선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 비개인화 된 HRTF DB를 이용한헤드폰 기반의 입체음향 재생 시스템에서 앞/뒤 방향의 음상정위 혼돈을 개선하기 위한 방법을 제안하였다. 먼저 기존의 알고리즘에서 혼돈 방향의 HRTF의 스펙트럼 차에 대한 분석을 수행하고, 이를 토대로 스펙트럼 차를 원래의 스펙트럼에 적절히 반영하여 HRTF를 수정하는 방식을 사용하였다.
제안 방법
- 기존 알고리즘의 분석을 바탕으로 하여 혼돈을일으키는 방향의 HRTF 쌍의 유사 성분을 제거하고 해당 방향의 스펙트럼 특성을 확인하기 위해 두 DB의 스펙트럼 차를 분석하였다. 먼저 식 (3)과 같이 정위시킬 방향 p의 HRTF인 HRTF、(f)와 앞/뒤 쌍을 이루는 대칭 방향의 HRTF인 HRTFsm而와의 크기 차 DIFFM)를 분석하였다.
- 이러한 급격한 변화는 모노 음원과의 컨볼루션 과정에서 특정 주파수 성분이 과다하게 부각되어 음색이 듣기에 힘들 정도로 변하게 된다. 따라서 스펙트럼의 차가 0보다 큰 경우에는 지수형태가 아닌 갈수록 완만한 증가 추세를 보이는 로그함수를 통해그 변화율을 낮추고 특정 구간의 갑작스러운 변화가 아닌 주위 값들과 완만한 변화를 주도록 하였다. 그림 7(a) 에 실선은 고도 0도, 방위각 0도와 180도의 HRTF 스펙트럼 차 DIFFo(f)를 나타내며, 점선은 식 (4)의 방법으로 만든 가중치 함수를 나타내고있다.
- 이는 특정 주파수 대역이 앞/뒤의 방향지각에 영향을 미치는 스펙트럼 단서가 됨을 보여준다. 따라서 이러한 스펙트럼 특성을 원래의 스펙트럼에 반영하기 위해 식 (4) 와 같은 방식으로 HRTF-S- 수정하였다.
- 먼저 기존의 알고리즘에서 혼돈 방향의 HRTF의 스펙트럼 차에 대한 분석을 수행하고, 이를 토대로 스펙트럼 차를 원래의 스펙트럼에 적절히 반영하여 HRTF를 수정하는 방식을 사용하였다. 성능평가 실험에서 제안한 방법이 기존의 알고리즘중 비교적 양호한 특성을 나타내는 대역별 가중치방법보다 개선된 성능을 보였다.
- 스펙트럼 차를 분석하였다. 먼저 식 (3)과 같이 정위시킬 방향 p의 HRTF인 HRTF、(f)와 앞/뒤 쌍을 이루는 대칭 방향의 HRTF인 HRTFsm而와의 크기 차 DIFFM)를 분석하였다.
- 비교대상은 단순한 HRTF 필터링, 앞에서 소개한 기존 알고리즘들 가운데 가장 양호한 성능을 보이는 대역별로 가중치를 주는 방식, 그리고 제안한 알고리즘으로 하였다. 평가방법은 웹에 공개되어 있는 MIT HRTF DB와 CIPIC HRTF DB 각각에 대해 잔향을 준 경우와 그렇지 않은 경우로 나누어 실험하였으며, 07180°, 307150°, 607120°의 3가지 방향에 대해 실험하였다.
- 입력 음원으로는 표 2와 같이 백색잡음, 음성, 효과음(총소리) 3가지를 사용하였다. 앞에서 말한 3가지 방법에 따라 생성된 잎7뒤 방향의 입체음향 3가지를 들려 준 뒤 앞/뒤 각각의 방향감이 개선되는 정도를 순위로 나타내도록 하였다. 그림 8은 각 DB에 대해 수행한 실험의 결과를 보여주고 있다.
- 귀에 도달한다. 이렇게 음원과 청취자 사이의 공간적 특성을 포괄적으로 나타내는 HRTF는 음이 두 귀에 입사하는 여러 각도에 대해 각각 시간 영역에서의 임펄스 응답을 측정한 HRIR(Head Related Impulse Response) DB 형태로 만들어져 사용된다 본 논문에서는 인터넷상에 공개되어 있는 MIT HRTF D* B와 CIPIC HRTF DB[5'6|< 사용하였는데, 표 1은 MIT HRTF DB 와 CIPIC HRTF DB 의 특징을 비교하여 나타내었다.
- 몇 가지로 요약될 수 있다. 첫번째 알고리즘으로 앞/뒤의 방향지각을 위한 스펙트럼 단서가 특정 주파수 대역에 있다는 심리음향의 연구 결과를 바탕으로 주어진 HRTF DB에서 대역별로 증폭/감쇄를 달리해 주는 방법이 있다叫 그림 4와 같이 HRTF를 5개의 주파수 대역으로 분할하여 각 주파수 대역에 대하여 대역통과 필터링을 하게 된다. 필터링 과정은 원래의 HRTF가 4개의 대역통과필터와 1개의 고역통과필터가 각각 병렬로 구성된 필터뱅크를 통과하고 그 출력이 합해지게 된다.
- 비교대상은 단순한 HRTF 필터링, 앞에서 소개한 기존 알고리즘들 가운데 가장 양호한 성능을 보이는 대역별로 가중치를 주는 방식, 그리고 제안한 알고리즘으로 하였다. 평가방법은 웹에 공개되어 있는 MIT HRTF DB와 CIPIC HRTF DB 각각에 대해 잔향을 준 경우와 그렇지 않은 경우로 나누어 실험하였으며, 07180°, 307150°, 607120°의 3가지 방향에 대해 실험하였다. 입력 음원으로는 표 2와 같이 백색잡음, 음성, 효과음(총소리) 3가지를 사용하였다.
대상 데이터
- 평가방법은 웹에 공개되어 있는 MIT HRTF DB와 CIPIC HRTF DB 각각에 대해 잔향을 준 경우와 그렇지 않은 경우로 나누어 실험하였으며, 07180°, 307150°, 607120°의 3가지 방향에 대해 실험하였다. 입력 음원으로는 표 2와 같이 백색잡음, 음성, 효과음(총소리) 3가지를 사용하였다. 앞에서 말한 3가지 방법에 따라 생성된 잎7뒤 방향의 입체음향 3가지를 들려 준 뒤 앞/뒤 각각의 방향감이 개선되는 정도를 순위로 나타내도록 하였다.
- 제안된 알고리즘의 성능을 평가하기 위해 비전문가 6명을 대상으로 청감평가를 실시하였다. 비교대상은 단순한 HRTF 필터링, 앞에서 소개한 기존 알고리즘들 가운데 가장 양호한 성능을 보이는 대역별로 가중치를 주는 방식, 그리고 제안한 알고리즘으로 하였다.
성능/효과
- 음질의 변화에 대해서는 반응의 차이가 있었으나 제안한 방법이 MTT 및 CIPIC 두 DB 에서 앞쪽 방향감 개선의 효과가 제일 큰 것으로 나타났다. 뒤쪽 방향의 방향감 개선에 대해서는 측면각도에 대해서 필터뱅크에 의한 방식이 제안한 방식보다 다소 구분이 용이한 것으로 나타났다. 그러나 잔향이 첨가되면서 그 차이가 조금씩 줄어드는 것을 볼 수 있다.
- 특히 헤드폰을 통해 다채널 입체음향을 재생하는 경우 앞/뒤 방향 채널의 음상이 제대로 구별되지 않아 입체감을 떨어뜨리게 된다 각 청취자 자신의 HRTF 를 측정하여 사용한다면 문제는 해결될 수 있겠지만, 모든 방향에 대한 HRTF를 개인마다 측정하고 이를 DB화 흐]는 것은 현실적으로 불가능하다. 따라서, 본 논문에서는 잎/뒤 음상정위의 혼돈을 개선하기 위해 스펙트럼 단서를 부각시키는 기존의 알고리즘을 분석하고 이를 토대로 혼돈 방향의 HRTF의차이 성분을 이용하여 스펙트럼 특성을 강조하는 방법을 제안하고 청감평가 실험을 통해 제안한 방식이 기존의 방법에 비해 잎7뒤 방향감이 개선됨을 보였다.
- 먼저 기존의 알고리즘에서 혼돈 방향의 HRTF의 스펙트럼 차에 대한 분석을 수행하고, 이를 토대로 스펙트럼 차를 원래의 스펙트럼에 적절히 반영하여 HRTF를 수정하는 방식을 사용하였다. 성능평가 실험에서 제안한 방법이 기존의 알고리즘중 비교적 양호한 특성을 나타내는 대역별 가중치방법보다 개선된 성능을 보였다. 따라서 제안한 방식을 이용할 경우, 헤드폰 기반의 입체음향 재생 시스템에서 문제되는 앞/뒤 방향감의 혼돈 문제를 개선할 수 있을 것으로 판단된다.
- 그림 8은 각 DB에 대해 수행한 실험의 결과를 보여주고 있다. 음질의 변화에 대해서는 반응의 차이가 있었으나 제안한 방법이 MTT 및 CIPIC 두 DB 에서 앞쪽 방향감 개선의 효과가 제일 큰 것으로 나타났다. 뒤쪽 방향의 방향감 개선에 대해서는 측면각도에 대해서 필터뱅크에 의한 방식이 제안한 방식보다 다소 구분이 용이한 것으로 나타났다.
후속연구
- 성능평가 실험에서 제안한 방법이 기존의 알고리즘중 비교적 양호한 특성을 나타내는 대역별 가중치방법보다 개선된 성능을 보였다. 따라서 제안한 방식을 이용할 경우, 헤드폰 기반의 입체음향 재생 시스템에서 문제되는 앞/뒤 방향감의 혼돈 문제를 개선할 수 있을 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.