Assessment of sound spatialisation algorithms for sonic rendering with headsets
RWTH Aachen University(亚琛工业大学);Universidad EAFIT(EAFIT大学)
给定输入声音信号和目标虚拟声源,声音空间化算法操纵信号,使得收听者感知到它就好像它是从目标源发出的一样。存在几种已建立的空间化方法,其在扬声器用于回放操纵信号时提供令人满意的结果。由于耳机具有许多扬声器所需的特性,例如便携性,与周围环境的隔离,成本和易用性,因此探索如何通过它们传达声学空间感是有趣的。本文首先调查传统的空间化方法打算扬声器,然后审查他们的适应性耳机。
2017-11-25 cs.SD eess.AS
Model-based estimation of in-car-communication feedback applied to speech zone detection
Cerence GmbH(赛轮思有限公司);University of Oldenburg(奥尔登堡大学);Aalborg University(奥尔堡大学)
现代汽车提供了多功能的工具来增强语音通信。虽然车内通信(ICC)系统旨在通过经由车内的扬声器回放期望的语音来增强乘客之间的通信,但是这些扬声器信号可能干扰免提电话和自动语音识别所需的语音增强系统。在本文中,我们重点关注语音区域检测,即检测车内哪位乘客正在说话,这是语音增强系统的重要组成部分。我们提出了一种基于模型的反馈估计方法,以提高对ICC反馈的语音区域检测的鲁棒性。具体地,由于区域检测系统通常不能访问ICC扬声器信号,因此所提出的方法基于扬声器与麦克风之间的自由场传播模型以及ICC增益来从观察到的麦克风信号估计反馈信号。我们提出了一种使用卷积传递函数的短时傅里叶变换域中的高效递归实现。一个现实的仿真研究表明,所提出的方法允许增加约6dB的ICC增益,同时仍然实现强大的语音区域检测结果。
2022-10-07 cs.SD eess.AS
Speaker Placement Agnosticism: Improving the Distance-based Amplitude Panning Algorithm
University of California, San Diego(加利福尼亚大学圣迭戈分校)
洛修斯等al介绍了基于距离的幅度平移算法(DBAP),以实现艺术和科学背景下扬声器放置的灵活性。该算法允许2D平面中的任意扬声器位置,使得虚拟声源可以导航2D空间。每个扬声器的增益计算为源到每个扬声器的距离的函数,从而创建声场。这给听众的印象是一个源移动通过扬声器的领域。本文介绍了一个开发的DBAP强大的变化,纠正错误的假设,在实施Lossius。具体而言,本文开发了一种方法,用于扬声器领域外的声源,其中Lossius版本产生失真的听觉印象和各种扬声器的增益中的空间不连续性引起的剧烈波动的幅度。在平滑虚拟源的空间印象中,我们还能够完全消除凸包的计算,这是原始实现的必要组成部分。这大大简化和减少了二维或三维空间所需的计算。
2021-09-17 cs.SD eess.AS
A Distributed Algorithm for Personal Sound Zones Systems
本文提出一种用于个人声区系统的高效分布式算法,通过将计算负担分散到多个节点并降低整体复杂度,解决了多通道自适应算法的高计算负荷问题,其代价是性能略有下降。
2023-11-21 eess.AS
Design, analysis, and experimental validation of a stepped plate parametric array loudspeaker
Department of Mechanical Engineering, Pohang University of Science and Technology(机械工程系,坡桑大学科学技术院)
本研究提出并验证了阶梯板参量阵列扬声器(SPPAL),通过集成建模与实验优化其双共振和低频性能,并识别组合共振现象,为紧凑高效参量扬声器设计提供指导。
2025-04-29 cs.SD eess.AS physics.app-ph
Data-driven 3D Room Geometry Inference with a Linear Loudspeaker Array and a Single Microphone
Fraunhofer Institute for Integrated Circuits IIS(弗劳恩霍夫集成电路研究所);International Audio Laboratories Erlangen(埃尔朗根国际音频实验室)
本文针对房间几何结构推断问题,提出一种结合Radon变换与CRNN的数据驱动三维RGI方法,使用线性扬声器阵列与单传声器的RIR,实现了与基线模型驱动方法相当的精度,提供了统一全自动的推断框架。
2023-08-28 cs.SD eess.AS
Spatial resolution of late reverberation in virtual acoustic environments
Carl von Ossietzky Universität Oldenburg(卡尔·冯·奥西茨基大学奥尔登堡分校)
后期混响涉及许多声音反射的叠加,导致扩散声场。由于个体漫反射的空间分辨感知是不可能的,因此可以潜在地进行简化以在具有降低的空间分辨率的室内声学模拟中对后期混响进行建模。这种简化是交互式的,实时的虚拟声学环境与听力研究中的应用程序和听力支持设备的评估所需的。在这种情况下,用于回放的扬声器的数量和空间布置另外影响空间分辨率。当前的研究评估了感知上近似空间高分辨率的各向同性和各向异性后期混响以及技术上近似球形各向同性扩散声场所需的空间均匀分布的虚拟后期混响源的最小数量。通过在消声室中使用86通道球形扬声器阵列的扬声器子集,系统地降低了渲染的空间分辨率。测试了听众是否可以区分较低的空间分辨率渲染后期混响从最高可实现的空间分辨率在不同的模拟房间。早期反射的渲染保持固定。评估了在耳朵和耳后听力设备距离处的一对麦克风上的声场的相干性,以分离虚拟源的数量和扬声器阵列几何形状的影响。结果表明,需要12至24个混响源。
2021-06-30 cs.SD eess.AS
A k-space approach to modeling multi-channel parametric array loudspeaker systems
Key Laboratory of Modern Acoustics(现代声学关键实验室);Institute of Acoustics, Nanjing University(南京大学声学研究所);Acoustics, National Institute of Metrology(声学,国家计量院);Graduate Program in Acoustics, College of Engineering, The Pennsylvania State University(声学研究生项目,工程学院,宾夕法尼亚州立大学)
针对多通道参量阵扬声器声场预测效率低、精度难保障的问题,提出一种k空间建模方法,结合角谱法与三维快速傅里叶变换,在不依赖傍轴近似的前提下实现超四个数量级的速度提升,为相关系统的仿真与设计提供支撑。
2025-07-30 cs.SD eess.AS
Localizing Acoustic Energy in Sound Field Synthesis by Directionally Weighted Exterior Radiation Suppression
The University of Tokyo(东京大学);National Institute of Informatics(国立情报学研究所)
本文提出方向加权外部辐射表示并纳入声场合成优化,在扬声器数量有限时优先抑制指定方向的外部辐射,同时保持较高内部合成精度。
2024-01-11 cs.SD eess.AS
Discriminate natural versus loudspeaker emitted speech
Technicolor Research & Innovation(汤姆逊研究与创新部);Eurecom(欧洲通信学院)
在这项工作中,我们解决了一个新的,但可能出现的问题,歧视的自然人的声音和播放的任何类型的音频设备的上下文中与内部语音用户界面。所解决的问题可以在以下方面找到相关应用:(1)语音接口(如Amazon Echo,Google Home,Facebook Portal等)的远场语音交互,以及(2)重播欺骗攻击检测。扬声器发出的语音的检测将有助于避免错误唤醒或与第一个应用程序中的设备的意外交互,同时消除涉及重放从第二个应用程序中的注册扬声器收集的录音的攻击。首先,我们在良好控制的条件下收集一个真实世界的数据集,其中包含两类:由许多人直接说出的记录语音(被认为是自然语音),以及从各种扬声器播放的记录语音(被认为是扬声器发出的语音)。然后,从这个数据集,我们建立基于深度神经网络(DNN)的预测模型,其中考虑了音频特征的不同组合。实验结果证实了该任务的可行性,其中从SoundNet和VGGish网络提取的音频嵌入的组合产生的分类准确率高达约90%。
2019-02-17 cs.SD eess.AS
Evaluation of Headrest-Integrated Loudspeakers for Enhanced Spatial Audio Immersion in Automotive Cabins
Dolby Germany GmbH, Nürnberg, Germany(德国杜比公司,纽伦堡)
通过配对比较实验和Bradley-Terry-Luce模型,评估头枕集成扬声器对沉浸式音频感知的改善效果。
2026-06-24 cs.SD eess.AS
Deep Learning-Based Approach for Identification and Compensation of Nonlinear Distortions in Parametric Array Loudspeakers
Key Laboratory of Modern Acoustics, Nanjing University(南京大学现代声学重点实验室);NJU-Horizon Intelligent Audio Lab, Horizon Robotics(南京大学-Horizon智能音频实验室)
本文首次引入深度学习方法,利用WaveNet前馈变体识别并补偿参量阵扬声器(PAL)的非线性失真,实验表明其总谐波失真和互调失真平均降至4.55%和2.47%,显著优于传统Volterra滤波器方法。
2024-12-02 cs.SD cs.SY eess.AS
Spatial Reverberation and Dereverberation using an Acoustic Multiple-Input Multiple-Output System
Ben-Gurion University of the Negev(内盖夫本-古里安大学)
本文提出利用包含球形麦克风阵列和球形扬声器阵列的声学多输入多输出系统,通过优化清晰度与直达混响声比来修改房间声场混响特性,并在仿真与听音实验中验证了混响与去混盲效果及对系统辨识误差的鲁棒性。
2024-01-07 cs.SD eess.AS
Modal smoothing for analysis of room reflections measured with spherical microphone and loudspeaker arrays
Ben Gurion University of the Negev(内盖夫本·古里安大学)
本文提出模态平滑方法,利用球面麦克风与扬声器阵列组成的多输入多输出系统的额外空间多样性恢复互谱矩阵秩,解决多重信号分类算法在房间反射相关时失效的问题,并能估计具有相等时间延迟的反射方向。
2024-01-07 cs.SD eess.AS
Isolation performance metrics for personal sound zone reproduction systems
本文提出区间隔离(IZI)和节目间隔离(IPI)两种指标,用于评估个人声区系统,分别量化声区与节目隔离,适用于不同场景,并通过仿真验证其应用。
2022-09-22 eess.AS
Signal-Adaptive and Perceptually Optimized Sound Zones with Variable Span Trade-Off Filters
创建声音区域一直是一个活跃的研究领域,因为这个想法是第一次提出。到目前为止,大多数声音区域控制方法依赖于物理度量(诸如声学对比度和信号失真)的优化或期望声场的模式分解。通过使用这些类型的方法,在实际设置中已经报告了目标区域中的再现声场与其到其它区域的泄漏之间的大约15dB的声学对比度,但是这通常不足以满足区域内的人。在本文中,我们提出了一个健全的区域控制方法成形泄漏错误,使他们尽可能听不见给定的声学对比度。当计算扬声器控制滤波器时,通过考虑时变输入信号特性和人类听觉系统来执行泄漏误差的整形。我们展示了如何使用可变跨度权衡滤波器进行这种整形,我们从理论上展示了这些滤波器如何用于在目标区域进行声学对比度的交易信号失真。所提出的方法进行评估的基础上的物理指标,如声学对比度和感知指标,如STOI。不同的系统设置所提出的方法的计算复杂度和处理时间也进行了研究。最后,报告了MUSHRA听力测试的结果。测试结果表明,该方法提供了超过20%的感知改善相比,现有的声音区域控制方法。
2020-08-04 eess.AS
Zones of quiet in a broadband diffuse sound field
本研究基于宽带扩散声场时空相关性的最新成果,构建了预测宽带扩散声场静区扩展的理论框架,推导了次级声源近远场静区,并通过仿真验证了低通噪声静区与中心频率纯音静区近似相当的结论,可用于分析局部有源声控的声学限制。
2023-10-06 eess.AS
Stereo Audio Rendering for Personal Sound Zones Using a Binaural Spatially Adaptive Neural Network (BSANN)
Princeton University(普林斯顿大学)
本文提出使用BSANN生成耳部优化的扬声器滤波器,以实现多听众独立的立体声音频渲染,提升空间感知和声学准确性。
2026-01-10 cs.SD eess.AS
Towards Maximizing a Perceptual Sweet Spot
Pontificia Universidad Católica de Chile(智利天主教大学);Institute for Mathematical and Computational Engineering(数学与计算工程研究所);Music Institute(音乐研究所)
甜蜜点可以解释为声源产生空间听觉错觉的区域。我们研究的问题时,最大限度地提高这个甜蜜点再现所需的声波使用扬声器阵列。为了实现这一目标,我们引入了一个理论框架,空间声音感知,可用于定义一个甜蜜点,我们开发了一种方法,旨在生成一个声波,直接最大限度地提高甜蜜点定义的模型在这个框架内。我们的方法旨在从一开始就结合感知原理,并且是灵活的:虽然它对感兴趣的区域、扬声器的布置或其辐射模式几乎没有限制,但它允许包括最先进的单声道感知模型的音频感知模型。概念验证实验表明,我们的方法优于国家的最先进的方法时,比较他们的本地化和着色属性。
2022-05-04 cs.SD eess.AS q-bio.NC
On the Conditioning of the Spherical Harmonic Matrix for Spatial Audio Applications
在本文中,我们试图研究球谐矩阵(SHM),这是广泛使用的离散,有限阶正交声场表示的条件。SHM已被广泛用于音频应用,如使用扬声器的空间声音再现、头部相关传递函数(HRTF)的正交表示等。SHM的调节行为取决于在3D空间中选择的采样位置。在连续3D空间中识别最佳采样点,导致任何数量的采样点的良好条件SHM是一项极具挑战性的任务。在这项工作中,已尝试解决上述问题的离散版本,使用基于优化的技术。离散问题是从三维空间的一组密集采样位置中确定最佳采样点,使SHM的条件数最小化。该方法已被用于识别扬声器的几何形状在空间声音再现,并在选择的空间采样配置的HRTF测量。应用程序的具体要求已制定为优化问题的附加约束。最近开发的混合整数优化求解器已被用于解决制定的问题。在每个应用程序中获得的采样位置的性能与现有的配置进行比较。客观的措施,如条件数,D-措施,和频谱失真被用来研究所提出的和现有的方法所产生的采样配置的性能。据观察,所提出的解决方案是能够找到的采样点,结果在一个更好的条件SHM,也保持了所有的应用程序的具体要求。
2018-03-05 eess.AS
Some clues to build a sound analysis relevant to hearing
ENS Louis-Lumière(国立路易·卢米埃尔高等学院)
本文讨论了不同声音分析工具的假设与限制,提出了一种通用且以听觉为最终参考的分析工具,并展望了其在重新审视声音定义方面的应用。
2024-01-04 cs.SD eess.AS
SANN-PSZ: Spatially Adaptive Neural Network for Head-Tracked Personal Sound Zones
本研究提出SANN-PSZ深度学习框架,通过输入头部坐标输出个人声区滤波器系数,经不同数据训练后在声隔离度、伪影、压缩率和效率上均优于传统方法,适配头部追踪的实时个人声区渲染。
2024-11-01 eess.AS
Cocktails, but no party: multipath-enabled private audio
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
我们描述了一个私人的音频消息系统,使用回声来解读消息在几个预定的位置在一个房间。该系统的工作原理是将音频分成短块,并从不同的扬声器发出。这些信息块经过过滤,当它们在房间里回荡时,除了在少数几个选定的聚焦点上,它们在任何地方都是噪音,而这些聚焦点恰好再现了预期的信息。与标准个人音频区域的情况不同,所提出的方法使聚焦点之外的声音难以理解。我们的方法基本上取决于回声:房间作为一个混合系统,以便在给定的点,我们得到所需的输出。最后,我们只需要一个适度数量的扬声器和只有几个脉冲响应测量点的消息应该被传递。我们证明了所提出的方法的有效性,通过客观的定量指标以及非正式的听力实验在一个真实的房间。
2018-09-16 cs.SD eess.AS
Neighbor-Consistent Neural Filters for Robust Personal Sound Zones Under Localization Uncertainty
Princeton University(普林斯顿大学);D Audio and Applied Acoustics (3D3A) Laboratory, Princeton University(普林斯顿大学三维音频与应用声学(3D3A)实验室)
本文提出了一种邻居一致的神经滤波器,通过在训练过程中惩罚随机扰动的邻近坐标之间的滤波器差异,来正则化坐标到滤波器的映射,从而在定位不确定性下提高个人声音区域的鲁棒性。
2026-05-21 eess.AS
Effect of acoustic scene complexity and visual scene representation on auditory perception in virtual audio-visual environments
在日常生活中,社会交往和声学交流经常发生在复杂的声学环境中,其中存在各种干扰声和混响。对于听力研究和听力系统的评估,使用虚拟现实技术的模拟CAE在生态有效性的背景下获得了兴趣。在目前的研究中,场景的复杂性和视觉表示的场景上的心理声学措施,如声源位置,距离感知,响度,语音清晰度,并在虚拟视听环境中的听力努力的影响进行了研究。使用三维86通道扬声器阵列来呈现声场,结合或不结合头戴式显示器(HMD)来创建场景的沉浸式立体视觉表示。该场景由八个(虚拟)扬声器组成的一个环,在几个空间条件下播放目标语音刺激和无意义语音播放器。无论是无回声(下雪的户外风景)或回声环境(阁楼公寓)的混响时间(T60)约为1.5秒的模拟。除了不同数量的干扰者,场景的复杂性是不同的,通过评估的心理声学措施,在孤立的连续测量或同时。结果显示佩戴HMD对数据没有显著影响。响度和距离知觉表现出显着不同的结果时,他们被同时测量,而不是连续孤立。所建议的设置的优点在于,它可以直接转移到相应的真实房间,从而能够在真实和虚拟环境中对感知实验进行1:1的比较和验证。
2021-11-07 cs.SD eess.AS
Supervised Learning for Multi Zone Sound Field Reproduction under Harsh Environmental Conditions
Technical University Berlin(柏林工业大学)
本文提出了一种基于监督学习的多区域声场再现方法。传统的多区域声场再现方法假设声音的速度恒定,忽略了风和温度分层等非线性效应。我们将展示如何使用传递函数的监督学习来克服这些限制。通过声学对比度和再现误差来衡量解决方案的质量。我们的研究结果表明,对于所选的设置,即使风速相对较小,当在训练模型中考虑风时,声学对比度和再现误差也可以提高高达16 dB。
2021-12-14 cs.SD eess.AS physics.flu-dyn
Theory and investigation of acoustic multiple-input multiple-output systems based on spherical arrays in a room
Ben Gurion University of the Negev(内盖夫本-古里安大学);University of Music and Performing Arts, Graz(格拉茨音乐与表演艺术大学)
本文提出基于球形扬声器和麦克风阵列的MIMO系统理论框架,用于封闭声场空间分析,证明系统在自由场下秩为1,推广至房间后秩与显著反射数相关,并通过仿真和反射分析验证了理论。
2024-01-07 cs.SD eess.AS
Sound Zone Control Robust To Sound Speed Change
Aalborg University(奥尔堡大学)
针对声速变化导致声场控制滤波器失效的问题,提出SICER模型校正脉冲响应,并结合VAST框架,显著提升了声学对比度并减少信号失真。
2024-10-10 cs.SD eess.AS
Robust Fixed-Filter Sound Zone Control with Audio-Based Position Tracking
本文提出一种基于音频位置跟踪和字典方法的鲁棒声场控制系统,通过实时更新固定滤波器适应听者移动,仿真验证了其在字典覆盖完整时最优,部分覆盖时仍优于传统方案。
2025-01-20 eess.AS eess.SP
Decomposing the Influence of Physical Acoustic Modeling on Neural Personal Sound Zone Rendering: An Ablation Study
Princeton University(普林斯顿大学)
本文通过消融研究,分析了物理声学建模对神经个人声音区域渲染的影响,发现RS-HRTF在双耳分离中表现最佳,FR提供频谱校准,DIR提供最稳定的声区分离效果。
2026-03-03 cs.SD eess.AS eess.SP
Personal Sound Zones and Shielded Localized Communication through Active Acoustic Control
Institute of Mathematical Sciences, University of the Philippines Los Baños(菲律宾大学洛斯巴诺斯分校数学科学研究所);University of Houston(休斯顿大学)
本文提出操控辐射标量亥姆霍兹场策略的时域扩展,基于近乎无辐射耦合源阵列控制声场的理论,通过傅里叶合成方法实现时域效应,在个人声区创建与屏蔽式局域通信场景中经仿真验证了性能。
2024-11-30 cs.NA cs.SD eess.AS
Online Single-Channel Audio-Based Sound Speed Estimation for Robust Multi-Channel Audio Control
本文提出一种在线声音速度估计方法,利用单个麦克风在多通道音频播放中估计声音速度,以提升空间音频控制的鲁棒性。
2026-05-12 cs.SD eess.AS
An accurate measurement of parametric array using a spurious sound filter topologically equivalent to a half-wavelength resonator
Department of Mechanical Engineering, Pohang University of Science and Technology(理工学院机械工程系,釜山科学技术大学);Department of Chemical Engineering, Pohang University of Science and Technology(理工学院化学工程系,釜山科学技术大学);Department of Electrical Engineering, Pohang University of Science and Technology(理工学院电气工程系,釜山科学技术大学);POSCO-POSTECH-RIST Convergence Research Center for Flat Optics and Metaphotonics(POSCO-POSTECH-RIST超平光学与超光子学融合研究中心)
针对参量阵测量中杂散超声干扰问题,提出一种基于半波长谐振器拓扑的3D打印声学滤波器,利用节面抑制40/60 kHz杂散声,实现约60 dB衰减,提升测量精度与可靠性。
2025-07-02 cs.SD eess.AS physics.app-ph
Spheroidal Ambisonics: a Spatial Audio Framework Using Spheroidal Bases
University of Maryland(马里兰大学)
高保真度立体声响复制是一种基于其球谐表示来捕获、处理和再现空间声场的既定框架。我们提出了一个概括的传统球形立体混响的球形坐标系和球形麦克风阵列,它表示通过球形波函数的声场。这个框架被称为球面立体混响和制定的情况下,长椭球坐标。球形立体混响允许使用球形麦克风阵列对声场进行分析编码。此外,为了保证与现有的球形立体混响生态系统的兼容性,推导了从球形立体混响到球形立体混响的解析转换公式。数值实验验证了球面立体混响编码和转码时,用于空间声场记录。研究发现,从转码系数重建的声场具有准确重建的区域,该区域朝向长椭球麦克风阵列的长轴延伸。
2021-03-09 cs.SD eess.AS
UltrasonicSpheres: Localized, Multi-Channel Sound Spheres Using Off-the-Shelf Speakers and Earables
Karlsruhe Institute of Technology(卡尔斯鲁厄理工大学)
UltrasonicSpheres 利用超声载波将多声道局部音频广播至声学透明耳机,实现无需配对和跟踪的个性化空间音频传递,且不影响未佩戴耳机的旁人。
2025-07-05 cs.HC cs.SD eess.AS