环绕声编码/解码和双耳化库

libspatialaudio 是一个开源跨平台的C++库，用于环绕声编码和解码、滤波和双耳渲染。它旨在多种环境中渲染高阶环绕声（HOA）和VR/3D音频样本，从耳机到传统扬声器。其双耳渲染可用于经典的5.1/7.1空间声道以及环绕声输入。

最初它是Aristotel Digenis的ambisonic-lib的一个分支。这个版本的开发是为了支持高阶环绕声HOA，并支持遵循Google空间音频规范的ACN/SN3D环绕声音频流： https://github.com/google/spatial-media/blob/master/docs/spatial-audio-rfc.md 以及IETF编解码器环绕声规范 https://tools.ietf.org/html/draft-ietf-codec-ambisonics

该库允许您对3阶以内的HOA环绕声音频流进行编码、解码、旋转和缩放。它可以输出到标准和自定义扬声器阵列。为了通过耳机播放，双耳化器应用HRTF（可以是SOFA文件或包含的MIT HRTF）来提供空间双耳渲染效果。双耳化还可用于渲染多声道流（5.1、7.1等）。

库的核心部分是CBFormat对象，它作为B-Format的缓冲区。还有其他几个对象，每个都有特定任务，如环绕声的编码、解码和处理。所有这些对象在某个时候都会处理CBFormat对象。

特性

编码器（CAmbisonicEncoder）：

简单的3D 3阶编码器，无距离提示。

带距离的编码器（CAmbisonicEncoderDist）：

与简单编码器相同，但增加了以下功能：

距离级别模拟
分数延迟线
内部效果（W-平移）

解码器（CAmbisonicDecoder）：

简单的3D 3阶解码器，具有：

预设和自定义扬声器阵列
改善5.1扬声器集渲染的解码器

处理器（CAmbisonicProcessor）：

最高3阶3D偏航/滚动/俯仰音场

最高3阶心理声学优化架滤波器，用于2D和3D播放

双耳化器（CAmbisonicBinauralizer）：

最高3阶3D解码到耳机

可选对称头部解码器以减少卷积次数

缩放器（CAmbisonicZoomer）：

最高1阶3D前后主导控制音场

已实现算法概述

心理声学优化架滤波器

实现为线性相位FIR架滤波器，确保在低频和高频范围分别进行基本和最大rE解码。有关原因详见[1]，高阶数学理论详见[2]。

两种解码器类型之间的过渡频率取决于被解码的阶数，随环绕声阶数增加而增加。

频率由[3]给出：

f_lim = 声速*M / (4*R*(M+1)*sin(PI / (2*M+2)))

其中声速 = 343 m/s，R = 0.09 m（大约是人头半径），M = 环绕声阶数。

特定阶数的每个通道应用不同的增益。这些由[2,4]给出：

2D: g_m = cos(pi*m/(2M + 2))
3D: g_m = legendre(m, cos(137.9*(PI/180)/(M+1.51)))

其中m = floor(sqrt(通道数))，legendre(m,x)是对x值求值的m阶勒让德多项式。

双耳解码

双耳解码器根据阶数使用两种不同的虚拟扬声器阵列：

1阶：立方体扬声器阵列
2阶和3阶：十二面体为了将卷积次数保持在最小限度，头部相关传递函数（HRTF）被分解为球谐函数。这为每个Ambisonics通道提供了一对HRTF滤波器。这种方法的优势在于，无论使用多少虚拟扬声器，卷积次数都仅限于Ambisonic通道的数量。

对称头部双耳解码器

双耳解码器可以将双耳解码所需的卷积次数减半。

Ambisonic输入通道与左耳对应的HRTF通道进行卷积。左耳信号是这些卷积通道的总和。为了生成右耳信号，通过将几个卷积通道乘以-1来实现声场的左右反射。然后将这些相加产生右耳信号。

如何使用它？

以下示例代码展示了将正弦波编码为Ambisonic声场，然后通过四声道扬声器设置解码该声场的过程。

// 生成单声道测试信号
float sinewave[512];
for(int ni = 0; ni < 512; ni++)
    sinewave[ni] = (float)sin((ni / 128.f) * (M_PI * 2));

// CBFormat作为一阶3D，512个样本
CBFormat myBFormat;

// Ambisonic编码器，也是三阶3D
CAmbisonicEncoder myEncoder;
myEncoder.Configure(1, true, 0);

// 设置测试信号在声场中的位置
PolarPoint position;
position.fAzimuth = 0;
position.fElevation = 0;
position.fDistance = 5;
myEncoder.SetPosition(position);
myEncoder.Refresh();

// 将测试信号编码到BFormat缓冲区
myEncoder.Process(sinewave, 512, &myBFormat);

// Ambisonic解码器，也是一阶3D，用于5.0设置
CAmbisonicDecoder myDecoder;
myDecoder.Configure(1, true, kAmblib_50, 5);

// 为扬声器馈送分配缓冲区
float** ppfSpeakerFeeds = new float*[5];
for(int niSpeaker = 0; niSpeaker < 5; niSpeaker++)
    ppfSpeakerFeeds[niSpeaker] = new float[512];

// 解码以获取扬声器馈送
myDecoder.Process(&myBFormat, 512, ppfSpeakerFeeds);

// 释放扬声器馈送缓冲区
for(int niSpeaker = 0; niSpeaker < 5; niSpeaker++)
    delete [] ppfSpeakerFeeds[niSpeaker];
delete [] ppfSpeakerFeeds;

参考文献

<a name="ref1">[1] M. A. Gerzon, "实用全方位声：全球声音的再现，"音频工程师学会会议，1980年，第1-12页。</a>

<a name="ref2">[2] J. Daniel, "声场表示，应用于多媒体环境中复杂声音场景的传输和再现，"巴黎大学，2000年。</a>

<a name="ref3">[3] S. Bertet, J. Daniel, E. Parizet, 和 O. Warusfel, "一阶和高阶Ambisonics再现声源定位准确性的研究，"Acta Acustica united with Acustica，第99卷，第4期，第642-657页，2013年。</a>

<a name="ref4">[4] F. Zotter 和 M. Frank, "全方位Ambisonic平移和解码，"音频工程师学会杂志，第60卷，第10期，第807-820页，2012年。</a>