[論文レビュー] Dataset of Spatial Room Impulse Responses in a Variable Acoustics Room for Six Degrees-of-Freedom Rendering and Analysis

Thomas L. McKenzie, Leo McCormack+1 more|arXiv (Cornell University)|Nov 23, 2021

Speech and Audio Processing被引用数 12

ひとこと要約

本論文では、可変音響特性部屋で2つの球形マイクロホンアレイ（mh Acoustics Eigenmike em32 および Zylia ZM-1）を用いて測定された空間的部屋インパルス応答（SRIR）の公開データセットを提示する。5種類のリバーブ設定下で得られたデータセットは、6自由度（6DoF）オーディオレンダリング、SRIR補間、空間的ドレバーブレーション処理を可能にし、Eigenmikeには回転補正を施したSH符号化データが事前処理済みで、方向性到達推定の正確性を確保している。

ABSTRACT

Room acoustics measurements are used in many areas of audio research, from physical acoustics modelling and speech enhancement to virtual reality applications. This paper documents the technical specifications and choices made in the measurement of a dataset of spatial room impulse responses (SRIRs) in a variable acoustics room. Two spherical microphone arrays are used: the mh Acoustics Eigenmike em32 and the Zylia ZM-1, capable of up to fourth- and third-order Ambisonic capture, respectively. The dataset consists of three source and seven receiver positions, repeated with five configurations of the room's acoustics with varying levels of reverberation. Possible applications of the dataset include six degrees-of-freedom (6DoF) analysis and rendering, SRIR interpolation methods, and spatial dereverberation techniques.

研究の動機と目的

• 空間オーディオおよびオーディオ信号処理分野における研究を支援する包括的かつ公開可能な空間的部屋インパルス応答（SRIR）データセットの提供。
• 制御された可変音響環境下で複数の送信者および受信者位置におけるSRIRを測定することで、6自由度（6DoF）オーディオレンダリングおよび分析を可能にすること。
• SRIR補間手法、空間的ドレバーブレーション技術、および高次アンビソンクス符号化の開発と評価を支援すること。
• 既知の送信者方向を用いて算出された回転補正行列により、Eigenmikeアレイの方向誤差を補正すること。
• 広範な利用性を考慮し、原始的なキャピラーレコーディングと球面調和関数（SH）符号化表現の両方をSOFA形式で提供すること。

提案手法

• Genelec 8331A ス loudspeakers を用いて、約80 dB Aインジケータ電圧レベルで5秒間の指数的正弦掃引信号を再生し、SRIRを測定。
• 32チャネルのEigenmike em32（最大4次アンビソンクス）および19チャネルのZylia ZM-1（最大3次アンビソンクス）の2つの球形マイクロホンアレイを用いてデータを収録。
• 逆掃引信号とのデコンボリューションによりインパルス応答を生成し、発音検出および幾何的遅延補償を用いて時間同期を実施。
• SH符号化時にチホノフ正則化を適用し、利得を+15 dB以内に制限し、空間アリスティング周波数以上では拡散場等化を適用。
• 受信者R1における送信者S1の既知の方向とアクティブインテンシティベクトル推定を用いて、EigenmikeのSRIRに回転補正行列を計算・適用。
• ACNおよびSN3D規格に従い、SOFA形式で原始的なキャピラーレコーディングとSH符号化信号の両方を提供。

実験結果

リサーチクエスチョン

• RQ1 可変音響特性部屋における異なるリバーブ時間設定下で、SRIRの空間的正確性はどのように変化するか？
• RQ2 Eigenmikeの方向誤差が到達方向（DoA）推定に及ぼす影響はどの程度であり、どのように補正可能か？
• RQ3 2つのマイクロホンアレイの空間アリスティング周波数および正則化制約を考慮した場合、SH符号化SRIRの有効周波数範囲は何か？
• RQ4 Eigenmike em32 と Zylia ZM-1 の両者を比較した場合、空間応答の正確性およびダイナミックレンジ特性はどのように異なるか？
• RQ5 本データセットは、多様な音響条件下で6DoFオーディオレンダリングおよびSRIR補間手法の堅牢な評価を可能にするか？

主な発見

• Eigenmike em32 と Zylia ZM-1 アレイは、それぞれ4次および3次アンビソンクス符号化を信頼性高く実現し、低周波帯で空間相関が1.0に近づいた。
• 理論的な空間アリスティング周波数は、Eigenmikeでは約5.1 kHz、Zyliaでは約3.3 kHzであり、これらの周波数で空間相関に顕著なずれが観測された。
• Eigenmikeを用いた4次SH符号化における有効周波数範囲は約1800–5100 Hzであり、次数が上昇するに従い範囲が狭まる傾向を示した。
• 回転補正行列により、Eigenmikeの方向性が正しく補正され、シャッターマウントの不適切な適合によるズレが是正された。この補正は全受信者位置に一様に適用された。
• 本データセットは5種類のリバーブ時間設定をカバーしており、500 HzにおけるT20値は、100％吸音材使用時で0.30 sから、0％吸音材使用時で1.28 sまで変動した。
• Zylia ZM-1 は前方を明確に示すマークが付与されており、一貫した方向性を有していたため、回転補正は不要であった。