胡瑞敏，张灵鲲，王晓晨，柯善发，胡晨昊，李登实

（武汉大学计算机学院，国家多媒体软件工程技术研究中心，武汉430072）

引 言

自2009年《阿凡达》上映以来，三维（Three-dimension，3D）音视频技术受到了广泛的关注，并得到了长足的发展。现在无论是从电影院里的杜比全景声，还是家里的5.1或者7.1系统，再到耳机上使用到的空间音频技术，都是为了能够让听音者产生较好的沉浸式音频体验。而MPEG-H标准也成为新的沉浸式空间音频标准［1］，通过MPEG-H听音者可以身临其境的感受声音，不仅仅是来自周围的声音，还包括来自上方的声音，通过将声音渲染为可移动的物体而不是静态的物体来获得更真实的感知现实世界。法国电信2012年就已经提出了3D音频的定义［2］，其必须能够重建水平、高度以及距离三个自由度上的声像。然而现有的产品或者技术，离实现真正的3D音频还具有一定的差距，为了实现逼真的空间音频体验，需要大量的设备来进行回放，并且回放的效果还会受到设备的数目、布置以及回放环境的混响条件等因素的影响，这是制约着当前3D音频技术发展的重要问题［3］。随着近年来电影产业以及VR/AR技术的发展，3D音频技术也成为了当前的一个热门研究课题。近5年来，在IEEE TASLP、JASA、ICASSP、ICME等声学和信号处理知名期刊会议上发表的与声场重建相关的文章数量一直保持在80篇左右。国内外大量从事声学、音频信号处理、多媒体技术的相关学者进行了大量的研究工作。本文将综述其中有关3D音频技术的基本原理，以及相关信号处理方法在3D音频技术中的应用。……