HOA2 je implementace vyššího řádu Ambisonics používající sférické harmoniky druhého řádu, která nabízí vylepšenou přesnost prostorového zvuku pro lepší rovnováhu mezi kvalitou a datovým tokem u immersivních služeb, jako je streamování VR přes sítě 5G.

Popis

HOA2 označuje reprezentaci a zpracování prostorového zvukového pole pomocí Ambisonics druhého řádu. Jedná se o konkrétní úroveň v rámci škálovatelného rámce Higher Order Ambisonics (HOA). Matematicky signál Ambisonics druhého řádu rozkládá zvukové pole na sadu koeficientů sférických harmonik až do stupně l=2. Výsledkem je (2+1)² = 9 samostatných zvukových kanálů (často označovaných W, X, Y, Z, R, S, T, U, V). Každý kanál představuje specifický vzor sférické harmoniky a zachycuje podrobnější směrové informace než Ambisonics prvního řádu (který má 4 kanály), přičemž zvláště zlepšuje vnímání šířky zdroje zvuku, výšky a externalizace (pocit umístění zvuku vně hlavy).

Pracovní postup pro HOA2 zahrnuje kódování, přenos a dekódování. Při produkci je zvuk zachycen mikrofonním polem Ambisonics druhého řádu nebo je generován namapováním virtuálních zvukových objektů do B-formátu druhého řádu. Tento 9-kanálový signál je následně komprimován pomocí podporovaného kodeku, jako je MPEG-H 3D Audio, který dokáže účinně snížit jeho datový tok při zachování prostorových informací. V řetězci dodávky 3GPP je komprimovaný HOA2 bitový proud zabalen do mediálních segmentů, typicky v kontejneru ISO Base Media File Format (ISOBMFF) pro Dynamic Adaptive Streaming over HTTP (DASH).

Na klientském zařízení, jako je VR headset, je přijatý HOA2 stream dekódován zvukovým kodekem a následně renderován pro přehrávání. Renderování zahrnuje aplikaci dekódovací matice na 9 kanálů, aby byly získány signály pro konkrétní výstupní konfiguraci, ať už jde o soustavu více reproduktorů nebo binaurální sluchátka. Pro přehrávání s head-trackingu se data o orientaci hlavy ze senzorů zařízení používají k dynamické rotaci celého zvukového pole před dekódováním, což zajišťuje, že zvuky zůstanou pevně umístěny ve virtuálním světě. Zvýšený počet kanálů v HOA2 oproti prvnímu řádu umožňuje přesnější rekonstrukci zvukového pole, což vede k ostřejší lokalizaci zvuků a přesvědčivějšímu pocitu ponoření, zejména u zvuků nad a pod posluchačem.

K čemu slouží

HOA2 bylo specifikováno, aby poskytlo konkrétní, střední kvalitativní stupeň v žebříčku kvality HOA, který řeší kompromis mezi věrností immersivního zvuku a praktickými omezeními šířky pásma, výpočetního výkonu a úložiště. Ambisonics prvního řádu (HOA1), ačkoli je dobrým výchozím bodem, má omezené prostorové rozlišení, které může způsobovat slyšitelné rozmazání zdrojů zvuku a slabé výškové informace. Ambisonics třetího nebo vyššího řádu poskytuje vynikající věrnost, ale za cenu výrazně vyššího počtu kanálů a datového toku, což může být pro mobilní streamování nepřijatelné. HOA2 bylo zavedeno, aby tuto mezeru zaplnilo, a nabízí podstatné zlepšení oproti HOA1 za cenu umírněného nárůstu složitosti.

Konkrétní motivací v rámci vydání 3GPP bylo umožnit poskytovatelům služeb nabízet stupňované immersivní zvukové zážitky. Například základní VR stream může používat HOA1, zatímco prémiová služba může pro vylepšený realismus využívat HOA2. Standardizace HOA2 jako definovaného profilu zajišťuje interoperabilitu mezi kodéry, streamovacími servery a dekodéry, což umožňuje průmyslu konvergovat na konkrétní sadu parametrů pro tuto úroveň kvality. To je klíčové pro efektivní implementaci kodeků a certifikaci zařízení.

Z pohledu sítě pomáhá definice HOA2 při optimalizaci sítě s ohledem na média. Síťové funkce mohou být informovány o charakteristikách HOA2 streamů (např. o jejich citlivosti na ztrátu paketů u určitých kanálů), aby mohly uplatňovat vhodné zásady QoS (Quality of Service). Jeho standardizace v pozdějších vydáních 3GPP odráží zrání služeb immersivních médií a potřebu sofistikovanějších zvukových formátů pro plné využití vysoké propustnosti a nízké latence pokročilých sítí 5G.

Klíčové vlastnosti

• Definován jako reprezentace sférickými harmonikami 2. řádu, sestávající z 9 zvukových kanálů.
• Poskytuje výrazně vylepšené prostorové rozlišení a lokalizaci zdroje zvuku oproti Ambisonics 1. řádu.
• Přináší lepší vnímání šířky zdroje zvuku, výšky a externalizace.
• Standardizován jako specifický profil v rámci specifikací immersivních médií 3GPP.
• Optimalizován pro kompresi pomocí kodeků jako MPEG-H 3D Audio pro efektivní streamování.
• Podporuje dynamické binaurální renderování s head-trackingu pro aplikace VR/AR headsetů.

Související pojmy

• HOA – Higher Order Ambisonics
• DASH – Dynamic Adaptive Streaming over HTTP

Definující specifikace

• TS 26.260 (Rel-19) — Immersive Audio Objective Test Methods
• TR 26.933 (Rel-19) — Study on Diverse Audio Capturing System
• TR 26.997 (Rel-19) — IVAS Codec Specification

📖 Anglický originál a plná specifikace: HOA2 na 3GPP Explorer