Binaurale Tonaufnahme

Ein Schallereignis wird erst dann zu einem Hörereignis, wenn die Schallwellen das Gehör durchdrungen haben, im Gehirn als Reiz anliegen und von ihm zu einer Hörwahrnehmung verarbeitet wurden. Man kann Schall- und Hörereignis auch nicht direkt vergleichen, da im Mittel- und Innenohr die Reizgestalt verändert wird. Das bedeutet, dass das Ohr das Signal gewissermaßen verzerrt. Diese Reize sind Empfindungen, die von Mensch zu Mensch unterschiedlich und von Frequenz, Dauer und dem Schalldruckpegel des Schallereignisses abhängig sind. Empfindungen sind nicht messbar, jedoch durch Hörstudien psychoakustisch statistisch erfassbar.

Benennung der drei Ebenen
oben: 1. Horizontalebene (Transversalebene)
 mitte: 2. Medianebene (Sagittalebene)
unten: 3. Frontalebene

Der Mensch ist in der Lage, seine wahrgenommenen Hörereignisse bestimmten Richtungen zuzuweisen. Der Mensch besitzt Wahrnehmungsmechanismen für die halbe Horizontalebene und die Medianebene. In einem kopfbezogenen Koordinatensystem wird als 0°-Achse die Richtung waagerecht nach vorn definiert.

Sobald die Schallquelle nicht mehr direkt auf der 0°-Achse liegt, erreichen identische Schwingungsphasen das linke und das rechte Ohr zu unterschiedlichen Laufzeiten und in unterschiedlichen Pegeln (interaurale Laufzeitdifferenzen, ITD und interauralen Pegeldifferenzen, ILD), und veranlassen das Gehör zu einer Raumlokalisation im virtuellen Schallfeld. Es handelt sich hier um winzige Differenzen: Laufzeitdifferenzen (Laufzeitunterschiede) können durch das menschliche Gehör bereits ab einer Größe von 10 µs zur Richtungslokalisation ausgewertet werden. Dieses entspricht einer Lokalisationsschärfe in der Horizontalebene von etwa 1°. Bis zu einer Laufzeitdifferenz von 630 µs erhöht sich die seitliche Lokalisation in etwa proportional zum Laufzeitunterschied. Eine Laufzeitdifferenz von 630 µs entspricht einer Wegstreckendifferenz des Schalls von 21,5 cm. Diese, auch „Hornbostel-Wertheimer-Konstante“ genannte Größe, entspricht der Wegstreckendifferenz bei Schalleinfall aus ±90° Einfallsrichtung bei einem durchschnittlichen Abstand der beiden Ohren am menschlichen Kopf.

Durch interaurale Signaldifferenzen kann Schall in der Horizontalebene lokalisiert werden. Hierbei kann allerdings nicht zwischen Schall aus der vorderen und hinteren Horizontalebene unterschieden werden, denn hierfür sind die interauralen Signaldifferenzen gleich. Man unterscheidet hierbei drei Frequenzbereiche; vergleiche auch Duplex-Theorie von John William Strutt, 3. Baron Rayleigh.

• Unterhalb von 800 Hz beruht die Bestimmung von interauralen Laufzeitdifferenzen (ITD) vor allem auf der Auswertung von Phasendifferenzen zwischen den Ohrsignalen. Interaurale Pegeldifferenzen spielen hier keine Rolle.
• Oberhalb von 1600 Hz beruht die Lokalisation auf der Auswertung interauraler Pegeldifferenzen (ILD) sowie auf der Auswertung interauraler Gruppenlaufzeit-Differenzen (Laufzeitdifferenzen der Signal-Hüllkurven).
• Im Bereich zwischen 800 Hz und 1600 Hz überlappen sich die Wirkungsbereiche der beteiligten Effekte. Mit zunehmender Frequenz wird der Winkelbereich, in dem interaurale Phasendifferenzen ausgewertet werden können, immer kleiner. Dafür steigt die Größe der interauralen Pegeldifferenzen.

Interaurale Pegeldifferenzen entstehen durch Abschattungen durch den Kopf. Interaurale Pegeldifferenzen sind stark frequenzabhängig. Frequenzen mit Wellenlängen in der Größenordnung des Hindernisses werden kaum noch gebeugt. Tiefe Frequenzen unterhalb von etwa 300 Hz bilden keinen Schallschatten und damit keine für die Lokalisation der Richtung heranziehbaren Pegeldifferenzen aus. Wohl haben jedoch diese tiefen Frequenzen mit den Phasendifferenzen einen besonderen Einfluss auf das Räumlichkeitsempfinden und das Umhüllungsgefühl.

In der Medianebene gibt es fast keine Laufzeitdifferenzen und Pegeldifferenzen zwischen beiden Ohren. Zur Lokalisation eines Schallereignisses werden hier die akustischen Eigenschaften des Außenohres ausgenutzt.

Die unterschiedlichen Erhebungen und Vertiefungen der Ohrmuschel bilden zusammen mit dem Gehörgang ein akustisches Resonatorsystem, das je nachdem, ob der Schall von vorn, von oben oder von hinten eintrifft, unterschiedlich angeregt wird. Hierdurch entstehen richtungsabhängige Minima und Maxima im Frequenzgang der Ohrempfindlichkeit. Das dadurch klanglich veränderte Geräusch wird vom Gehör in der Medianebene lokalisiert und klanglich korrigiert.

Die Frequenzbereiche, die durch bestimmte Einfallsrichtungen angeregt werden, werden auch richtungsbestimmende Bänder genannt. Da die Form des Außenohres bei jedem Menschen anders ist, besitzt auch jeder Mensch etwas andere „Frequenzgänge“ für vorne, oben und hinten.

Mit dem Kunstkopf aufgenommene Schallereignisse, die in der Medianebene liegen, sind beim späteren Abhören oft nur schwer zu lokalisieren. So kommt es oft zu Vorne-hinten- bzw. Oben-unten-Vertauschungen oder Im-Kopf-Lokalisation bei Kopfhörer-Wiedergabe. Eine Ursache ist, dass der Kunstkopf nicht die korrekte Frequenzstruktur erzeugt, weil seine räumliche Filterwirkung nicht mit der individuellen Head-Related Transfer Function des Zuhörers übereinstimmt.

Naturgemäß sollte ein Hörereignis für diese Art der Lokalisation nicht in einem zu schmalbandigen Frequenzband liegen. Und entsprechend ist die Anwendung eines Equalizers hier kontraproduktiv. Durch eine Manipulation des Frequenzgangs werden ansonsten unter Umständen auch richtungsbestimmende Frequenzbänder verändert, was dann vermehrt zu Lokalisationstäuschungen (Lokalisationsfehlern) führt.

Die Lokalisationsschärfe liegt bei Schallereignissen, die dem Hörer unbekannt sind, bei rund 17°, bei alltäglichen Schallereignissen um 9°. Diese Werte gelten bei einer Geradeaus-Stellung des Kopfes. Je weiter ein Signal aus der Vorwärtsrichtung heraustritt, desto schlechter wird die Lokalisationsgenauigkeit.

Die Im-Kopf-Lokalisation ist ein als unangenehm empfundener Effekt, der vor allem bei der Kopfhörerwiedergabe, aber auch bei Lautsprecherwiedergabe eintreten kann. Die Hörereignisse werden dann nicht mehr außerhalb des Kopfes lokalisiert, sondern im Kopf.

Das Gehirn vergleicht die eintreffenden Ohrsignale auf bekannte interaurale Signaldifferenzen und bekannten spektrale Strukturen. Wenn die Signale interaurale Zeit- und Pegeldifferenzen aufweisen, die in dieser Kombination unbekannt sind, oder wenn die Signale eine spektrale Charakteristik aufweisen, die mit dem eigenen Außenohr noch nie wahrgenommen wurde, kann es zu einer Im-Kopf-Lokalisation kommen. Bei Lautsprechern kann dieser Fall bei Verpolung eintreten und wenn man sie in einem Winkel von mehr als 90° aufstellt.

Eine solche Lokalisation kann experimentell simuliert werden, indem man bei einem Stereosignal, dessen beide Kanäle identisch sind, die Amplitudenwerte eines der beiden Kanäle spiegelt (invertiert) und sich das resultierende Signal mit Kopfhörern anhört.

Bei der einfachsten binauralen Aufnahmemethode braucht man zwei Mikrofone, die seitwärts voneinander weg zeigen und einen Abstand (Mikrofonbasis) von etwa 17 cm bis 22 cm zueinander haben. Beliebt sind 17,5 cm, welche angenähert die Position der Gehörgänge (Ohrkanäle) eines durchschnittlichen Menschen darstellen. Ein den Schall absorbierender oder auch reflektierender Trennkörper, wie beispielsweise ein Fußball oder eine Metallplatte, wird zwischen die Mikrofone platziert, um einen Kopf angenähert zu simulieren. Eine bekannte Ausführung dieser Anordnung ist die Jecklin-Scheibe OSS, eine absorbierende, 30 cm große Scheibe zwischen zwei Mikrofonen mit Kugelcharakteristik bei einer Mikrofonbasis von 16,5 cm. Die Mikrofone werden dabei leicht nach außen gedreht. In den Scripten von Jecklin findet man neuerdings den vergrößerten Scheibendurchmesser von 35 cm und die jetzt sogar mehr als verdoppelte Mikrofonbasis von 36 cm.[1]

Dieses ist noch nicht allgemein bemerkt worden, denn man nimmt weiterhin die veralteten 30-cm-Scheiben-Abmessungen und die zu kleine 16,5-cm-Mikrofonbasis.

Eine weitere kopfähnliche Anordnung ist das Kugelflächenmikrofon.

Aufwändigere Techniken bestehen aus genauen Kopfnachbildungen mittels eines Kunstkopfes. Ein typisches binaurales Aufnahmegerät hat zwei Kondensator-Studiomikrofone mit Kugelcharakteristik, die im Gehörgang des Kunstkopfs eingesetzt sind. Hier werden die in psychoakustischen Forschungsgemeinschaften erarbeiteten kopfbezogenen Übertragungsfunktionen HRTF nachgebildet.

Der erste Stereo-Kunstkopf mit Nachbildung des menschlichen Gehörganges wurde bereits 1933 gebaut. Die Kunstköpfe KU-81 und KU-100 des Unternehmens Neumann sind heute die am meisten benutzten binauralen Mikrofone. Im Amateurbereich gab es den von Sennheiser hergestellten MKE 2002, der wahlweise am eigenen Kopf getragen wurde oder in die Ohren eines Kunststoffkopfes eingehängt werden konnte. Das Kemar-System (eingetragener Name: KEMAR) ist eine Alternative. Das aufwändigere HMS-System von Head Acoustics (eingetragener Name: HEAD acoustics) aus Herzogenrath bei Aachen hat eine automatische Frequenzgangeinstellung und vermittelt einen besseren Rundumeindruck. Es ist überwiegend in der akustischen Messtechnik verbreitet.

Das erste im deutschen Radio ausgestrahlte Hörspiel in Kunstkopf-Stereofonie war zur Funkausstellung 1973 in Berlin die RIAS/BR/WDR-Produktion „Demolition“ (The demolished man) nach dem Roman von Alfred Bester.

Es gibt auch Alternativen, wie beispielsweise der Ohrstecker mit Mikrofon, die ähnlich arbeiten.

Diese „Ohrstöpsel mit Mikrofon“, auch unter der Bezeichnung „Originalkopf-Mikrofon“ (OKM) bekannt, sehen aus wie ganz normale Kopfhörer, wie man sie von einem Walkman kennt. Sie sind mit Elektretmikrofonkapseln mit Kugelcharakteristik versehen. Die Mikrofone sind mit 3,5-mm-Klinkensteckern ausgestattet und eignen sich somit für den mobilen Einsatz, da man mit handelsüblichen MiniDisc-Playern oder DAT-Recordern aufnehmen kann.

Man kann sich aus dem Nachteil, dass man immer an einen menschlichen Kopf gebunden ist, der sicher nie ganz still gehalten wird, einen Vorteil machen. Für Hörspiele sind Choreographien möglich, die mit einem herkömmlichen Kunstkopf nicht ohne weiteres zu erzeugen wären. Somit kann man nicht nur Bewegungen um den Kunstkopf machen, sondern auch den Kunstkopf ganz bewusst in das Stück miteinbeziehen. Viele Bootlegs von Live-Konzerten werden mit Hilfe dieser Mikrofone produziert, da die Aufnahme-Ohrstöpsel sehr unauffällig zu tragen sind und brauchbare Ergebnisse für Kopfhörerwiedergabe liefern können.

Oft werden bei Messungen ganz normale Messmikrofone verwendet, die sich allerdings für viele Anwendungen nicht wirklich gut eignen, da sie eben den räumlichen Eindruck, also auch das menschliche Hörempfinden, bei der Auswertung der akustischen Signale nicht berücksichtigen. Untersuchungen, die menschliche Eigenschaften mit einbeziehen, sind nur mit Hilfe des Kunstkopfs zu realisieren. Bei Messungen in der Industrie wird der Kunstkopf oft als eine Art „Dummy“ verwendet, der sich in unmittelbarer Nähe von Explosionen, Unfällen, lauten Maschinen oder Ähnlichem befindet. Die Kunstköpfe für Messungen sind meistens auch mit speziellen Computerschnittstellen verbunden, um die akustischen Signale auszuwerten. Messungen, die auch noch psychoakustische Parameter, wie zum Beispiel eine Erwartungshaltung des Hörers, beinhalten, werden dann meistens auch im Zusammenhang mit Hörstudien ausgewertet.

Vor allem in den 1970er Jahren wurde der Kunstkopf auch bei kreativen Hörspielen eingesetzt. Aber auch heute findet man noch vereinzelt Hörspielproduktionen, die mit dem Kunstkopf aufgenommen wurden, vor allem bei den öffentlich-rechtlichen Rundfunkanstalten. Bei Hörspielen kann man ganz deutlich hören, dass allein die Aufstellung des Kunstkopfs mit in die Handlung des Stückes und die darin aufkommende Stimmung eingeht, was auch bewusst so eingesetzt wird.

Der Bayerische Rundfunk nahm den 50. Geburtstag des Nationalparks Bayerischer Wald als Anlass im Rahmen seiner Sendereihe radioReisen eine Bonusfolge mit dem Titel Meditative Wald-Sounds zum Entspannen am 2. Oktober 2020 auf Bayern 2 in Kunstkopf-Stereofonie zu senden. Die Aufnahme entstand in der Nähe von Bodenmais am Südhang des Großen Arbers. Als Aufnahmegerät wurde ein Sennheiser Kunstkopf verwendet. Die Stunde Waldleben mit Vogelgezwitscher, Bäumerauschen und Bachgeplätscher ist als Podcast verfügbar und kann jederzeit nachgehört und heruntergeladen werden.[2]

Nur bei sehr wenigen Musikproduktionen wird die Kunstkopftechnik eingesetzt. Dieses liegt nicht an den damit verbundenen Kosten, sondern an der nicht vorhandenen Lautsprecherkompatibilität. Kunstkopfaufnahmen klingen mulmig verfärbt über Lautsprecher, weil zu den kunstkopfeigenen Spektraldifferenzen noch die eigenen Ohrsignale hinzukommen, und das doppelt und überkreuz.

Grundsätzlich ist bei Musikaufnahmen zwischen dem im Rock- und Pop-Bereich üblichen „Take-by-Take-Verfahren“ auf mehreren Einzelspuren und reinen Stereo-Aufnahmen zu unterscheiden. Dieses Verfahren ist auch bei Kunstkopfaufnahmen möglich. Man muss, bevor man die Aufnahme beginnt, alle Instrumente so um den Kunstkopf verteilen, wie sie später im Klangbild platziert sein sollen. Man kann die einzelnen Instrumente dann auf einem Multitrack-Recorder wie gewohnt nacheinander aufnehmen. Beim späteren Mixdown ist nur darauf zu achten, dass man die einzelnen Signale nicht mehr uneingeschränkt mit einem Equalizer bearbeiten sollte, da dieses die richtungsbestimmenden Frequenzbänder beeinträchtigt, die zur Lokalisierung des jeweiligen Instruments wichtig sind. Auch ein Bearbeiten mit dem Panpot sollte vermieden werden. Einschränkungen in den Möglichkeiten zur Nachbearbeitung sind bei den heute üblichen Studioproduktionen der Hauptgrund dafür, dass sich das Verfahren nicht breit durchsetzen konnte. Audio-Produktionen sind heute ein Kunstprodukt, das auf einer Heimanlage ansprechende Wahrnehmung erzeugen soll, die nicht unbedingt mit dem Originalereignis übereinstimmen muss. Doch bleibt die Kunstkopf-Stereofonie bis heute neben Ambisonics und WFS-Holofonie die einzige Möglichkeit, das Schallfeld des Aufnahmeraumes in allen drei Raumdimensionen, also wirklich räumlich, zu reproduzieren.