Binaurale Tonaufnahme

Grundidee der binauralen Aufnahme

Eine binaurale Tonaufnahme nimmt Schallsignale so auf, dass bei der Wiedergabe über Kopfhörer ein natürlicher räumlicher Höreindruck mit genauer Richtungslokalisation entsteht. Häufig wird dafür ein Kunstkopf verwendet. Binauralaufnahmen sind besondere Stereoaufnahmen, die deshalb auch Kopfhörer-Stereofonie genannt werden.

Bei gewöhnlicher Lautsprecher-Stereofonie erzeugt das Gehör im Stereodreieck die Ohrsignale selbst. Die Formen von Kopf und Ohrmuscheln müssen bei der Aufnahme deshalb nicht berücksichtigt werden. Beim Kopfhörer fehlen diese natürlichen Einflüsse weitgehend. Binaurale Aufnahmen ersetzen sie durch eine Aufnahmetechnik, welche die an beiden Ohren auftretenden Signale nachbildet. Dadurch kann ein räumliches Schallfeld besonders realitätsnah wirken.

Wie das Hören Richtungen erkennt

Ein Schallereignis wird erst zum Hörereignis, wenn Schallwellen das Gehör erreicht haben und ihr Reiz im Gehirn zu einer Hörwahrnehmung verarbeitet wird. Schallereignis und Hörereignis sind nicht unmittelbar vergleichbar, weil Mittel- und Innenohr die Reizgestalt verändern. Die Empfindung hängt unter anderem von Frequenz, Dauer und Schalldruckpegel ab; sie ist nicht direkt messbar, aber psychoakustisch durch Hörstudien statistisch erfassbar.

Für die Richtung nutzt der Mensch vor allem die Horizontalebene und die Medianebene. Als 0°-Achse gilt im kopfbezogenen Koordinatensystem die waagerechte Richtung nach vorn. In der Horizontalebene entstehen bei seitlichem Schalleinfall interaurale Laufzeitdifferenzen (ITD) und interaurale Pegeldifferenzen (ILD): Derselbe Schall trifft die Ohren zu verschiedenen Zeiten und mit verschiedenen Pegeln. Bereits 10 µs Laufzeitdifferenz können für die Lokalisation ausgewertet werden; dies entspricht etwa 1° Lokalisationsschärfe. Bis 630 µs steigt die seitliche Lokalisation ungefähr proportional zum Laufzeitunterschied. 630 µs entsprechen 21,5 cm Wegstreckendifferenz und heißen auch Hornbostel-Wertheimer-Konstante; sie treten bei Einfall aus ±90° bei durchschnittlichem Ohrabstand auf.

Unterhalb von 800 Hz werden vor allem Phasendifferenzen zur Auswertung der ITD genutzt, während ILD keine Rolle spielen. Oberhalb von 1600 Hz bestimmen ILD und Gruppenlaufzeit-Differenzen der Signalhüllkurven die Lokalisation. Zwischen 800 Hz und 1600 Hz überlappen sich beide Bereiche. Pegeldifferenzen entstehen durch die Abschattung des Kopfes. Tiefe Frequenzen unter etwa 300 Hz erzeugen keinen nutzbaren Schallschatten, beeinflussen aber Räumlichkeit und Umhüllungsgefühl über Phasendifferenzen. Mit ITD und ILD allein lässt sich vorne nicht von hinten unterscheiden, weil die Differenzen dafür gleich sein können.

In der Medianebene gibt es fast keine Unterschiede zwischen beiden Ohren. Hier liefern Ohrmuschel und Gehörgang richtungsabhängige Veränderungen des Frequenzgangs: Je nachdem, ob Schall von vorn, oben oder hinten kommt, entstehen Minima und Maxima der Ohrempfindlichkeit. Solche Frequenzbereiche heißen richtungsbestimmende Bänder. Weil jedes Außenohr anders geformt ist, sind diese Frequenzgänge individuell. Unbekannte Signale werden in dieser Ebene mit rund 17°, alltägliche mit etwa 9° Schärfe lokalisiert; außerhalb der Vorwärtsrichtung wird die Genauigkeit schlechter.

Beim Kunstkopf kann dessen Filterwirkung von der individuellen Head-Related Transfer Function (HRTF) des Hörers abweichen. Dann treten besonders in der Medianebene Vorne-hinten- oder Oben-unten-Vertauschungen auf. Ein zu schmalbandiges Signal und Eingriffe mit einem Equalizer können richtungsbestimmende Bänder verändern und Lokalisationsfehler verstärken.

Aufnahmeverfahren und Entzerrung

Die einfachste binaurale Methode verwendet zwei seitlich nach außen gerichtete Mikrofone mit etwa 17 cm bis 22 cm Abstand; 17,5 cm entsprechen näherungsweise der Lage menschlicher Gehörgänge. Ein Trennkörper, etwa ein Fußball oder eine Metallplatte, soll den Kopf nachbilden. Die Jecklin-Scheibe OSS besteht aus einer absorbierenden Scheibe zwischen zwei Kugelmikrofonen. Früher wurden 30 cm Scheibendurchmesser und 16,5 cm Mikrofonbasis verwendet; in Jecklins neueren Scripten stehen 35 cm Durchmesser und mehr als die doppelte Basis von 36 cm. Eine weitere kopfähnliche Anordnung ist das Kugelflächenmikrofon.

Genauere Verfahren nutzen Kunstköpfe mit zwei Kondensator-Studiomikrofonen mit Kugelcharakteristik im Gehörgang. Sie bilden kopfbezogene Übertragungsfunktionen, die HRTF, nach. Der erste Stereo-Kunstkopf mit nachgebildetem Gehörgang wurde 1933 gebaut. Häufig verwendete Modelle sind Neumanns KU-81 und KU-100. Weitere Systeme sind das tragbare oder in einen Kunststoffkopf einhängbare Sennheiser MKE 2002, KEMAR sowie das HMS-System von HEAD acoustics, das eine automatische Frequenzgangeinstellung besitzt und vor allem in der akustischen Messtechnik eingesetzt wird. Ohrstecker-Mikrofone beziehungsweise Originalkopf-Mikrofone (OKM) enthalten Elektretkapseln mit Kugelcharakteristik und eignen sich durch 3,5-mm-Klinkenstecker für mobile Aufnahmen. Da der Träger seinen Kopf bewegen kann, sind damit bei Hörspielen auch gezielte Bewegungen möglich.

Bei der Entzerrung wird zwischen Freifeld und Diffusfeld unterschieden. Freifeldmessungen erfolgen ohne reflektierende Begrenzungsflächen, näherungsweise in einem reflexionsarmen Raum, und gelten jeweils nur für eine Einfallsrichtung. Das Diffusfeld enthält dagegen gleichmäßig aus allen Richtungen eintreffende Schallanteile. Bei Druckmikrofonen unterscheiden sich beide Frequenzgänge stark. Bei Direktschall aus 0° kann bei etwa 18 mm Membrandurchmesser eine Pegelanhebung von 6 dB bei 10 kHz auftreten, weil kurze Wellen an der Membran reflektiert werden und sich der Schalldruck dort verdoppelt. Im Diffusfeld ergibt sich ein Höhenabfall, weil hohe Frequenzen nicht mehr um die Kapsel gebeugt werden. Da Kunstköpfe eher für größere Entfernungen als für Nahfeldaufnahmen gedacht sind, ist der Diffusfeldfrequenzgang besonders wichtig. Für die Kopfhörerwiedergabe soll daher ebenfalls ein diffusfeldentzerrter Kopfhörer verwendet werden; noch besser wäre ein Modell mit spezieller IRT-Entzerrung.

Wiedergabe und typische Probleme

Binaurale Aufnahmen entfalten ihre räumliche Wirkung optimal über Kopfhörer. Über Lautsprecher entsteht meist nur ein etwas hohl klingender Stereo-Effekt. Eine Erklärung diffusfeldentzerrter Kunstkopfaufnahmen als lautsprecherkompatibel wurde wegen klanglicher Schwächen nicht angenommen. Kopfhörer können eine präzisere binaurale Abbildung ermöglichen als ein übliches Lautsprecher-Klangbild. Rechts-links wird sicher lokalisiert, während Oben-unten und frontal einfallende Signale schwieriger einzuordnen sind. Frontale Schallereignisse können als nach oben verschoben erscheinen; vorn vorhandene Signale werden vielfach von hinten gehört, seltener umgekehrt.

Im-Kopf-Lokalisation bedeutet, dass ein Hörereignis unangenehm im Kopf statt außerhalb des Kopfes wahrgenommen wird. Sie kann bei Kopfhörern und Lautsprechern auftreten, wenn Zeit- und Pegeldifferenzen in einer unbekannten Kombination oder eine ungewohnte spektrale Struktur eintreffen. Bei Lautsprechern kann Verpolung oder ein Aufstellwinkel von mehr als 90° dies verursachen. Experimentell lässt sich der Effekt mit einem Stereosignal erzeugen, dessen Kanäle zunächst identisch sind und bei dem die Amplitudenwerte eines Kanals invertiert werden.

Für Lautsprecherwiedergabe müssten linker und rechter Kanal vollständig getrennt das jeweilige Ohr erreichen; bei normaler Stereoaufstellung trifft jedoch jeder Lautsprecher auch das andere Ohr. Außerdem kommt der Nachhall des Abhörraums zum aufgenommenen Nachhall hinzu. Ein Vorschlag aus Berlin nutzt vier Lautsprecher: Gegenüberliegende Lautsprecher arbeiten zusammen, die hinteren sind phasengedreht, höhenabgesenkt und zeitverzögert, um Auslöschung zu erzeugen. Ein anderer Vorschlag aus Göttingen stellt je einen Lautsprecher neben jedes Ohr. Beide Verfahren verlangen eine feste Hörposition; besonders die zweite Anordnung reagiert empfindlich auf Kopfdrehungen. Außerhalb der optimalen Position bleibt eine stereoähnliche Übertragung, jedoch mit möglichen Klangfärbungen.

Einsatzgebiete

Kunstköpfe werden eingesetzt, wenn möglichst naturgetreu aufgenommen werden soll, was ein Hörer an einer bestimmten Stelle hören würde. In Messungen berücksichtigen gewöhnliche Messmikrofone den räumlichen Eindruck und das menschliche Hörempfinden nicht ausreichend. Kunstköpfe dienen deshalb etwa in der Industrie als Dummy nahe Explosionen, Unfällen oder lauten Maschinen und sind oft mit Computerschnittstellen zur Auswertung verbunden. Psychoakustische Merkmale wie die Erwartungshaltung werden meist zusammen mit Hörstudien ausgewertet.

Bei Hörspielen wurde die Technik besonders in den 1970er Jahren kreativ verwendet; die Position des Kunstkopfs kann Teil von Handlung und Stimmung sein. Das erste im deutschen Radio ausgestrahlte Hörspiel in Kunstkopf-Stereofonie war 1973 zur Funkausstellung in Berlin die RIAS/BR/WDR-Produktion „Demolition“ (The demolished man) nach Alfred Bester. Als Beispiel für Naturklänge sendete Bayern 2 am 2. Oktober 2020 die bei Bodenmais am Südhang des Großen Arbers mit einem Sennheiser-Kunstkopf aufgenommene Folge „Meditative Wald-Sounds zum Entspannen“.

Musikproduktionen verwenden Kunstkopftechnik selten, vor allem wegen fehlender Lautsprecherkompatibilität und begrenzter Nachbearbeitung. Bei Mehrspuraufnahmen müssen Instrumente vorab so um den Kunstkopf verteilt werden, wie sie später erscheinen sollen. Beim Mixdown sollen Equalizer und Panpot möglichst nicht eingesetzt werden, weil sie richtungsbestimmende Frequenzbänder und damit die Lokalisation verändern können. Trotz dieser Einschränkungen bleibt Kunstkopf-Stereofonie neben Ambisonics und WFS-Holofonie eine Möglichkeit, das Schallfeld eines Aufnahmeraums in allen drei Raumdimensionen wirklich räumlich zu reproduzieren.