Chapitre 6 : Perspectives d’avenir dans les systèmes électroacoustiques à spatialisation tridimensionnelleChapter 6: Future prospects for electroacoustic systems with three-dimensional spatialization

Jusqu’à présent, la discussion portant sur les différents systèmes a fait presque abstraction des implications pratiques et des possibilités d’application, en regard des pratiques actuelles, que les différents choix et recommandations que nous avons faits demandent. Nous allons donc voir maintenant, en prenant comme point de référence le state of the art actuel dans le domaine qui nous intéresse, comment peuvent s’appliquer réellement nos recommandations technologiques, sans nécessairement changer les équipements et les apprentissages accumulés au cours des années.Until now, the discussion of the various systems has largely disregarded the practical implications and the possibilities of application, in relation to current practice, that the various choices and recommendations we have made entail. We will therefore now see, taking as our reference point the current state of the art in the field that concerns us, how our technological recommendations can actually be applied, without necessarily changing the equipment and the skills accumulated over the years.

6.1Un assemblage hexaédrique pour la reproduction sonore tridimensionnelleA hexahedral array for three-dimensional sound reproduction

La principale exigence d’un système de reproduction sonore tridimensionnelle est de reproduire l’espace sonore entourant le ou les auditeurs. Nous avons vu que la meilleure représentation de cet espace sonore est la sphère. Malheureusement, cette représentation ne s’adapte pas aux systèmes électroacoustiques suivant le modèle géométrique puisque les transducteurs sont semblables, dans une représentation graphique tridimensionnelle de l’espace de captation et de reproduction, à des points ou à des sommets de polyèdres et que la sphère ne comporte pas de sommets. Il serait donc impossible actuellement de reproduire adéquatement cette sphère, si ce n’était que par la multiplication vers l’infini du nombre de points capteurs et du nombre de points diffuseurs. Nous avons vu aussi que le polyèdre le plus simple, soit le tétraèdre, tout en étant un échantillonnage minimum de cette sphère à la captation, convient difficilement aux conditions de reproduction que l’on retrouve couramment. Il faut donc une représentation de la sphère s’adaptant mieux à ces conditions ; les salles d’écoute suivant dans la majorité des cas une construction parallélépipédale, il faudrait un système de reproduction tridimensionnelle suivant la même construction.The main requirement of a three-dimensional sound reproduction system is to reproduce the sound space surrounding the listener or listeners. We have seen that the best representation of this sound space is the sphere. Unfortunately, this representation does not suit electroacoustic systems following the geometric model, since in a three-dimensional graphic representation of the capture and reproduction space the transducers are like points or vertices of polyhedra, and the sphere has no vertices. It would therefore currently be impossible to reproduce this sphere adequately, except by multiplying the number of capture points and emission points towards infinity. We have also seen that the simplest polyhedron, the tetrahedron, while being a minimum sampling of this sphere for capture, is ill-suited to the reproduction conditions commonly encountered. A representation of the sphere better adapted to these conditions is therefore needed; since listening rooms are in most cases built as rectangular parallelepipeds, a three-dimensional reproduction system following the same construction would be required.

Un système de reproduction à huit enceintes acoustiques est une représentation valable de la sphère et a l’avantage de bien s’adapter aux salles d’écoute39,85. Cette disposition, qui remplit au maximum la salle d’écoute, agrandit par le fait même la fenêtre d’audition par rapport au modèle tétraédrique. La disposition dessinant un cube, l’orientation à 90° des enceintes acoustiques les unes par rapport aux autres assure une couverture uniforme de l’espace sonorisé. Par ailleurs, même si dans le cas des expériences de Veit et Sander85, le but n’était pas de concevoir un système de reproduction sonore, les principes qu’ils appliquent pour leur simulation en laboratoire des conditions de champs sonores diffus sont parfaitement valables à la lumière du modèle géométrique. L’assemblage hexaédrique régulier assure la même neutralité que la disposition tétraédrique de Gerzon puisqu’il ne favorise aucune direction aux dépends d’une autre. Rappelons que l’assemblage hexaédrique a été suggéré nombre de fois par Gerzon lui-même (qui l’appelle cependant « cuboïde »46) mais sans apparemment avoir été l’objet d’essais documentés46.A reproduction system with eight loudspeakers is a valid representation of the sphere and has the advantage of adapting well to listening rooms39,85. This arrangement, which fills the listening room as much as possible, thereby enlarges the listening window compared with the tetrahedral model. Since the arrangement forms a cube, the 90° orientation of the loudspeakers relative to one another ensures uniform coverage of the space. Moreover, even though in the case of the experiments of Veit and Sander85 the aim was not to design a sound reproduction system, the principles they apply in their laboratory simulation of diffuse sound field conditions are perfectly valid in the light of the geometric model. The regular hexahedral array ensures the same neutrality as Gerzon’s tetrahedral arrangement, since it favours no direction at the expense of another. Let us recall that the hexahedral array has been suggested many times by Gerzon himself (who, however, calls it “cuboid”46), but apparently without having been the subject of documented trials46.

L’assemblage hexaédrique d’enceintes acoustiques pourrait être une option intéressante dans la reproduction ambisonique. Idéalement, un décodeur dédié à cette installation devrait exister : d’après nos informations, le décodeur Ambi-8 de Audio Design ne produit qu’un signal de format-D bidimensionnel pour huit enceintes acoustiques. Cependant, il est possible de produire un signal de format-D hexaédrique à partir des équipements ambisoniques présentement disponibles. Comme l’on prouvé les gens de l’Office national du film dans la production de Momentum, le signal de format-B alimenté au décodeur bidimensionnel n’est pas obligatoirement correspondant au plan horizontal déterminé par les signaux X et Y. Il va alors de soi qu’il est possible de fournir au décodeur un signal de format-B préalablement modifié par les commandes de champ sonore de l’unité de contrôle du microphone Soundfield.The hexahedral loudspeaker array could be an interesting option for Ambisonic reproduction. Ideally, a decoder dedicated to this installation should exist: according to our information, the Audio Design Ambi-8 decoder produces only a two-dimensional D-format signal for eight loudspeakers. However, it is possible to produce a hexahedral D-format signal with the Ambisonic equipment currently available. As the people at the National Film Board showed in the production of Momentum, the B-format signal fed to the two-dimensional decoder need not correspond to the horizontal plane defined by the X and Y signals. It therefore goes without saying that the decoder can be fed a B-format signal previously modified by the sound field controls of the Soundfield microphone control unit.

Dans le cas d’une installation hexaédrique d’enceintes acoustiques, symétrique par rapport aux trois axes spatiaux cartésiens, soit un cube, la façon de procéder est relativement simple, quoiqu’elle implique nécessairement deux unités de contrôle du Soundfield. Il faut d’abord doubler le signal de format-B original. À la sortie du magnétophone, chaque canal du format-B emprunte un simple doubleur en Y (XLR-3 femelle vers deux XLR-3 mâles) qui conviendra parfaitement. Le format-B alimente alors conjointement les deux unités. Sur la première unité, le champ sonore est modifié par une élévation de 45°. Le format-B +45° disponible à la sortie de l’unité de contrôle est alors alimenté à un décodeur bidimensionnel conventionnel. Cependant, le signal de format-D ainsi produit par le décodeur sera dirigé vers les deux enceintes acoustiques avants-hautes et arrières-basses en respectant bien sûr la gauche et la droite. Avec la deuxième unité de contrôle, on induira au format-B une inclinaison négative de 45°. Le signal de format-B -45° ainsi créé pourra donc être alimenté à un deuxième décodeur qui produira le format-D destiné aux enceintes avants-basses et arrières-hautes.In the case of a hexahedral loudspeaker installation, symmetrical with respect to the three Cartesian spatial axes, that is, a cube, the procedure is relatively simple, although it necessarily involves two Soundfield control units. The original B-format signal must first be split. At the output of the tape recorder, each B-format channel goes through a simple Y-splitter (female XLR-3 to two male XLR-3), which will do perfectly. The B-format then feeds both units. On the first unit, the sound field is modified by an elevation of 45°. The +45° B-format available at the output of the control unit is then fed to a conventional two-dimensional decoder. However, the D-format signal thus produced by the decoder will be sent to the two front-upper and two rear-lower loudspeakers, respecting left and right of course. With the second control unit, a negative tilt of 45° is applied to the B-format. The -45° B-format signal thus created can then be fed to a second decoder, which will produce the D-format for the front-lower and rear-upper loudspeakers.

Il faut évidemment faire les réglages appropriés sur les décodeurs, particulièrement en ce qui concerne le réglage de ratio largeur/profondeur et de compensation de distance en fonction du volume de l’hexaèdre. On remarquera que cette façon de créer un signal de format-D hexaédrique ne se limite pas au cube et qu’il est possible d’alimenter des parallélépipèdes tant que leurs caractéristiques géométriques peuvent être satisfaites par les capacités de l’unité de contrôle du Soundfield (ratio hauteur/profondeur) et du décodeur (ratio largeur/profondeur). En terminant sur cette question, notons qu’il est fort probable que le format-D nécessaire pour alimenter une installation hexaédrique pourra être encore plus facilement synthétisé avec une carte numérique comme celle produite par AGM.The appropriate settings must of course be made on the decoders, particularly as regards the width/depth ratio and distance compensation according to the volume of the hexahedron. It will be noted that this way of creating a hexahedral D-format signal is not limited to the cube, and that rectangular parallelepipeds can be fed as long as their geometric characteristics can be met by the capabilities of the Soundfield control unit (height/depth ratio) and the decoder (width/depth ratio). To conclude on this question, let us note that the D-format needed to feed a hexahedral installation can very probably be synthesized even more easily with a digital board such as the one produced by AGM.

6.2Un système de captation tridimensionnelle avec microphones ultradirectionnels de deuxième ordreA three-dimensional capture system with second-order ultradirectional microphones

En Ambisonie, le microphone Soundfield et le format-B n’incorporent que les harmoniques sphériques d’ordre zéro et de premier ordre. Si dans des conditions d’écoute domestique cette résolution s’avère être suffisante, il en va autrement dans des conditions d’écoute que nous qualifierons de publique. Tout comme en stéréophonie conventionnelle, la qualité de la reproduction spatiale en Ambisonie est relativement sensible à la position idéale, le sweet spot. Si l’auditeur ne se trouve pas au centre de l’installation d’enceintes acoustiques, il se produit des distorsions spatiales dans la reproduction acoustique qui ne seront pas nécessairement assimilables à l’effet qui serait rencontré par un déplacement de l’auditeur par rapport au phénomène acoustique original84. Il devient donc important de voir à l’incorporation dans le format-B d’harmoniques sphériques non redondantes de deuxième ordre.In Ambisonics, the Soundfield microphone and the B-format incorporate only the zero-order and first-order spherical harmonics. While this resolution proves sufficient in home listening conditions, the same is not true in listening conditions that we will describe as public. As in conventional stereophony, the quality of spatial reproduction in Ambisonics is relatively sensitive to the ideal position, the sweet spot. If the listener is not at the centre of the loudspeaker installation, spatial distortions occur in the acoustic reproduction that will not necessarily be comparable to the effect that a listener moving in relation to the original acoustic phenomenon would experience84. It therefore becomes important to see to the incorporation of non-redundant second-order spherical harmonics into the B-format.

Ce format-B de deuxième ordre a été imaginé il y a déjà vingt ans par Gerzon42. Un micro Soundfield pouvant produire un tel signal pourrait comporter douze capsules coïncidentes de premier ordre complexe, cardioïdes par exemple, formant un dodécaèdre régulier. Tout comme pour le format-B de premier ordre, le format-B de deuxième ordre serait obtenu par diverses combinaisons additives et soustractives des douze capsules. Cependant, Gerzon n’en donne pas les formules ; on peut tout de même comprendre que l’harmonique d’ordre zéro serait le résultat de l’addition totale des douze capsules et que les trois harmoniques de premier ordre seraient le résultat de la soustraction de regroupements hémisphériques de capsules déterminés par les axes cartésiens. La visualisation de la synthèse des harmoniques de deuxième ordre dépasse toutefois le simple exercice mental et nous invitons le lecteur courageux à s’y soumettre si le coeur lui en dit. Quoi qu’il en soit, l’inclusion des harmoniques de deuxième ordre rajouterait cinq canaux au format-B que nous connaissons, pour arriver à un total de neuf canaux42.This second-order B-format was imagined twenty years ago by Gerzon42. A Soundfield microphone able to produce such a signal could have twelve coincident complex first-order capsules, cardioids for example, forming a regular dodecahedron. As with the first-order B-format, the second-order B-format would be obtained by various additive and subtractive combinations of the twelve capsules. Gerzon does not, however, give the formulas; one can nevertheless understand that the zero-order harmonic would result from adding all twelve capsules together, and that the three first-order harmonics would result from subtracting hemispherical groups of capsules determined by the Cartesian axes. Visualizing the synthesis of the second-order harmonics, however, goes beyond a simple mental exercise, and we invite the courageous reader to attempt it if so inclined. Be that as it may, including the second-order harmonics would add five channels to the B-format we know, for a total of nine channels42.

Le progrès conséquent à l’inclusion des harmoniques de deuxième ordre dans le format-B serait la fabrication de microphones virtuels ultradirectionnels. En combinant dans un ratio de 1:1 une harmonique sphérique simple de premier ordre avec une harmonique sphérique simple de deuxième ordre, les deux étant coïncidentes et alignées sur leur axe de rotation, on obtient un micro de deuxième ordre complexe avec un azimut de captation nulle à 180° ; nous l’appellerons ainsi cardioïde de deuxième ordre. Il suffit de comparer avec un cardioïde conventionnel pour voir immédiatement les avantages. D’après ce que nous pouvons voir dans les figures 6.1 et 6.2, ce nouveau micro est très discriminant au-delà de l’axe de rotation. À l’azimut 90°, le cardioïde de premier ordre a un gain de 0,5 (-6 dB) par rapport au gain maximum à 0°. Par contre, le cardioïde de deuxième ordre exhibe un gain nul à 90° suivi d’un petit lobe de polarité négative avec un gain maximum d’environ 0,13 (- 18 dB) à 125°. Le cardioïde de premier ordre a un gain d’environ 0,24 (-12 dB) au même azimut de 125°.The progress resulting from the inclusion of second-order harmonics in the B-format would be the creation of ultradirectional virtual microphones. By combining in a 1:1 ratio a simple first-order spherical harmonic with a simple second-order spherical harmonic, both coincident and aligned on their axis of rotation, a complex second-order microphone is obtained with a null pickup azimuth at 180°; we will therefore call it a second-order cardioid. A comparison with a conventional cardioid immediately shows the advantages. From what can be seen in figures 6.1 and 6.2, this new microphone is highly discriminating beyond its axis of rotation. At azimuth 90°, the first-order cardioid has a gain of 0.5 (-6 dB) relative to the maximum gain at 0°. The second-order cardioid, on the other hand, shows zero gain at 90°, followed by a small lobe of negative polarity with a maximum gain of about 0.13 (- 18 dB) at 125°. The first-order cardioid has a gain of about 0.24 (-12 dB) at the same azimuth of 125°.

La plus grande discrimination directionnelle du format-B à neuf canaux permettrait, dans un plus grand volume, une reproduction sonore dont les caractéristiques spatiales seraient plus conformes au phénomène acoustique original84. On peut se demander pourquoi, alors, les instruments permettant de capter ou de synthétiser l’espace sonore avec des harmoniques de deuxième ordre n’existent pas déjà. L’explication se trouve d’abord dans le problème de bruit inhérent aux microphones d’ordres supérieurs. Même s’il existe des microphones affichant des caractéristiques sphériques d’ordres élevés, comme les micros canons, ces caractéristiques sont optimisées sur une étroite bande de fréquences. Une performance directionnelle uniforme sur une plus large bande, comme il serait obligatoire pour le format-B de deuxième ordre, commanderait de très petites distances entre les diaphragmes42 et aurait comme conséquence un signal de sortie de plus faible amplitude89, donc avec un moins bon rapport signal/bruit. Les expérimentations récentes sur les microphones de deuxième ordre, aux laboratoires AT&T Bell79 ou à l’Université McGill89 par exemple, mentionnent dès le départ les problèmes de bruit inhérent à ce type de micros. Dans le cas du micro AT&T Bell, le rapport signal/bruit était environ de 15 à 20 dB inférieur à ce que nous retrouvons couramment pour des cardioïdes de premier ordre à condensateur. Nous devons donc composer avec ces contraintes et faire un choix entre la continuité spectrale des caractéristique sphériques et le rapport signal/bruit.The greater directional discrimination of the nine-channel B-format would allow, in a larger volume, a sound reproduction whose spatial characteristics would more closely match the original acoustic phenomenon84. One may wonder why, then, instruments for capturing or synthesizing sound space with second-order harmonics do not already exist. The explanation lies first in the noise problem inherent in higher-order microphones. Even though there are microphones with high-order spherical characteristics, such as shotgun microphones, these characteristics are optimized over a narrow frequency band. Uniform directional performance over a wider band, as would be required for the second-order B-format, would call for very small distances between the diaphragms42 and would result in a lower-amplitude output signal89, and therefore a poorer signal-to-noise ratio. Recent experiments on second-order microphones, at AT&T Bell Laboratories79 or at McGill University89 for example, mention from the outset the noise problems inherent in this type of microphone. In the case of the AT&T Bell microphone, the signal-to-noise ratio was about 15 to 20 dB lower than what is commonly found in first-order condenser cardioids. We must therefore deal with these constraints and choose between the spectral continuity of the spherical characteristics and the signal-to-noise ratio.

Avec ses capsules rapprochées, un micro Soundfield de deuxième ordre serait sérieusement handicapé par le problème de bruit. De plus, cette coïncidence des capsules obligerait l’utilisation de diaphragmes de petites surfaces, contribuant encore au problème du bruit. Ce micro Soundfield deviendrait finalement assez bruyant selon les standards actuels. Toutefois, les récents algorithmes développés pour la réduction du bruit de fond sur du matériel préalablement enregistré pourraient trouver ici un nouvel usage. En effet, des systèmes tel que le module NoNoise du système Sonic ou le CEDAR comportent des modules de réduction de bruit de fond opérant dans le domaine numérique6,34, qui, nous croyons, permettraient d’augmenter le rapport signal/bruit des micros de deuxième ordre. On parle ici d’amélioration possible de l’ordre de 20 dB. Pour autant que nous sachions, de tels algorithmes n’ont jamais été utilisés de la sorte ; c’est une avenue qui mérite grandement d’être explorée.With its closely spaced capsules, a second-order Soundfield microphone would be seriously handicapped by the noise problem. Moreover, this coincidence of the capsules would require the use of small diaphragms, further contributing to the noise problem. This Soundfield microphone would ultimately be rather noisy by current standards. However, the recent algorithms developed for noise reduction on previously recorded material could find a new use here. Indeed, systems such as the NoNoise module of the Sonic system or CEDAR include noise reduction modules operating in the digital domain6,34 which, we believe, would make it possible to increase the signal-to-noise ratio of second-order microphones. We are talking here about a possible improvement of the order of 20 dB. As far as we know, such algorithms have never been used in this way; it is an avenue well worth exploring.

La manipulation numérique de signal serait aussi la solution au deuxième problème rencontré dans le développement du format-B de deuxième ordre : la complexité de manipulation des neuf canaux. Nous avons fait remarquer que la manipulation des quatre canaux du format-B de premier ordre était déjà d’une relative complexité et poussait dans leur derniers retranchements les designs analogiques les plus modernes. Nous avons aussi conclu que l’Ambisonie bénéficierait grandement de la mise au point d’appareils opérant entièrement dans le domaine numérique, comme ceux maintenant offerts par AGM. Ces remarques sont ainsi encore plus valides pour le format-B de deuxième ordre : la manipulation fonctionnelle et efficace des neuf canaux n’est possible que dans le domaine numérique68 et l’interface-usager devrait probablement se départir de l’ergonomie conventionnelle des consoles de mixages stéréophoniques.Digital signal manipulation would also be the solution to the second problem encountered in developing the second-order B-format: the complexity of manipulating nine channels. We have pointed out that manipulating the four channels of the first-order B-format was already relatively complex and pushed the most modern analog designs to their limits. We also concluded that Ambisonics would greatly benefit from the development of devices operating entirely in the digital domain, such as those now offered by AGM. These remarks are even more valid for the second-order B-format: functional and efficient manipulation of nine channels is possible only in the digital domain68, and the user interface should probably abandon the conventional ergonomics of stereophonic mixing consoles.

6.3Compatibilité entre les systèmes de spatialisation sonore tridimensionnelleCompatibility between three-dimensional sound spatialization systems

La question de la compatibilité entre les systèmes est certainement importante. Nous croyons tout d’abord que l’Ambisonie fera d’ici quelques années une pénétration significative dans le marché et qu’ainsi au moins deux systèmes ambiophoniques seront appelés à exister côte à côte. Deuxièmement, les différences fondamentales entre les différents systèmes existants ou à venir (car on en propose déjà plusieurs pour la TVHD47) résident principalement dans les fonctions mathématiques inhérentes à chaque système selon lesquelles les éléments sonores sont placés dans l’espace. Gerzon appelle ces fonctions « lois de panoramique »50. L’Ambisonie et le Dolby Stereo/Surround ont effectivement des lois de panoramique qui sont différentes mais qui pourraient être transmises par les mêmes canaux et interprétées par une seule famille de décodeurs.The question of compatibility between systems is certainly important. First, we believe that Ambisonics will make significant inroads into the market within a few years, and that at least two surround systems will thus have to exist side by side. Second, the fundamental differences between the various existing or future systems (several are already being proposed for HDTV47) lie mainly in the mathematical functions inherent in each system, according to which sound elements are placed in space. Gerzon calls these functions “panning laws”50. Ambisonics and Dolby Stereo/Surround do indeed have different panning laws, but these could be transmitted over the same channels and interpreted by a single family of decoders.

Peu importe le système qui a servi à l’encodage directionnel, l’information peut être transmise sous une forme qui serait une extension de la transmission radio MF stéréo où le signal est matricé sous la forme M-S. Des scénarios de transmission M-S comportant jusqu’à cinq canaux ont déjà fait l’objet de recherches approfondies et les différentes matrices d’encodage basées sur des modèles psychoacoustiques permettraient la préservation des caractéristiques propres aux différentes lois de panoramiques encodées dans le matériel original49. Cette forme de transmission universelle et hiérarchique permettrait par conséquent l’utilisation d’une seule famille de décodeurs. Selon les budgets des utilisateurs, les décodeurs fonctionneraient avec diverses variantes de dispositions d’enceintes acoustiques et, tout comme les récepteurs MF mono ou stéréo, utiliseraient l’ensemble ou une partie des signaux transmis51. Il va de soi que l’utilisation du plus grand nombre de signaux transmis donnerait une reproduction spatiale de meilleure qualité.Whatever system was used for directional encoding, the information can be transmitted in a form that would be an extension of stereo FM radio transmission, in which the signal is matrixed in M-S form. M-S transmission scenarios with up to five channels have already been researched in depth, and the various encoding matrices based on psychoacoustic models would allow the characteristics specific to the various panning laws encoded in the original material to be preserved49. This universal and hierarchical form of transmission would therefore allow the use of a single family of decoders. Depending on users’ budgets, the decoders would work with various loudspeaker layouts and, like mono or stereo FM receivers, would use all or some of the transmitted signals51. It goes without saying that using the largest number of transmitted signals would give the best quality of spatial reproduction.

En ce qui concerne les dispositions d’enceintes acoustiques, autant les dispositions uniformes sur 360° que les dispositions avec une résolution accrue dans le quadrant avant, comme en Dolby Surround, pourraient être alimentées par le même signal. Il y a donc un intérêt indéniable à ce que les différents intervenants s’entendent sur un format de transmission universel. En ayant une seule famille de décodeurs, les consommateurs n’auraient plus à optimiser leurs installations pour tel ou tel type de format stéréophonique ou ambiophonique. À l’autre bout de la chaîne, les créateurs garderaient le loisir de choisir le type d’équipement d’encodage en fonction de leurs préférences et des besoins de production. Même si leur équipement ne produisait pas un signal dans la forme standard, des algorithmes de conversion psychoacoustique assureraient une intégration optimale au signal standard48. Cependant, en attendant qu’un format de transmission universel soit adopté, il faut considérer des méthodes de conversion particulières à chaque combinaison de systèmes électroacoustiques.As regards loudspeaker layouts, both uniform 360° layouts and layouts with increased resolution in the front quadrant, as in Dolby Surround, could be fed by the same signal. There is therefore an undeniable benefit in the various players agreeing on a universal transmission format. With a single family of decoders, consumers would no longer have to optimize their installations for one type of stereophonic or surround format or another. At the other end of the chain, creators would remain free to choose the type of encoding equipment according to their preferences and production needs. Even if their equipment did not produce a signal in the standard form, psychoacoustic conversion algorithms would ensure optimal integration into the standard signal48. However, until a universal transmission format is adopted, conversion methods specific to each combination of electroacoustic systems must be considered.

6.3.1La conversion d’information entre les systèmesConverting information between systems

La revue des différents systèmes d’enregistrement et de reproduction sonores tridimensionnels donne l’impression que l’information encodée dans un système particulier devient exclusive à ce système et qu’elle ne peut ainsi être utilisée dans un autre système. Même si notre préférence pour ce type de média penche fortement du côté de l’Ambisonie, il faut se rendre à l’évidence que les autres technologies, spécialement celles qui ont déjà une forte base industrielle et une importante pénétration du marché comme le Dolby Stereo/Surround, sont là pour rester. Il faut donc penser à aménager la coexistence pacifique. Et celle-ci passe nécessairement par l’échange, d’une technologie à l’autre, du matériel produit avec ces différentes technologies.The review of the various three-dimensional sound recording and reproduction systems gives the impression that information encoded in a particular system becomes exclusive to that system and cannot be used in another. Even though our preference for this type of medium leans strongly towards Ambisonics, we must accept that the other technologies, especially those that already have a strong industrial base and significant market penetration, such as Dolby Stereo/Surround, are here to stay. We must therefore think about arranging a peaceful coexistence. And this necessarily involves exchanging material produced with these different technologies from one technology to another.

Avec une description mathématique formelle de la manière dont chaque système encode l’information sonore directionnelle et en tenant compte de leurs particularités psychoacoustiques, il devient possible de créer les algorithmes de conversion qui permettront les différents échanges d’informations49. Il va de soi cependant que les conversions entre les différents systèmes appartenant au même modèle de captation et de reproduction sonores sont plus faciles à réaliser et devraient théoriquement donner des résultats plus prévisibles et fiables. À cet égard, le système RSS de Roland constitue en fait deux systèmes en un, puisqu’il opère d’abord une simulation binaurale avant de procéder à la conversion transaurale pour rendre le signal compatible avec une écoute sur enceintes acoustiques. À la lumière de cet exemple, on peut donc supposer que, théoriquement, la conversion transaurale d’un signal binaural, que celui-ci soit réel ou simulé, n’introduit pas de distorsion spatiale dans l’information.With a formal mathematical description of the way each system encodes directional sound information, and taking into account their psychoacoustic particularities, it becomes possible to create the conversion algorithms that will allow the various exchanges of information49. It goes without saying, however, that conversions between different systems belonging to the same model of sound capture and reproduction are easier to achieve and should theoretically give more predictable and reliable results. In this respect, the RSS system from Roland is in fact two systems in one, since it first performs a binaural simulation before carrying out the transaural conversion that makes the signal compatible with playback over loudspeakers. In the light of this example, one can therefore assume that, theoretically, the transaural conversion of a binaural signal, whether real or simulated, does not introduce spatial distortion into the information.

Ceci étant dit, le succès réel d’une telle conversion repose sur deux aspects importants. Premièrement, les modèles psychoacoustiques servant à créer les algorithmes de conversion peuvent connaître un certain nombre d’inexactitudes, introduites par les limites humaines et technologiques inhérentes aux recherches scientifiques qui ont proposé ces modèles psychoacoustiques. Un échantillon trop petit, le manque de précision des instruments de mesure ou encore simplement l’ignorance de certains phénomènes physiques ou psychologiques ayant un impact sur la perception spatiale des sons, fournissent autant de raisons pouvant expliquer l’apparition de distorsions dans une étape de conversion. Deuxièmement, en supposant même que les algorithmes soit parfaits, il y a les limites de traitement de l’information par les appareils effectuant la conversion. Dans le cas de la conversion transaurale, si l’inhibition des modifications spectrales normalement présentes dans un signal binaural, pour les sons ayant une provenance frontale, est relativement facile et demande un traitement statique de l’information, le contrôle de la diaphonie acoustique est un traitement dynamique demandant une capacité de traitement de beaucoup supérieure. Ainsi ces observations sur les limites pratiques actuelles de la conversion transaurale s’appliquent de la même façon à la simulation binaurale. Cette dernière remarque, si elle est un peu à l’extérieur du sujet de la compatibilité entre les différents systèmes de spatialisation sonore, explique toutefois les demi-succès que l’on remarque avec les systèmes n’exploitant que deux canaux pour véhiculer l’information sonore tridimensionnelle.That said, the real success of such a conversion depends on two important aspects. First, the psychoacoustic models used to create the conversion algorithms may contain a number of inaccuracies, introduced by the human and technological limitations inherent in the scientific research that proposed these psychoacoustic models. Too small a sample, insufficiently precise measuring instruments or simply ignorance of certain physical or psychological phenomena affecting the spatial perception of sounds are all reasons that may explain the appearance of distortions at a conversion stage. Second, even assuming the algorithms are perfect, there are the processing limits of the devices carrying out the conversion. In the case of transaural conversion, while suppressing the spectral modifications normally present in a binaural signal for sounds coming from the front is relatively easy and requires static processing of the information, controlling acoustic crosstalk is a dynamic process requiring much greater processing capacity. These observations on the current practical limits of transaural conversion thus apply equally to binaural simulation. This last remark, although somewhat outside the subject of compatibility between the various sound spatialization systems, does explain the partial successes observed with systems using only two channels to convey three-dimensional sound information.

Du côté des systèmes multi-canaux et multi-enceintes acoustiques, la question de compatibilité pose des problèmes différents. S’il est vrai que Dolby Stereo/Surround et l’Ambisonie appartiennent tous deux à ce regroupement, leurs détails de conception sont suffisamment différents pour que la conversion ne soit pas abordée de façon empirique. Dans le Dolby Stereo/Surround, le signal a toujours des correspondances précises avec des positions d’enceintes acoustiques dans l’espace de reproduction. Par contre, en Ambisonie, le signal de format-B ou de format-C, qui est le format de transmission, ne correspond à aucun positionnement particulier d’enceintes acoustiques. Donc une conversion de l’Ambisonie vers le Dolby Stereo/Surround implique nécessairement une conversion du format-B ou C à un format-D, le format de reproduction, correspondant aux positions habituelles en Dolby Stereo/Surround pour quatre ou six canaux. Ensuite, le signal Dolby Stereo/Surround ainsi obtenu est traité de la manière conventionnelle pour cette technologie, c’est-à-dire laissé sans modification en quatre ou six canaux ou en transformant les quatre canaux dans une matrice à deux canaux comme sur les supports pour consommateurs courants tels que le disque compact, la vidéocassette ou le vidéodisque. Mentionnons à titre d’exemple la musique du film Howards End, enregistrée et distribuée par la compagnie Nimbus en Ambisonie ; toutefois, la bande-son du film est en format Dolby Stereo et la version vidéo du film est distribuée en Dolby Surround.On the side of multichannel, multi-loudspeaker systems, the question of compatibility raises different problems. Although Dolby Stereo/Surround and Ambisonics both belong to this group, their design details are sufficiently different that conversion should not be approached empirically. In Dolby Stereo/Surround, the signal always corresponds precisely to loudspeaker positions in the reproduction space. In Ambisonics, on the other hand, the B-format or C-format signal, which is the transmission format, does not correspond to any particular loudspeaker positioning. A conversion from Ambisonics to Dolby Stereo/Surround therefore necessarily involves converting the B- or C-format into a D-format, the reproduction format, corresponding to the usual Dolby Stereo/Surround positions for four or six channels. The Dolby Stereo/Surround signal thus obtained is then processed in the conventional way for this technology, that is, left unmodified in four or six channels, or with the four channels transformed into a two-channel matrix as on current consumer media such as the compact disc, the videocassette or the videodisc. As an example, the music for the film Howards End was recorded and released by the Nimbus company in Ambisonics; the film’s soundtrack, however, is in Dolby Stereo format, and the video version of the film is released in Dolby Surround.

Pour la conversion inverse, Dolby Stereo/Surround vers l’Ambisonie, on doit faire passer le signal Dolby Stereo/Surround dans l’unité de panoramique/rotation du Ambisonic Mastering Package pour donner à chaque canal, et à l’enceinte acoustique pour laquelle il est destiné, une correspondance azimutale en format-B. Cette correspondance azimutale en format-B n’oblige pourtant aucune disposition particulière d’enceintes acoustiques sinon celles commandées par les limites du décodeur ambisonique qui sera employé. Le Dolby Stereo/Surround devient en quelque sorte, une fois converti en Ambisonie, plus flexible quant à l’optimisation des conditions de reproduction. En présumant que le Dolby Stereo/Surround manipule adéquatement les images fantômes, c’est-à-dire les positions sonores entre les enceintes, la conversion ne devrait pas dégrader la qualité spatiale de l’information. Nous savons cependant que le Dolby Stereo/Surround manipule seulement de façon convenable les images fantômes dans le quadrant avant délimité par un angle de 45° de part et d’autre de l’axe X. L’Ambisonie de son côté, puisqu’elle n’a pas été spécifiquement conçue pour accompagner un média visuel sur écran, manipule adéquatement les images fantômes sur 360° en mode bidimensionnel ou tridimensionnel. Nous pouvons donc affirmer que la conversion du Dolby Stereo/Surround vers l’Ambisonie maintiendra la qualité de l’information spatiale et la reproduction sera équivalente à ce qui serait obtenu avec un décodeur Dolby Surround passif.For the reverse conversion, from Dolby Stereo/Surround to Ambisonics, the Dolby Stereo/Surround signal must be passed through the pan/rotate unit of the Ambisonic Mastering Package to give each channel, and the loudspeaker for which it is intended, an azimuthal correspondence in B-format. This azimuthal correspondence in B-format does not, however, require any particular loudspeaker layout other than those dictated by the limits of the Ambisonic decoder to be used. Once converted to Ambisonics, Dolby Stereo/Surround becomes, in a way, more flexible as regards the optimization of reproduction conditions. Assuming that Dolby Stereo/Surround handles phantom images, that is, sound positions between the loudspeakers, adequately, the conversion should not degrade the spatial quality of the information. We know, however, that Dolby Stereo/Surround handles phantom images properly only in the front quadrant bounded by an angle of 45° on either side of the X axis. Ambisonics, for its part, since it was not specifically designed to accompany a visual medium on a screen, handles phantom images adequately over 360° in two-dimensional or three-dimensional mode. We can therefore state that converting Dolby Stereo/Surround to Ambisonics will maintain the quality of the spatial information, and reproduction will be equivalent to what would be obtained with a passive Dolby Surround decoder.

Dans le processus de conversion inverse, Ambisonie vers Dolby Stereo/Surround, on assistera cependant à une certaine dégradation de la qualité de l’information spatiale, particulièrement à l’extérieur du quadrant avant décrit plus haut. S’il s’agit de musique acoustique, où les sons directs proviennent par convention du quadrant avant, le manque de précision azimutale dans les autres quadrants ne devrait pas poser de véritables problèmes esthétiques. S’il s’agit de musique électronique, dans le sens générique du terme, ou d’effets sonores, les deux pouvant contenir potentiellement des stimuli sonores distribués sur 360°, ce manque de précision introduira d’importantes distorsions spatiales pouvant déplaire aux concepteurs originaux des différents programmes. Il faudra aussi probablement s’abstenir d’utiliser un décodeur logic qui dirigerait de façon excessive les images fantômes vers des enceintes acoustiques spécifiques.In the reverse conversion process, from Ambisonics to Dolby Stereo/Surround, there will, however, be some degradation of the quality of the spatial information, particularly outside the front quadrant described above. In the case of acoustic music, where direct sounds conventionally come from the front quadrant, the lack of azimuthal precision in the other quadrants should not pose any real aesthetic problems. In the case of electronic music, in the generic sense of the term, or of sound effects, both of which may contain sound stimuli distributed over 360°, this lack of precision will introduce significant spatial distortions that may displease the original designers of the various programmes. It will also probably be necessary to refrain from using a logic decoder that would steer phantom images excessively towards specific loudspeakers.

La conversion de l’information d’un système multi-canaux vers un système binaural ou transaural demande que chaque canal du signal multi-canaux qui sera converti ait une correspondance azimutale ; il faut donc qu’il soit prêt pour la diffusion sur enceinte acoustique. Pour une conversion Dolby Surround vers binaural, cela ne complique pas le procédé puisque le Dolby Surround est déjà sous cette forme. Pour l’Ambisonie, il faut donc convertir le format-B ou C en format-D. Cependant le format-D n’a pas l’obligation d’être d’une forme prescrite particulière : s’il s’agit d’un signal tridimensionnel, le format-D pourrait même correspondre tout simplement au format-A du microphone Soundfield. En fait, une fois connus l’azimut et l’élévation des enceintes correspondantes aux différents canaux d’un signal en format-D ambisonique ou Dolby Surround, les coordonnées de chaque canal sont inscrites dans un simulateur binaural. Les signaux composites sont donc traités comme n’importe quel autre signal à l’entrée du simulateur binaural : les relations spatiales existantes entre les canaux d’un même signal composite sont préservées. Une fois le signal multi-canaux converti sous forme binaurale, il peut être laissé tel quel pour une écoute avec casque d’écoute ou encore converti sous forme transaurale pour écoute sur deux enceintes acoustiques.Converting information from a multichannel system to a binaural or transaural system requires that each channel of the multichannel signal to be converted have an azimuthal correspondence; it must therefore be ready to be played over a loudspeaker. For a Dolby Surround to binaural conversion, this does not complicate the process, since Dolby Surround is already in this form. For Ambisonics, the B- or C-format must therefore be converted into D-format. However, the D-format does not have to be in any particular prescribed form: in the case of a three-dimensional signal, the D-format could even simply correspond to the A-format of the Soundfield microphone. In fact, once the azimuth and elevation of the loudspeakers corresponding to the various channels of an Ambisonic or Dolby Surround D-format signal are known, the coordinates of each channel are entered into a binaural simulator. The composite signals are then processed like any other signal at the input of the binaural simulator: the existing spatial relationships between the channels of the same composite signal are preserved. Once the multichannel signal has been converted into binaural form, it can be left as is for listening over headphones, or converted into transaural form for listening over two loudspeakers.

La conversion d’un signal binaural ou transaural vers un système multi-canaux n’est pas complexe, mais exige, comme mentionné au premier paragraphe de ce point, que les modèles psychoacoustiques, et les algorithmes qui en sont dérivés, soient exempts d’erreurs. De plus, la capacité de traitement informatique doit être suffisante pour assurer le succès dans l’application des algorithmes. Effectivement, la conversion d’un signal binaural vers un système multi-canaux passera par une conversion transaurale. Si cette étape n’est pas satisfaisante, la conversion subséquente, transaural vers multi-canaux, devient inutile. Une fois le signal sous forme transaurale, il peut être décodé directement par une matrice 4:2:4 Dolby Surround : idéalement toutefois, cette matrice devrait comporter les modifications suggérées par Cook17. Un décodeur logic serait trop non-musical et affecterait sans aucun doute le traitement d’élimination de diaphonie acoustique propre aux signaux transauraux.Converting a binaural or transaural signal to a multichannel system is not complex but, as mentioned in the first paragraph of this section, requires the psychoacoustic models, and the algorithms derived from them, to be free of errors. In addition, computer processing capacity must be sufficient to apply the algorithms successfully. Indeed, converting a binaural signal to a multichannel system will go through a transaural conversion. If this step is not satisfactory, the subsequent conversion, from transaural to multichannel, becomes pointless. Once the signal is in transaural form, it can be decoded directly by a Dolby Surround 4:2:4 matrix: ideally, however, this matrix should include the modifications suggested by Cook17. A logic decoder would be too unmusical and would undoubtedly affect the acoustic crosstalk cancellation processing specific to transaural signals.

Compte tenu des qualités inhérentes à l’Ambisonie dans le traitement neutre de toutes les directions spatiales, une conversion d’un signal transaural, ou d’un signal binaural d’abord converti en transaural, ne devrait pas dégrader le signal original. En passant le signal transaural dans une unité de panoramique/rotation, on donne aux canaux gauche et droit les azimuts à partir desquels les algorithmes de conversion binaurale/transaurale ont été calculés en premier lieu. Même que le format-B ainsi créé permet une installation d’enceintes acoustiques plus flexible que l’installation prescrite par le signal transaural original. Comme indiqué plus haut, une conversion binaurale/transaurale demande, pour fonctionner adéquatement, des azimuts précis pour la position des enceintes acoustiques. En reproduction stéréophonique conventionnelle, le signal transaural, s’il n’est pas reproduit par des enceintes ayant exactement les positions pour lesquelles il a été prévu, exhibe une distorsion dans son illusion spatiale. Mais un signal transaural converti en format-B gardera toujours les azimuts qu’on lui a donnés à la conversion. Puisqu’une installation ambisonique bidimensionnelle reproduit de façon neutre toutes les directions sur 360°, le signal transaural sera reproduit à partir des bons azimuts et ce, qu’il y ait des enceintes acoustiques à ces positions ou non.Given the inherent qualities of Ambisonics in treating all spatial directions neutrally, converting a transaural signal, or a binaural signal first converted to transaural, should not degrade the original signal. By passing the transaural signal through a pan/rotate unit, the left and right channels are given the azimuths from which the binaural/transaural conversion algorithms were originally calculated. Moreover, the B-format thus created allows a more flexible loudspeaker installation than the one prescribed by the original transaural signal. As indicated above, a binaural/transaural conversion requires precise loudspeaker azimuths to work properly. In conventional stereophonic reproduction, a transaural signal that is not reproduced by loudspeakers in exactly the positions for which it was designed shows a distortion in its spatial illusion. But a transaural signal converted to B-format will always keep the azimuths given to it during conversion. Since a two-dimensional Ambisonic installation reproduces all directions over 360° neutrally, the transaural signal will be reproduced from the correct azimuths, whether or not there are loudspeakers in those positions.

6.3.2Les installations multi-systèmesMulti-system installations

La coexistence des différents systèmes, si elle est souhaitable, n’en est pas nécessairement une vision utopique. Un centre de production de Munich en Allemagne, Touchdown, possède un studio équipé d’un système de monitoring à quinze enceintes acoustiques pouvant accommoder la stéréophonie standard, le Dolby Stereo et l’Ambisonie tridimensionnelle73. Tout le traitement d’encodage et de décodage ambiophonique se fait par une unité de contrôle entièrement numérique développée par AGM Digital ; c’est donc une réalisation des recommandations que nous formulions au chapitre précédent. Cette unité permet, en combinaison avec la console, d’effectuer des modifications de champ en format-B tridimensionnel et aussi de procéder au mixage de différents formats-B. L’unité peut traiter de front les systèmes déjà mentionnés et la comparaison entre les différents systèmes pour un même programme peut se faire en temps réel. Puisque les capacités de traitement ne sont pas encore saturées, les concepteurs prévoient l’incorporation d’algorithmes de correction spectrale, transformant ainsi l’unité de traitement ambiophonique numérique en console de mixage complète. Reste à savoir si l’interface-usager permettra aux utilisateurs d’obtenir le maximum des possibilités d’un mixage sonore tridimensionnel.The coexistence of the different systems, while desirable, is not necessarily a utopian vision. A production centre in Munich, Germany, Touchdown, has a studio equipped with a fifteen-loudspeaker monitoring system that can accommodate standard stereophony, Dolby Stereo and three-dimensional Ambisonics73. All surround encoding and decoding processing is done by an entirely digital control unit developed by AGM Digital; it is thus a realization of the recommendations we made in the previous chapter. In combination with the console, this unit makes it possible to make field modifications in three-dimensional B-format and also to mix different B-formats. The unit can handle the systems already mentioned simultaneously, and comparisons between the different systems for the same programme can be made in real time. Since its processing capacity is not yet saturated, the designers plan to incorporate spectral correction algorithms, thus turning the digital surround processing unit into a complete mixing console. It remains to be seen whether the user interface will allow users to get the most out of three-dimensional sound mixing.

Du côté consommateur, les appareils mentionnés au chapitre 5 sont aussi un exemple de coexistence pacifique. Sachant cependant, d’après nos observations personnelles, que la majorité des utilisateurs sont paresseux, dans le mesure où ils veulent que la technologie soit transparente, et qu’ils ne sont pas nécessairement prêts à faire les efforts pour optimiser la reproduction des différents formats ambiophoniques, il devient impératif que les appareils traitant les signaux reconnaissent les formats qui leur sont alimentés. Cette question n’est pas réellement problématique si la transmission et le traitement de signal est sous forme numérique comme cela se fait déjà avec les produits fabriqués par les compagnies Mitsubishi et Onkyo. Il devient alors relativement aisé d’insérer un drapeau (flag) qui identifiera le format ambiophonique utilisé, pour que les appareils se mettent automatiquement en mode de décodage approprié47. Nous observons toutefois que la pratique habituelle en Dolby Stereo/Surround d’utiliser différents types d’enceintes acoustiques, selon le canal qui leur sera alimenté, ne convient plus dans une installation multi-systèmes. En effet, puisque l’Ambisonie encode l’information directionnelle de façon uniforme pour tous les azimuts et élévations, la véracité de reproduction implique obligatoirement des enceintes acoustiques identiques peu importe leur position dans la salle ou leur fréquence d’utilisation. Le studio du centre Touchdown comportait déjà deux moniteurs pour la stéréo conventionnelle qu’il aurait été ridicule de sacrifier, ne serait-ce que pour des raisons financières. Pour l’installation ambiophonique, les concepteurs ont donc opté pour des moniteurs de la même compagnie (Quested) ayant des caractéristiques spectrales similaires à la paire principale, mais plus petits. C’est ainsi que le studio s’est vu équipé de treize moniteurs supplémentaires : ceci signifie qu’en Dolby Stereo le canal de centre et le canal surround sont reproduits par le même modèle d’enceintes acoustiques, contrairement à ce qui se fait normalement, comme nous l’avons mentionné plus haut. Cette installation est aussi un compromis économique honorable pour l’Ambisonie.On the consumer side, the devices mentioned in chapter 5 are also an example of peaceful coexistence. Knowing, however, from our personal observations, that most users are lazy, in the sense that they want technology to be transparent, and that they are not necessarily prepared to make the effort to optimize the reproduction of the various surround formats, it becomes imperative that signal-processing devices recognize the formats fed to them. This is not really a problem if the transmission and signal processing are in digital form, as is already done with the products made by the Mitsubishi and Onkyo companies. It then becomes relatively easy to insert a flag identifying the surround format used, so that the devices automatically switch to the appropriate decoding mode47. We note, however, that the usual Dolby Stereo/Surround practice of using different types of loudspeakers depending on the channel fed to them is no longer appropriate in a multi-system installation. Indeed, since Ambisonics encodes directional information uniformly for all azimuths and elevations, faithful reproduction necessarily requires identical loudspeakers regardless of their position in the room or how often they are used. The studio at the Touchdown centre already had two monitors for conventional stereo that it would have been absurd to sacrifice, if only for financial reasons. For the surround installation, the designers therefore chose smaller monitors from the same company (Quested) with spectral characteristics similar to the main pair. The studio was thus equipped with thirteen additional monitors: this means that in Dolby Stereo the centre channel and the surround channel are reproduced by the same model of loudspeaker, contrary to normal practice, as mentioned above. This installation is also an honourable economic compromise for Ambisonics.