空间音频与三维音效实现

目标特性：
  方向感    → 声音来自左前上方，用户能指出
  距离感    → 远的声音更小、更闷、混响占比更高
  外部化    → 声音在头外，而不是在颅内
  环境感    → 声音带上房间的反射特征
  移动感    → 声源或头部移动时，声音平滑跟随

HRTF(方位角 θ, 仰角 φ, 频率 f) → 左右耳的复数增益

物理来源：
  头部阴影效应（Head Shadow）
    高频声波被头部遮挡，对侧耳衰减明显（1~4 kHz 以上）
  耳廓衍射（Pinna Diffraction）
    耳廓的褶皱对不同仰角产生不同的梳状滤波
    → 这是「上下」定位的主要线索
  躯干反射
    肩膀与躯干的反射影响低频与仰角感知

双耳渲染流程：
  单声道音源
      ↓
  按方位查 HRTF → 得到左右耳各自的滤波核
      ↓
  与左耳 HRTF 卷积 → 左声道
  与右耳 HRTF 卷积 → 右声道
      ↓
  耳机播放 → 大脑感知为空间中的声源

ITD 估算：
  声速 343 m/s，两耳间距约 0.18 m
  最大时间差 = 0.18 / 343 ≈ 525 μs
  对应的最小可辨方位角约 1~2 度（正前方）

关键限制：ITD 与 ILD 都无法区分「前后」与「上下」
  正前方与正后方的 ITD/ILD 相同
  → 必须靠 HRTF 频谱线索（即耳廓效应）区分
  → 这就是为什么通用 HRTF 容易前后不分

1. 数据库选优
   从公开 HRTF 数据库中，按用户头围与耳距选最接近的一条
   成本最低，效果比通用 HRTF 好，但仍是近似

2. 少量测量拟合
   在耳道放置微型麦克风，播放扫频信号，测量少数方位的响应
   用测量值校正通用 HRTF
   成本中等（需要专用设备），效果显著提升

3. 照片/视频拟合
   用手机拍摄耳廓多角度照片，通过模型预测 HRTF
   无需专用设备，是消费级设备的主流方向
   效果取决于模型质量，仍在演进

// Unity 内置空间音频的最小配置
var src = gameObject.AddComponent<AudioSource>();
src.spatialBlend = 1.0f;        // 1 = 完全三维
src.spatialize = true;          // 启用 HRTF 空间化器
src.rolloffMode = AudioRolloffMode.Custom;
src.minDistance = 1.0f;
src.maxDistance = 50f;
src.spread = 0f;                // 点声源

第 1 层：立体声声像（Panning）
  仅调整左右声道音量，无 HRTF
  成本极低，效果最差，只适合粗略的左右区分

第 2 层：HRTF 双耳渲染
  加入 ITD/ILD 与频谱线索
  成本中等，是 XR 的基线要求

第 3 层：HRTF + 房间混响
  加入早期反射与晚期混响
  成本较高，显著提升空间感

第 4 层：物理声学仿真
  实时计算遮挡、衍射、反射路径
  成本最高，通常只在关键声源上使用

1. 音量衰减（几何扩散）
   自由场中声压按 1/r 衰减
   实践中用自定义曲线，通常：
     r < 1 m   → 不衰减
     1~10 m    → 快速衰减
     10~50 m   → 缓慢衰减
     > 50 m    → 可闻但很轻

2. 空气吸收（高频衰减）
   高频在空气中衰减更快，因此远处声音更「闷」
   1 kHz 在 100 m 衰减约 0.3 dB
   10 kHz 在 100 m 衰减约 30 dB
   → 远距离音源应加低通滤波

3. 直接声与混响比（DRR）
   远处声源的直接声弱，混响占比高
   → 距离越远，混响比例越高

// 距离驱动的低通滤波（空气吸收近似）
float t = Mathf.InverseLerp(minDist, maxDist,
                            Vector3.Distance(src, listener));
float cutoff = Mathf.Lerp(20000f, 2000f, t);  // 20 kHz → 2 kHz
lowpass.cutoffFrequency = cutoff;

混响的两种实现：
  卷积混响（Convolution）
    用真实空间的脉冲响应（IR）卷积
    真实度高，但切换空间需要换 IR，成本高
    适合：固定场景、预烘焙

  算法混响（Algorithmic）
    用延迟线与滤波器网络实时合成
    参数化可调，成本低
    适合：动态变化的空间

  XR 常用混合方案：
    小空间用算法混响（参数随房间尺寸调整）
    关键场景用卷积混响（如重现特定大厅）

三种处理：
  1. 全遮挡：声源被墙完全挡住
     → 大幅衰减 + 强低通（只剩低频绕射）
  2. 部分遮挡：被柱子或家具挡住
     → 中等衰减 + 中等低通
  3. 透射：穿过墙（墙很薄）
     → 轻度衰减 + 轻度低通

实现：从听者向声源做射线检测
  命中次数 = 0 → 无遮挡
  命中次数 = 1 → 单层遮挡，衰减 + 低通
  命中次数 ≥ 2 → 多层遮挡，强衰减

注意：只做射线检测会有「硬切换」问题
  声源与遮挡边缘擦过时，衰减会突变
  → 需对衰减系数做时间平滑（100~200 ms 过渡）

// 遮挡检测与平滑
float targetOcclusion = RaycastOcclusion(sourcePos);
_currentOcclusion = Mathf.MoveTowards(_currentOcclusion,
                                      targetOcclusion,
                                      Time.deltaTime / 0.15f);
lowpass.cutoffFrequency = Mathf.Lerp(20000f, 800f, _currentOcclusion);
volume = Mathf.Lerp(baseVolume, baseVolume * 0.2f, _currentOcclusion);

同步要求：
  听者位置与朝向   → 每帧从头显更新（不能有滞后）
  声源位置         → 跟随物体变换，注意与物理/动画同步
  音频缓冲延迟     → 通常 20~50 ms，需与视频对齐

工程要点：
  1. 听者变换在音频线程更新，而不是主线程（避免帧率影响）
  2. 头部快速转动时，音频空间化要跟随，否则声音「粘在头上」
  3. 音频延迟无法完全消除，但可通过提前调度补偿

「声音粘在头上」的典型原因：
  听者位置更新频率低于头显刷新率
  → 头部转动后，音频空间化仍用旧朝向
  → 声音听起来不随环境变化，而是跟着头转

对策：
  在音频回调里直接读取最新的头显位姿，
  而不是依赖主线程每帧同步一次的缓存值。

降本手段：
  1. 遮挡检测降频：每 100 ms 检测一次而非每帧
  2. 距离剔除：超过 30 米且音量极低的声源停止空间化
  3. 分级空间化：关键声源用完整 HRTF，环境音用简化
  4. 声源池化：同类型环境音共享一个空间化实例

安全提示：
  XR 用户佩戴耳机且处于沉浸状态，
  对现实环境的感知被削弱。
  应提供「通透模式」或限制最大音量，
  这是产品安全的基本要求。

基础配置：
  □ spatialBlend = 1（三维音源）
  □ spatialize = true（启用 HRTF）
  □ 自定义衰减曲线（非默认线性）
  □ 距离驱动低通滤波

空间化：
  □ 关键声源用完整 HRTF
  □ 环境音用简化空间化
  □ 同时空间化声源 ≤ 16
  □ 超过 30 米的声源停止空间化

环境：
  □ 混响参数与房间尺寸挂钩
  □ 遮挡检测 + 时间平滑
  □ 户外场景关闭混响

同步：
  □ 听者位姿在音频线程读取
  □ 声源位置与动画/物理同步

可用性：
  □ 关键提示音有视觉冗余
  □ 分轨音量控制
  □ 最大音量限制与通透模式