[论文解读] 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 12

一句话总结

本论文提出了一项公开可用的平面房间脉冲响应（SRIR）数据集，该数据集在可变混响特性房间中，使用两个球形麦克风阵列——mh Acoustics Eigenmike em32 和 Zylia ZM-1——在五种混响配置下进行测量。该数据集支持六自由度（6DoF）音频渲染、SRIR插值及空间去混响处理，且对 Eigenmike 数据应用了预处理的球面谐波（SH）编码与旋转校正，以确保到达方向（DoA）估计的准确性。

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.

研究动机与目标

• 为空间音频与音频信号处理研究提供一个全面且公开可访问的空间房间脉冲响应（SRIR）数据集。
• 通过在可控的可变声学环境中采集多个声源与接收点的SRIR，实现六自由度（6DoF）音频渲染与分析。
• 支持SRIR插值方法、空间去混响技术及高阶Ambisonics编码的开发与评估。
• 通过已知声源方向计算得到的旋转补偿矩阵，校正Eigenmike阵列的朝向偏差。
• 以SOFA格式提供原始胶囊录音与球面谐波（SH）编码表示，以实现广泛适用性。

提出的方法

• 使用5秒的指数扫频信号，通过Genelec 8331A扬声器以约80 dB A加权声压级播放，测量SRIR。
• 使用两个球形麦克风阵列采集数据：32通道的Eigenmike em32（最高支持4阶Ambisonics）与19通道的Zylia ZM-1（最高支持3阶Ambisonics）。
• 通过反卷积处理将扫频信号与其反信号进行处理，生成脉冲响应，并利用起始时间检测与几何延迟补偿进行时间对齐。
• 在SH编码过程中应用Tikhonov正则化，将增益限制在+15 dB以内，并在空间折叠频率以上应用扩散场均衡。
• 基于接收点R1处已知的声源S1方向与主动强度矢量估计，计算并应用旋转补偿矩阵于Eigenmike的SRIR。
• 以SOFA格式提供数据，包含原始胶囊录音与SH编码信号，采用ACN与SN3D标准。

实验结果

研究问题

• RQ1 在可变声学特性房间中，SRIR的空间准确性如何随不同混响时间变化？
• RQ2 Eigenmike的朝向偏差在多大程度上影响到达方向（DoA）估计？该偏差如何校正？
• RQ3 在两个麦克风阵列的空间折叠与正则化约束下，SH编码SRIR的可用频率范围是多少？
• RQ4 在空间响应精度与动态范围方面，Eigenmike em32与Zylia ZM-1的性能特征有何差异？
• RQ5 该数据集能否在多样化的声学条件下，支持6DoF音频渲染与SRIR插值技术的稳健评估？

主要发现

• Eigenmike em32与Zylia ZM-1阵列分别实现了可靠的4阶与3阶Ambisonics编码，低频段空间相关性接近1.0。
• 理论空间折叠频率分别为：Eigenmike约为5.1 kHz，Zylia约为3.3 kHz，且在这些频率点附近空间相关性出现可测量偏差。
• Eigenmike用于4阶SH编码的可用频率范围约为1800–5100 Hz，且随着阶数增加而变窄。
• 旋转补偿矩阵成功校正了Eigenmike的朝向偏差，纠正了其与减震支架对齐不良的问题，且校正效果在所有接收点位置上保持一致。
• 数据集覆盖五种混响时间配置，500 Hz处T20值从0.30 s（100%吸声材料）至1.28 s（0%吸声材料）不等。
• Zylia ZM-1无需旋转校正，因其前向方向有明确标记且始终对齐良好。