνα Εικόνα 4-11 GUI Πειράματος εντοπισμού v2 Το πείραμα ξεκινούσε επιλέγοντας την HRTF που επέλεξε ο χρήστης στη φάση Ι και το είδος του ηχητικού ερεθίσματος. Όπως και στη φάση#1 το ηχητικό ερέθισμα και εδώ αποτελούνταν από λευκό θόρυβο διάρκειας 500ms,διαμορφωμένο σε ένα ημίτονο με συχνότητα 15Hz (White Noise Burst). Στον ακροατή παρουσιάζονταν 15 διαφορετικά ερεθίσματα που του τα οποία επιλέγονταν με τυχαία σειρά από ένα σύνολο binaural σημάτων για την επιλεγμένη HRTF από μία πηγή 18 προκαθορισμένων σημείων. Η θέση των δυνατών επιλογών όπως φαίνεται στην Εικόνα 4-11 είναι 9 σημεία στο μπροστά επίπεδο και 9 σημεία στο πίσω επίπεδο. Τα σημεία στο μπροστά επίπεδο βρίσκονται στα αζιμούθια 0 ±30 και με κλίση 0 ±30 ενώ στο πίσω επίπεδο τα αντιδιαμετρικά τους δηλαδή στης θέσεις 180 ±30 και με κλίση 0 ±30. Στη πραγματικότητα τα binaural σήματα που δημιουργούνται για τα φίλτρα της βάσης του CIPIC υπολογίζονται για τις γωνίες κλίσης ±33, διότι οι γωνίες ±30 δεν ανήκουν στο δειγματικό χώρο και μια προσπάθεια κυβικής παρεμβολή θα εισήγαγε παραμορφώσεις. Εικόνα Οι 18 προκαθορισμένες θέσεις του δεύτερου πειράματος. Αριστερά : μπροστινό επίπεδο, Δεξία: πίσω επίπεδο. Το σημείο που φαίνεται έντονα αντιπροσωπεύει το σημείο (0,0 ).

93 Υποκειμενικά Ακουστικά Πειράματα 93 Η αναπαραγωγή των binaural σημάτων πραγματοποιούνταν μέσω των πολυφωνικών ακουστικών για τρεις διαφορετικές παραλλαγές ενώ η στάθμη αναπαραγωγής μετρήθηκε στα 70dBA. Κάθε σημείο παρουσιάζονταν μόνο μια φορά και την πρώτη φορά που παρουσιαζόταν αναπαράγονταν δύο φορές με μια μικρή παύση ανάμεσα στην πρώτη και δεύτερη ακρόαση. Στον ακροατή ζητούνταν να εντοπίσει τη θέση του ήχου για κάθε ένα από τα ερεθίσματα. Η απάντηση δινόταν με την επιλογή του κουμπιού, για το αζιμούθιο και την κλίση της φαινομενικής πηγής, Η επιλογή του χρήστη σημειωνόταν και παρέμενε ενεργή ως αναφορά μέχρι την επόμενη επιλογή. Στο χρήστη δινόταν η επιλογή να επαναλάβει την αναπαραγωγή κάθε ήχου απεριόριστο αριθμό φορών με την επιλογή «repeat». Διαδικασία Όπως αναφέρθηκε τα 15 binaural σήματα αναπαράγονταν τρεις φορές για τρεις παραλαγές αναπαραγωγής. Στην πρώτη φορά αναπαραγωγής, όλα τα σήματα οδηγούνταν στο πάνω ηχείο των ακουστικών, όπως δηλαδή κατά την διαδικασία αναζήτησης των HRTF. Οι απαντήσεις για αυτή τη μέθοδο θα χρησιμοποιήθηκαν ως αναφορά σύγκρισης με τις άλλες μεθόδους. Στη δεύτερη φορά αναπαραγωγής, όλα τα binaural σήματα που αφορούσαν θέσεις με θετικό αζιμούθιο (+30 ) αναπαράγοντάς από το πάνω ακουστικό ενώ όλα τα σήματα που αφορούσαν θέσεις στο horizontal plane ή κατω από αυτό αναπαράγονταν από τα κάτω ακουστικό. Στη Τρίτη φορά αναπαραγωγής, το ζευγάρι ακουστικών στρέφονταν προς τα πίσω, 90 γύρω από τον interaural axis. Στο σύστημά αυτό, τα binaural σήματα που αφορούσαν φαινομενικές πηγές πίσω από το frontal plane αναπαράγονταν από το «πίσω» ακουστικό ενώ οι φαινομενικές πηγές μπροστά από το frontal plane αναπαράγονταν από το «εμπρόσθιο» ακουστικό Ανάλυση Τα αποτελέσματα του πειράματος εντοπισμού αυτού επεξεργάστηκαν στη Matlab. Συγκεντρώθηκαν οι απαντήσεις για τα τρία είδη αναπαραγωγής και την επιλογή των συναρτήσεων μεταφοράς. Τα αποτελέσματα εξετάστηκαν για το κάθε ακροατή ξεχωριστά, αλλά και για όλους τους συμμετέχοντες μαζί, ώστε να οδηγήσουν σε γενικά συμπεράσματα, με την ομαδοποίηση των απαντήσεων όλων των συμμετεχόντων με τους ακόλουθους τρόπους: 1) Ποσοστά επιλογής της συνάρτηση μεταφοράς για το κριτήριο του front back confusion 2) Ποσοστά επιλογής της συνάρτηση μεταφοράς για το κριτήριο του up and down discrimination confusion

94 Υποκειμενικά Ακουστικά Πειράματα 94 3) Ακρίβεια εντοπισμού κατά την αναπαραγωγή μόνο με το πάνω ακουστικό. 4) Ακρίβεια εντοπισμού κατά την αναπαραγωγή με το πάνω ακουστικό ή κάτω ακουστικό ανάλογα με την κλίση της πηγής και ανεξάρτητα από το αζιμούθιο. 5) Ακρίβεια εντοπισμού κατά την αναπαραγωγή με το στραμμένο ακουστικό ανάλογα με θέση της πηγής και ανεξάρτητα από το κλίση. Επιλογή συνάρτησης μεταφοράς Παρουσιάζεται αρχικά η κατανομή των επιλογών των συναρτήσεων μεταφοράς για το σύνολο των υποκειμένων για τα δύο κριτήρια. Στην εικόνα παρουσιάζονται τα φίλτρα τα οποία επιλέχθηκαν τουλάχιστον δύο από τις τρείς φορές παρουσίασης. Ο συμβολισμός με «τετράγωνο» δηλώνει τις HRTF που επιλέχθηκαν για το Front/Back confusion και ο συμβολισμός με «x» δηλώνει τις HRTF που επιλέχθηκαν για το Up/Down discrimination. Εικόνα 4-13 Παρουσίαση των HRTF που επιλέχθηκαν τουλάχιστον δύο στις τρεις φορές από κάθε subject. «x» δηλώνει τις HRTF που επιλέχθηκαν για το Up/Down discrimination. «τετράγωνο» δηλώνει τις HRTF που επιλέχθηκαν για το Front/Back confusion. Στην Εικόνα 59 δεν παρατηρείται τουλάχιστον εκ πρώτης όψεως μια συστηματική προτίμηση των υποκειμένων για κάποιο σύνολο HRTF. Ίσως μόνον, τα φίλτρα με ID 7,9 και 10 να έχουν επιλεχθεί περισσότερες φορές. Στην εικόνα 60, παρουσιάζεται το ίδιο διάγραμμα κατανομής των απαντήσεων

95 Υποκειμενικά Ακουστικά Πειράματα 95 για τις δέκα HRTF, μόνο που αυτή τη φορά παρουσιάζονται μόνο οι HRTF που επιλέχθηκαν τρεις στις τρεις φορές για τα δύο κριτήρια. Εικόνα 4-14 Οι HRTF που επιλέχθηκαν και τις τρεις φορές από κάθε subject. «x» δηλώνει τις HRTF που επιλέχθηκαν για το Up/Down descrimination. «Tετράγωνο» δηλώνει τις HRTF που επιλέχθηκαν για το Front/Back confusion. Στην νέα απεικόνιση Εικόνα 4-14, γίνεται αμέσως αντιληπτός ένας διαχωρισμός των προτεινόμενων HRTF για τα δύο κριτήρια αξιολόγησης. Όπως φαίνεται οι HRTF ID 2,3,4,5 δεν επιλέχθηκαν καμία φορά (επιλογή και στις 3 φορές αναπαραγωγής) για το κριτήριο του Front Back confusion ενώ εμφανίζεται μια έντονη προτίμηση όσο αφορά το front back confusion στις συναρτήσεις με ID 7 και 9. Αίσθησή ακόμα προκαλεί το γεγονός, ότι στις πρώτες πέντε συναρτήσεις οι οποίες προέρχονται από τη βάση του CIPIC μόνο μία συνάρτησής μεταφοράς επιλέχθηκε από ένα μόνο subject για το κριτήριο του front back confusion. Για την σφαιρική αξιολόγηση των αποτελεσμάτων παραθέτονται δύο ραβδογράμματα που παρουσιάζουν το ποσοστό επιλογής της κάθε HRTF στο σύνολο των ακροατών. Στο πρώτο ραβδόγραμμα μια ΗRTF θεωρείται ότι έχει προτιμηθεί αν είχε επιλεχθεί τουλάχιστον δύο στις τρεις φόρες. Στο δεύτερο ραβδόγραμμα μια ΗRTF θεωρείται ότι έχει προτιμηθεί αν είχε επιλεχθεί και τις τρεις φόρες

96 Υποκειμενικά Ακουστικά Πειράματα 96 Εικόνα 4-15 Ραβδόγραμμα προτίμησης των HRTF για τα δύο κριτήρια στο σύνολο των ακροτάτων. Οι HRTF έχουν επιλεγεί τουλάχιστον δύο στις τρεις φορές στα δύο κριτήρια. Μαύρο χρώμα: ποσοστό επιλογής της HRTF από τα υποκείμενα για το F/B κριτήριο. Γκρι: ποσοστό επιλογής της HRTF για το U/D descrimination. Εικόνα 4-16 Ραβδόγραμμα προτίμησης των HRTF για τα δύο κριτήρια στο σύνολο των ακροτάτων. Οι HRTF έχουν επιλεγεί και στις τρεις φορές στα δύο κριτήρια. Μαύρο χρώμα: ποσοστό επιλογής για το F/B κριτήριο. Γκρι: ποσοστό επιλογής για το U/D descrimination.

97 Υποκειμενικά Ακουστικά Πειράματα 97 Από τα παραπάνω διαγράμματα παρατηρείται για το μη αυστηρό κριτήριο επιλογής (προτίμηση δύο στις τρεις) ότι σχεδόν το 70% των ακροατών προτίμησε τα φίλτρα 7 και 9 για Front back κριτήριο ενώ το φίλτρο 10 επιλέχθηκε από το 55%. Τα υπόλοιπα φίλτρα επιλέχθηκαν με μέση τιμή από το 37% των ακροατών. Όπως φαίνεται ακόμα και στο χαλαρό κριτήριο φαίνεται μια ξεκάθαρη προτίμηση των ακροατών για δύο από τις δέκα HRTF για οριζόντιο επίπεδο. Αντίθετα μια ανάλογη προτίμηση για το κριτήριο του Up and down descriminition δεν γίνεται εύκολα φανερή. Συγκεκριμένα τα φίλτρα 5,7 και 10 επιλέχθηκαν από το 55% των ακροατών ενώ τα υπόλοιπα επιλέχθηκαν από το 40% ± 5%. Αν και στο αυστηρό κριτήριο (επιλογή της HRTF και τις τρεις φορές) η έντονη προτίμηση των φίλτρων 7 και 9 από την πλειοψηφία των ακροατών για το οριζόντιο παραμένει, η κατανομή των προτιμήσεων των HRTF για την κλίση της πηγής., αλλάζει σημαντικά. Συγκεκριμένα, για το αυστηρό κριτήριο μια φανερή προτίμηση των φίλτρων 5 και 7 μπορεί να σημειωθεί (βλ. Εικόνα 4-16). Βέβαια αυτή η έντονη μεταβολή στις προτιμήσεις των ακροατών οφείλεται στην αδυναμία αυτών να τηρήσουν το αυστηρό κριτήριο. Όπως φαίνεται στην Εικόνα 4-14 τουλάχιστον το 50% των ακροατών δεν μπόρεσε να επιλέξει κάποια HRTF και τις τρεις φορές παρουσίασης για τις τρείς διαφορετικές αλληλουχίες binaural σημάτων. Πειράματα εντοπισμού Όσο αφορά τα αποτελέσματα στο πείραμα εντοπισμού για την εύκολή ερμηνεία των αποτελεσμάτων ανάλογα κριτήρια με αυτά της παραγράφου παραπάνωχρησιμοποιούνται. Τα κριτήρια αυτά είναι: A. Το ποσοστό των σωστόν αναγνωρίσεων ως προς το αζιμούθιο. Η κλίση δε λαμβάνεται υπόψιν. B. Το ποσοστό των σωστόν αναγνωρίσεων ως προς την κλίση και το αζιμούθιο. Absolute accuracy. C. Το ποσοστό των σωστόν αναγνωρίσεων σε ακρίβεια δύο επιπέδων. Τα επίπεδα αυτά είναι το μπροστά ή το πίσω από το frontal plane. Η κλίση δε λαμβάνεται υπόψιν. D. Το ποσοστό των σωστόν αναγνωρίσεων σε ακρίβεια δύο επιπέδων. Τα επίπεδα αυτά είναι το πάνω ή το κάτω από το horizontal plane. To αζιμούθιο δεν λαμβάνεται υπόψιν Για τις τρεις διαφορετικές ακροάσεις (αναπαραγωγή από το πάνω ακουστικό, από το πάνω ή κάτω ανάλογα την κλίσης της πηγής και από το πίσω η το μπροστά ανάλογα με το αζιμούθιο) υπολογίστηκαν τα ποσοστά των σωστών αναγνωρίσεων, των παραπάνω τεσσάρων κριτήριων για κάθε ακροατή. Τα αποτελέσματα παρουσιάζονται στη μορφή ραβδογραμμάτων στις Εικόνα 4-17, Εικόνα 4-18 και Εικόνα 4-19.

98 Υποκειμενικά Ακουστικά Πειράματα 98 Εικόνα 4-17 Κατανομή ποσοστού ορθής αναγνώρισης για τα κριτήρια A.B.C.D της θέσης της πηγής για αναπαραγωγή από το πάνω ηχείο Εικόνα 4-18 Ποσοστό ορθής αναγνώρισης για τα κριτήρια A.B.C.D.E για τους 20 ακροατές. Αναπαραγωγή από το πάνω ή κάτω ηχείο Εικόνα 4-19 Κατανομή ποσοστού ορθής αναγνώρισης για τα κριτήρια A.B.C.D της θέσης της πηγής για αναπαραγωγή από το πάνω ηχείο

99 Υποκειμενικά Ακουστικά Πειράματα 99 Παρατηρώντας τα τρία ραβδογράμματα γίνεται αμέσως αντιληπτή η δυσκολία αναγνώρισης της απόλυτης θέσης της φαινομενική πηγής (κριτήριο Β). Όπως φαίνεται στο πρώτο ραβδόγραμμα η πλειοψηφία των ακροατών αναγνωρίζει την απόλυτη θέσης της φαινομενικής πηγής σε ποσοστό 20% ακόμα φαίνεται ένας ακροατής (subject id 5) ο οποίος δεν αναγνώρισε σε κανένα από τα ηχητικά ερεθίσματα το σωστό αζιμούθιο και κλίση. Για το συγκεκριμένο ακροατή στην Εικόνα 4-14, φαίνεται ότι στη φάση επιλογής HRTF καμία από τις HRTF όσο αφορά το αζιμούθιο δεν επιλέχθηκε και τις 3 φόρες. Στο ίδιο ραβδόγραμμα κατά τη σύγκριση του συνόλου Α με του συνόλου D γίνεται φανερό ότι οι ακροατές συνάντησαν μικρότερη δυσκολία αναγνώρισης του αζιμούθιο της πηγής από την κλίσης της. Στο δεύτερο ραβδόγραμμα που αφορά τα ποσοστά για την αναπαραγωγή από το «πάνω ή κάτω ηχείο», εμφανίζετε μια μικρή βελτίωση στην αναγνώριση της απόλυτης θέση της πηγής στο σύνολο των ακροατών. Εντύπωση παρουσιάζει ότι ο ακροατής Subject id 5 στη σύνθεση αυτή αναγνώρισε το 20% της θέσης των ήχων το οποίο αποτελεί μια σημαντική βελτίωση. Αντίθετα το ακροατή με Subject id 17 δυσκολεύτηκε περισσότερο στην αναγνώριση της πηγής σε σχέση με την πρώτη υλοποίηση. Συγκριμένα την πρώτη φορά αναγνώρισε το 53% των πηγών ενώ στη δεύτερη υλοποίηση μόνο το 23% αυτή η μείωση οφείλεται στην μείωση της ακρίβειας όσο αφορά το αζιμούθιο. Στο δεύτερο ραβδόγραμμα φαίνεται ακόμα ότι η μέση τιμή των σωστών αναγνωρίσεων της κλίσης της πηγής ανεξάρτητα από το αζιμούθιο αυτής, βελτιώνεται στην πλειοψηφία των ακροατών (κριτήριο D). Όμως η διακριτική ικανότητα αντίληψης του αζιμούθιου μειώνεται για το μισό πληθυσμό. Το τρίτο ραβδόγραμμα αφορά τα ποσοστά για την αναπαραγωγή από το «πίσω ή μπροστά ηχείο». Στο ραβδόγραμμα αυτό εμφανίζεται βελτίωση στην αντίληψη του αζιμούθιο της πηγής στο 55% των συμμετέχοντων ως προς την πρώτη υλοποίηση και στο 85% για το «χαλάρο» front back κριτήριο. Επιπλέον εμφανίζεται βελτίωση και ως προ της απολυτή θέση της πηγής βέβαια η αύξηση αυτή είναι μικρότερη από την αύξηση που παρατηρείται στην δεύτερη υλοποίηση. Συνολικά παραθέτουμε στον Πίνακας 4-5 την ποσοστιαία αύξηση των σωστών αναγνωρίσεων για τους είκοσι ακροατές, για τα τέσσερα κριτήρια μεταξύ της πρώτης και δεύτερης ακρόασης, της πρώτης με την τρίτη και την τρίτη με τη δεύτερη.

100 Υποκειμενικά Ακουστικά Πειράματα 100 Πίνακας 4-5 Ποσοστά βελτίωσης για τα 4 κριτήρια μεταξύ των τριών υλοποιήσεων για τους 20 ακροατές. Πίνακας 4-6 Συντελεστής αυτοσυσχέτισης μεταξύ των ποσοστών βελτίωσης για τα 4 κριτήρια για τις δύο υλοποιήσεις και του αριθμού των επιλεγμένων HRTF για το κριτήριο «front back confusion» του «up and down discrimination» και το άθροισμά αυτών.

101 Υποκειμενικά Ακουστικά Πειράματα 101 Από τον Πίνακα 4-7 προκύπτει τα συμπεράσματα βάση των συντελεστών αυτοσυσχέτισης: Το ποσοστό αναγνώρισης της απόλυτης θέσης της πηγής σχετίζεται το ίδιο με το ποσοστό αναγνώρισης της θέσης ως προς το αζιμούθιο και τη κλίσης της πηγής στη δεύτερη αναπαραγωγή Το ποσοστό αναγνώρισης της απόλυτης θέσης της πηγής σχετίζεται περισσότερο με το ποσοστό αναγνώρισης της θέσης ως προς το αζιμούθιο και λιγότερο με το ποσοστό αναγνώρισης της κλίσης της πηγής στη τρίτη αναπαραγωγή Η αναγνώρισης της θέσης της κλίσης της πηγής εμφανίζει μικρό και αδύναμο συσχετισμό με την αναγνώριση του αζιμούθιου της πηγής και στις δύο αναπαραγωγές. Παρατηρείται αρνητικό συντελεστής αυτοσυχέτισης μεταξύ του αριθμού των επιλεγμένων HRTF για το κριτήριο του U/D discrimination και του ποσοστού αναγνώρισης της κλίσης της πηγής. Πρακτικά, οι ακροατές που επέλεξαν πολλαπλές HRTF για το U/D discrimination εμφάνισαν μικρότερα ποσοστά αναγνώρισης για το κριτήριο αυτό κυρίως στη δεύτερη αναπαραγωγή. Στο ραβδόγραμμα στην Εικόνα 4-20 εμφανίζονται τα συνολικά αποτελέσματα στο σύνολο των ακροατών. Όπως φαίνεται η απόλυτη ακρίβεια στον εντοπισμό της θέσης της πηγής βελτιώνεται 11% και 12,6% με τις υλοποιήσεις 2 και 3. Ενώ η αναπαραγωγή από το πάνω η το κάτω ηχείο ανάλογα με τη κλίση της πηγής βελτιώνει την ικανότητα προσδιορισμού της κλίσης της πηγής αλλά επιδεινώνει την ικανότητα αντίληψης όσο αφορά το αζιμούθιο της πηγής. Ανάλογα η αναπαραγωγή από το πίσω ή το μπροστά ηχείο ανάλογα με αζιμούθιο της πηγής εμφανίζει σημαντική βελτίωση (αύξηση στην απόδοση 17%) στην ικανότητα προσδιορισμού της θέσης της πηγής στο οριζόντιο επίπεδο αλλά επιδεινώνει την ακρίβεια όσο αφορά τη θέση της κλίση της πηγής.

102 Υποκειμενικά Ακουστικά Πειράματα 102 Εικόνα 4-20 Μέσο ποσοστό ορθής αναγνώρισης