Directional Audio Coding -menetelmän toteutus käyttäen monitarkkuuksista lyhytaikaista Fourier-muunnosta

No Thumbnail Available
Journal Title
Journal ISSN
Volume Title
Elektroniikan, tietoliikenteen ja automaation tiedekunta | Master's thesis
Date
2009
Department
Major/Subject
Akustiikka ja äänenkäsittelytekniikka
Mcode
S-89
Degree programme
Elektroniikan ja sähkötekniikan tutkinto-ohjelma
Language
en
Pages
79 + vii
Series
Abstract
Tilakuulon tutkimus on ollut tärkeä aihe akustiikan alalla. Tutkimus on myös tuottanut tilaäänen toistoon uusia keinoja. Äskettäin esitetty Directional Audio Coding (DirAC) -menetelmä on yksi tuloksista. Se on tarkoitettu tilaäänen prosessointiin ja toistoon. Tämä saavutetaan suhteellisen yksinkertaisella algoritmilla, joka määrittää B-formaatti muodossa olevasta äänisignaalista äänen tulosuunnan ja diffuusisuuden. Käyttämällä näitä tietoja voidaan ei-diffuusi ääni ja diffuusi ääni syntetisoida erikseen ja toistaa alkuperäinen äänikentän niin, että se kuulostaa ihmiselle samalta. Nämä algoritmit perustuvat muutamaan psykoakustiseen oletukseen. Tässä työssä ehdotetaan muutamaa uutta menetelmää sekä arvioidaan vanhoja toteutuksia. Nämä ovat: monitarkkuuksinen lyhytaikainen Fourier-muunnos, laskenta perustuen diskreetteihin taajuusyksiköihin, yhdistelmämenetelmä dekorrelaatioon ja aikamuuttuvasti vaihetta moduloiva dekorrelaatiomenetelmä. Epäformaaleissa testeissä huomattiin, että useamman tarkkuuden käyttäminen paransi äänenlaatua. Diskreettien taajuusyksiköiden avulla laskeminen sen sijaan ei tuottanut havaittavaa etua. Samoin uudet dekorrelaatiomenetelmät eivät parantaneet tulosta aiempiin menetelmiin verrattuna. Lisäksi uusien ominaisuuksien lisääminen lisäsi algoritmin laskennallista vaativuutta merkittävästi. Tästä johtuen vaihtoehtoisia menetelmiä suositellaan kaikissa muissa tapauksissa paitsi monitarkkuusmenetelmän tapauksessa. Osana diplomityötä toteutettiin myös ohjelmakirjasto Directional Audio Coding -menetelmän käyttöön. Tämä kirjasto mahdollistaa menetelmän muuntamisen ja soveltamisen useisiin tilanteisiin ja tarjoaa paljon säätöjä menetelmän toiminnan muokkaamiseen.

The study of spatial hearing has been a prominent topic in the acoustical community. Research has also produced new ways for spatial audio reproduction. Recently proposed Directional Audio Coding is one of them. It is a method for processing and reproducing spatial audio. This is done with relatively simple algorithms analyzing the direction of arrival and the diffuseness from a sound signal in B-format form. This analyzed information is then used to synthesize direct sound and diffuse sound separately to produce a representation of the original soundfield which sounds similar to the human listener when compared to the original. These algorithms are based on a few psychoacoustical assumptions. In this thesis, in addition to evaluation of basic algorithms, a few new methods are proposed. These are: the application of multi-resolution short-time Fourier transform, frequency bin based processing, a hybrid decorrelation method and a time varying phase modulating decorrelation method. In informal evaluation, it was found that the use of multiple resolutions increases the quality of sound. Bin based processing, however, did not increase subjective quality. Also, new decorrelation methods did not produce any enhancement compared to the previously established methods. Also, these results were achieved with a great cost in calculation needs and use of alternative methods are recommended for all but the multi-resolution case. As a partial task for this thesis, a software library of Directional Audio Coding was developed. This library enables easy portability and application of Directional Audio Coding method in multitude of situations with a highly parametrized control over the performance.
Description
Supervisor
Karjalainen, Matti
Thesis advisor
Pulkki, Ville
Keywords
Other note
Citation