Gestione di database eterogenei di HRTF per il rendering in tempo reale di audio 3D

13 
 
      
CAPITOLO 1: Suono nello spazio 
 
 
 
 
1. Introduzione 
In questo primo capitolo vengono fornite le basi necessarie per la 
comprensione degli argomenti trattati in questo lavoro, a partire da una 
descrizione dell’apparato uditivo umano per poi descrivere la tecnica di 
virtualizzazione dell’audio e procedere con l’esposizione dei maggiori parametri di 
cui fa uso. 
1.1 Apparato uditivo 
Tra i cinque sensi con i quali l’uomo si rapporta con il mondo esterno, quello di 
interesse per lo studio e lo sviluppo di questo lavoro è l’udito. Esso permette di 
udire i suoni, ovvero un insieme di onde sonore liberate nell’aria da una sorgente.  
L’organo fondamentale per la percezione del suono è l’orecchio: esso agisce da 
trasduttore nel trasformare l’energia acustica prima in energia meccanica e, 
successivamente, in energia elettrica inviata, tramite le terminazioni nervose, al 
cervello per l’elaborazione.  
L’orecchio può essere suddiviso in tre parti. La pinna, ovvero il padiglione 
auricolare, offre una vasta superficie al fronte sonoro e permette di raccoglierne 
un’ampia porzione; il suono viene riflesso dal padiglione auricolare e concentrato 
verso il condotto uditivo; essa è fondamentale per la localizzazione del suono nello 
spazio, apportando importanti informazioni circa l’elevazione della sorgente 
sonora. Il condotto uditivo termina sull’orecchio medio: esso è composto dal 
timpano, che vibra in accordo con il suono che raggiunge l’orecchio. Al timpano 
sono collegati i tre ossicini più piccoli del corpo umano: martello, incudine e staffa. 
Il martello è collegato con il timpano, posto alla fine del condotto uditivo.
14 
 
      
 
Figura 1.1: Apparato uditivo 
 
Il movimento della membrana provoca, attraverso un complesso gioco di 
leve, l’amplificazione della vibrazione del timpano per la trasmissione alla coclea, 
ovvero al primo organo di cui è composto l’orecchio interno. Compito di questa 
ultima sezione è la conversione dell’energia meccanica in impulsi elettrici da 
inviare al cervello. La coclea è un osso a forma di chiocciola contenente del fluido 
che riceve la vibrazione dalla staffa e la trasporta al suo interno dove è presente il 
vero organo deputato alla conversione dell’energia meccanica in elettrica: l’organo 
del Corti. All’interno dell’organo del Corti si trova la membrana basilare che ospita 
una popolazione di cellule acustice cigliate, circa 4000, che vibrano in accordo con 
la vibrazione del fluido. Ogni gruppo di ciglia è collegato ad una terminazione 
nervosa in grado di convertire la vibrazione ricevuta dal fluido in impulsi elettrici 
percepiti dal cervello come suoni. 
Naturalmente, una singola frequenza non andrà ad eccitare una ciglia singola, 
ma ne ecciterà un gruppo. L’estensione delle ciglia eccitate dalla singola frequenza 
viene denominata banda critica ed è alla base di molti fenomeni di psicoacustica. 
1.2 Virtualizzazione del suono 
L’ambiente nel quale un suono viene riprodotto modifica ciò che percepiamo 
attraverso un fenomeno detto riverberazione. Esso è legato alla riflessione del 
suono da parte di ostacoli posti nell’ambiente in cui viene riprodotto e causa la 
propagazione di versioni ritardate o attenuate del suono stesso.
15 
 
      
Gli elementi che modificano il suono emesso dalla sorgente da quello percepito 
sono, tra gli altri: 
 il busto e le spalle; 
 la testa del soggetto; 
 la pinna dell’orecchio, ovvero la parte esterna. 
Questi elementi sono, con differenze più o meno evidenti, diversi da una 
persona all’altra quindi un suono proveniente da una singola sorgente può essere 
udito in versioni diverse da soggetti distinti. Busto, testa e ambiente 
contribuiscono nella modifica del suono e una particolare tecnica di riproduzione 
audio, l’audio virtualizzato, ha lo scopo di presentare ai due timpani delle orecchie 
gli stessi segnali che produrrebbe un suono reale posizionato in quel punto nello 
spazio. 
La virtualizzazione dell’audio viene ottenuta operando sul suono tramite i 
contributi dati da busto, testa e ambiente [1] con una tecnica presentata nel 
capitolo 2 e riassunta nella Figura 1.2. 
 
Figura 1.2: Virtualizzazione del suono 
 
Con riferimento alla Figura 1.2: 
 x(n) rappresenta il suono diffuso dalla sorgente sonora; 
 head, torso e room sono i contributi dati da testa, torso e stanza all’orecchio 
destro e sinistro; 
 y
(r)
(n) e y
(l)
(n) sono il risultato dell’elaborazione che restituisce l’audio 
virtualizzato, riprodotto rispettivamente nell’orecchio destro e sinistro del 
soggetto; 
 ,  ed r, ovvero azimuth, elevazione e distanza, sono parametri il cui 
significato sarà esposto nel paragrafo 1.3.1, 1.3.2 ed 1.3.3.
16 
 
      
Esistono varie tecniche per ottenere l’audio virtualizzato: ad esempio la 
spazializzazione fisica consiste nella riproduzione del suono attraverso un sistema 
multi canale, con una qualche codifica per ciascun canale (quale può essere, tra le 
altre, la tecnica Dolby Surround)[2]. Normalmente il surround è implementato 
mediante audio multicanale nel quale uno o più canali audio sono destinati ad 
essere riprodotti da diffusori acustici posizionati, secondo prestabilite regole, alle 
spalle, di fronte e a lato dell'ascoltatore. Tali canali audio sono chiamati canali 
surround.  
Questa tecnica, per rendere al meglio, deve essere utilizzata in ambienti neutri, 
ovvero non riverberanti e senza colorazioni, e consente una virtualizzazione del 
suono ottima solo nel punto predisposto per l’ascolto, producendo risultati distorti 
o comunque non ottimi non appena l’ascoltatore si sposta dal punto richiesto. 
Un altro approccio prevede l’utilizzo di auricolari, andando a simulare tutti gli 
elementi che il suono naturale incontra durante il suo tragitto dalla sorgente ai 
nostri timpani, ovvero la forma della stanza, il corpo dell’ascoltatore e le sue parti 
che interagiscono con l’onda sonora (quali le pinne e il torso). Le cuffie, tuttavia, 
tendono a conferire alla sorgente una vicinanza eccessiva e sono afflitte da un 
problema detto non esternalizzazione: l’ascoltatore ha l’impressione che la fonte 
sonora sia posizionata all’interno della sua testa. Per risolvere questi problemi, 
delle basi di psicoacustica sono necessarie per comprendere la nostra abilità di 
localizzare sorgenti sonore e per la progettazione di sistemi di sintesi 3D efficienti. 
1.3 Elementi di Psicoacustica 
Con “musica” o “suono” “si fa generalmente riferimento a un complesso di 
processi che vanno dalla generazione di pattern sonori fino alla percezione e alla 
elaborazione del messaggio musicale da parte di un ascoltatore” [3]. Un suono è 
udito dal nostro sistema uditivo quando, come detto sopra, un’onda di pressione 
avente caratteristiche fisiche ben definite, va ad eccitare il timpano. Le tre 
sensazioni principali che accompagnano l’ascolto di un suono sono: 
 altezza (pitch); 
 intensità (loudness): dipende dal flusso di energia che accompagna la 
vibrazione ma varia anche in base alla durata del suono o alla presenza di 
altre sorgenti sonore; 
 timbro (timbre): dipende dallo spettro di energia, la cui evoluzione 
temporale è un elemento fondamentale per il riconoscimento e la 
caratterizzazione dei suoni strumentali. 
Nonostante rimangano molti aspetti sconosciuti, le caratteristiche principali 
del processo uditivo sono noti da molto tempo ed accurati studi psicologici hanno
17 
 
      
stabilito quanto accuratamente possiamo dare giudizi sulla localizzazione di una 
sorgente sonora.  
Per specificare la localizzazione di una sorgente sonora relativamente 
all’ascoltatore, si necessita di un sistema di coordinate. Una scelta naturale può 
essere quella di un sistema di riferimento centrato sulla testa del soggetto: l’asse x 
passante, approssimativamente, attraverso il suo orecchio destro, l’asse y diretto 
davanti all’ascoltatore e l’asse z che punta verso l’alto. Questi assi definiscono tre 
piani standard: il piano orizzontale xy, il piano frontale xz e il piano mediano yz. 
Chiaramente, il piano orizzontale definisce una separazione sopra – sotto, il piano 
frontale quella davanti – dietro mentre il piano mediano definisce una separazione 
destra – sinistra.  
 
Figura 1.3: Sistemi di coordinate 
 
Tuttavia, essendo il capo di forma sferica, solitamente si usa un sistema di 
riferimento sferico e qui le coordinate standard sono azimuth, elevazione e range.  
Essendo possibili più modi di definire queste coordinate, esistono due 
sistemi di riferimento equivalenti per tali coordinate, ovvero le coordinate polari 
verticali e le coordinate polari interaurali. 
Nel sistema a coordinate polari si misura dapprima l’angolo  di azimuth 
come l’angolo tra il piano mediano e un piano verticale contenente l’asse z e, poi, si 
misura l’angolo  di elevazione come l’angolo con il piano orizzontale. Con questa 
scelta, superfici con azimuth costante sono piani che intersecano l’asse z mentre 
superfici con costante elevazione sono coni  concentrici con l’asse z.  
Utilizzando invece un sistema di coordinate interaurali, si misura dapprima 
l’angolo di elevazione come l’angolo tra il piano orizzontale e un piano contenente 
la sorgente e l’asse x, che è l’asse interaurale; l’azimuth è misurato come l’angolo
18 
 
      
con il piano mediano. Con questa scelta, le superfici a elevazione costante sono 
piani passanti per l’asse interaurale e le superfici con azimuth costante sono coni 
concentrici con l’asse interaurale. 
1.3.1 Proprietà dell’azimuth 
Uno dei più importanti pionieri dell’audio spazializzato fu il barone John Strutt 
Rayleigh. Quasi 100 anni fa sviluppò la Duplex Theory, secondo la quale l’azimuth è 
individuato tramite due parametri: Interaural Time Difference e Interaural 
Intensity Difference. 
ITD (Interaural time difference) è definita come la differenza dei tempi di 
arrivo del fronte d’onda tra orecchio sinistro e destro, mentre IID (Interaural 
intensity difference) misura similarmente la dfferenza di ampiezza tra i suoni uditi 
tra i due orecchi. In generale, un suono è percepito vicino all’orecchio al quale 
arriva per primo il fronte d’onda sonoro, ovvero ad un ampio ITD corrisponde una 
ampia traslazione della sorgente sonora in una posizione laterale rispetto 
all’ascoltatore.  
E’ opinione comune che il sistema uditivo utilizza ITD, IID e delle indicazioni 
spettrali per determinare la posizione spaziale di una sorgente in tutte le posizioni 
possibili, non solo in quelle appartenenti al piano orizzontale [4]. Tuttavia, mentre 
gli esperimenti di psicoacustica hanno dimostrato la semplice relazione lineare che 
intercorre tra ITD, IID e posizione laterale percepita, la relazione tra contenuto 
spettrale ricevuto dall’ascoltatore e posizione nello spazio (non limitata solo sul 
piano orizzontale) non è così semplice. 
 
Figura 1.4: Cono di confusione