SPATIAL IMPULSE RESPONSE RENDERING (SIRR)

 

Es una solución que intenta recrear la percepción psicoacústica de un campo sonoro original mediante un proceso previo de análisis y síntesis energético de los diferentes canales originales.

Se considera, por ello, que es importante reproducir los indicadores de localización que proporcionan las primeras reflexiones de forma precisa en tanto que es suficiente sintetizar una reverberación que sea estadísticamente similar a la original.

La percepción de la dirección de la fuente sonora virtual depende principalmente de dos indicadores de localización binaurales (binaural localization cues) como son el ILD (Interaural Level Difference) y el ITD (Interaural Time Difference).

Un error común cuando se percibe la dirección del sonido es el "cono de confusión", o inversión delante-atrás (front-back reversal). El cono de confusión se refiere a que una fuente sonora puede dar el mismo ILD e ITD si se localiza en los puntos de la superfície de un cono con origen en el centro del eje interaural.

SIRR usa una técnica de procesado en dos fases, una de análisis y otra de síntesis. En la primera fase se estima la dirección de llegada y el grado de difusión del sonido en diferentes bandas de frecuencias y con una resolución temporal limitada mediante un esquema basado en la STFT (Short-Time Fourier Transform) mientras en la segunda fase se sintetizan respuestas impulsionales multicanal que se adaptan al tipo de sistema surround multicanal.

La energía no difusa es distribuida de forma no uniforme mediante la asignación de diferentes factores de ganancia a los sistemas altavoz usando VBAP (Vector Base Amplitude Panning). VBAP es la generalización y reformulación de la ley estereofónica de la tangente aplicada a un espacio 3D.

La energía difusa es sintetizada y distribuida de forma decorrelada y uniformemente alrededor del oyente.

Phase Randomization es uno de los métodos de decorrelación que se usan y que consiste en reemplazar las tramas temporales originales correspondientes a las partes difusas de la respuesta omnidireccional por una serie de tramas de ruido decorrelado con envolventes frecuencial-temporal similares a las de las tramas originales.