Head-Related Transfer Function(HRTF ) is a well-known response that characterizes how an ear re-ceives a sound from a point in space. This transfer function plays an important role to implement Virtual Auditory Display(VAD), which is a research area concerned to offer more realistic experience to user in the multimedia industry, nowadays. For this reason, many researchers have analyzed characteristics of HRTF. However, they are mainly focused on two-dimensional analysis, especially in the median and horizontal plane. Therefore, three-dimensional analysis of HRTF is needed.
Principal Components Analysis(PCA) on whole HRIR dataset is accomplished to analyze three-dimensional property of HRTF. PCA is a mathematical procedure that transforms possibly correlated dataset into linearly uncorrelated basis functions called principal components. Former researches about PCA on HRIR were carried out by reproducing sagittal plane HRIRs from median plane data considering interaural time difference and interaural level difference only. We conducted research to confirm former researches’ validity by using three-dimensional HRTF data having a dense spatial resolution measured with our laboratory’s measurement system. Comparing principal components of median and sagittal planes, correlation between each data becomes smaller, as azimuth angle of sagittal plane grows bigger. Therefore, if generated data based on former researches are used to implement virtual sound, perception performance can be reduced compared to originally measured data case. Also, we checked orthogonality of certain principal components concerned with pinna response obtained from median and sagittal planes. Based on large similarity, these principal components can be considered as basis functions mainly affecting elevation perception.
Furthermore, by using PCA on whole three-dimensional HRIRs, it is possible to reduce size of original dataset remarkably with modeled dataset which are composed of principal components, principal component weightings, empirical mean of data point, and sample delay of positions. This will be helpful to make database open to the public properly and apply on mobile devices.
머리전달함수는 사람의 귀가 임의의 점에서 방사된 음원을 어떻게 받아들이는지를 알려주는 특성이다. 이 전달함수는 가상 입체 음향을 구현하는 데에 있어서 매우 중요한 역할을 한다. 이러한 이유로 많은 연구자들이 머리전달함수의 특성을 분석하는 연구를 수행하였다. 하지만, 그들은 주로 정중면이나 수평면과 같은 2차원 평면의 머리전달함수에 초점을 맞추었다. 따라서, 머리전달함수에 대한 3차원적인 분석이 필요하다.
3차원 공간상의 음원에 대해 측정된 머리전달함수 데이터에 주성분 분석법을 수행하였다. 주성분 분석법은 서로 연관된 데이터셋을 독립적인 좌표축인 주성분을 이용하여 보다 저차원으로 나타내는 수학적인 방법이다. 기존의 연구들은 정중면에서 측정된 머리전달함수에 양이간 시간차와 양이간 레벨차에 대한 고려만을 하여 시상면의 머리전달함수를 생성하였다. 이러한 연구들의 유효성을 검증하기 위해 본 연구실에서 구축한 머리전달함수 측정 시스템을 이용하여 측정된 3차원 공간에 대한 머리전달함수를 이용하였다. 그 결과 시상면의 방위각이 커질수록 정중면의 머리전달함수의 특성과 점점 달라지는 것을 확인하였다. 특히, 방위각 50도 이상의 시상면에서 기존의 연구들에서 사용한 방식을 채택하게 되면 머리전달함수의 피크 노치 패턴이 달라질 가능성을 확인하였다. 또한, 머리전달함수 데이터셋으로부터 구한 주성분들의 직교성을 확인하여 고도각 변화에 민감한 주성분의 존재를 확인하였다. 마지막으로, 여러 명의 피실험자의 머리전달함수 데이터셋에 주성분 분석을 수행하여 전체 데이터의 크기를 현저히 줄이면서도 원래 머리전달함수의 특성을 유지할 수 있다는 것을 검증하였다. 이를 통해 향후 모바일 기기 등에 가상 입체 음향 기술을 적용할 경우에도 작은 데이터 크기 덕분에 기술 발전이 용이할 것으로 판단된다.
