TELKOM NIKA , Vol.13, No .3, Septembe r 2015, pp. 1 014 ~10 2 0   ISSN: 1693-6 930,  accredited  A  by DIKTI, De cree No: 58/DIK T I/Kep/2013   DOI :  10.12928/TELKOMNIKA.v13i3.1792    1014      Re cei v ed Ma rch 2 6 , 2015;  Re vised Ma y 20, 2015; Accepted June 1 0 , 2015   A New Selection Method of Anthropometric Parameters  in Individualizing Head-Related Impulse Responses      Huge ng* 1 , Wahidin Wah a b 2 , Dadang  Guna w a n 3   1 Departme n t of Computer En g i ne erin g, Un iv e r sitas Multime d i a Nus antara ( U MN),  Jl. Scientia Bo ulev ard, Gadi n g  Serpo ng,  T anger ang  158 10 , Indonesi a , Ph ./F ax: + 6221-5 422 08 08/00   2,3 Department of Electrical En gin eer i ng, Un iv ersitas Indo nes ia (UI),  Kampus Bar u  UI, Depok 16 4 24, Indo nesi a , Ph./F ax: + 6221 -727 007 8/77   *Corres p o ndi n g  author, e-ma i l : huge ng@ um n.ac.id* 1 , w a h i din. w a ha b@ ui. a c.id 2 , guna @ eng.u i .ac.id 3       A b st r a ct   A trend  issue  i n   mod e li ng  he ad-rel a ted  i m p u lse r e sp onses  (HRIRs) is  ho w  to indiv i du ali z e   HRI R s   mo de ls that ar e conv eni ent for a parti c u l a r  listener. T he  obj ective of thi s  research  is to show  a ro bu st   selecti on meth od of  ei ght an thropo metric  p a ra meters   out  of al l 2 7  p a ra meters  d e fine d  in  CIPIC HR TF   Datab a se. The  prop osed s e l e ction  meth od is  systematic al ly   and sc ientific all y  accepta b l e , compar ed to  ‘ t ri a l   and error ’  met hod in  s e lecti n g  the para m ete r s.  T he  se lect e d  anthr op o m etr i c par a m eters  of a giv en  liste ner  w e re app li ed i n  establ ishi ng  multipl e  l i ne ar re gressi on  mo de l s  in or der to  in divid u a l i z e   his  / her HRIRs. W e   mo de lle d  the e n tire mi ni mu m phas e  HRIRs i n   hor i z o n t a l p l ane  of 35 s u b j ects usin g pri n cipal  co mp on e n ts  ana lysis (PCA ). T he in divi d ual  mini mu m  phas e H R IRs  can  be  esti mate d a d e q u a t ely by  a li ne ar  combi natio n of ten orthon or ma l basis functi on s.     Ke y w ords :   HRIR mode li n g , HRIR indiv i dua li z a ti on, multip l e  regr essi on an alysis, p r incip a l co mpo nents   ana lysis      Copy right  ©  2015 Un ive r sita s Ah mad  Dah l an . All rig h t s r ese rved .       1. Introduc tion  Hea d -related  impul se  re sp onse i s  the  i m pulse  re spo n se  of a  hum an e a r th at functio n s   as  an  acou stic filter of h u m an a uditory  system fr o m   a  sou nd so urce   to  the entran c e of  ea r ca n a l.  Two  main   cues in  locali zing  the  dire ction s   of  so und  so urce s on  the  ho rizontal  pla n e  are   Interaural Time Difference (ITD)  and  Interaur al  Le vel Differe nce (IL D ) [1]. ITD a nd IL D  are   almost u ndi stingui shabl e o n  the media n  plane. Howe ver, locali zati on of so und  dire ction o n  this  plane is po ssible by sp e c tral modifi ca tion, mainly  due to reflection and diffraction on pi n nae   folds [2]. Filte r ing m ona ura l  sou nd u s in g  huma n  bin a u ral  HRI Rs creates Vi rtual  Auditory Spa c e  (VAS) in virt ual reality. This  depends   on the human  ps y c hoacous t ic  c h ar ac t e ris t ic s .  Human  tends to find a convin cing  spatial soun d  sufficiently  using two e a r  cha nnel s. Co ntrol of ITD, ILD,  and sp ectral modificatio n   i s  signifi cant  i n   provid ing  i n formatio n of  so und  source directio n to  a  lis tener in order to  create  VAS.  All these three primary s o und cu es  are  enc r ypt ed in HRIR.  The  Fouri e r-pai r o f  HRI R i n  fre quen cy d o ma in is  kn o w n  as hea d-relat ed  tran sfer functio n   (HRT F).  Many re se arche s  h ad  shown  that  HRT F vari es among  sub j ects  due to  inter-i ndivid ual  differen c e s  in  anthrop omet ric pa ram e ters and  cha nge s in so und  so urces’ di re cti ons [2, 3].  A seri es  of empiri cal m e asu r em ents  of i ndividual  HRT Fs fo r a  spe c ific li st ener  are  requi red in synthesizi ng perfect VAS system. These meas urements will  inevitably grow  prohi bitive, taking i n to a ccount the  req u i reme nts of  speci a lized a n d expen sive  equipm ent a nd  the meas urement time s p ent. Commerc ial VAS s y s t ems  are recently s y nthes ized usually in an   inexpen sive  way by u s in g no n-in divid ualized o r   g eneri c   HRTF s that i gno re  inter-individ ual  differen c e s . T he works in [ 3 , 4], howeve r , sh owe d   tha t  non-in dividu alize d  HRTF s, i.e. unsuitab l e  HRT Fs ap pli ed to  a li ste ner,  suffer from di stortio n s   su ch  a s  in -hea d lo cali zation  whe n  u s ing   head phon es,  poo r verti c a l  effects, in a c curate  late ralizatio n, and  wea k  fr ont-back di stin ction.   Thus,  it is e s sential to  d e velop  an in dividualiz atio n metho d  to  estimate  p r oper HRIRs  for a   listene r which  is abl e to p r ovide ad equa te sou nd  cue s  with out ne cessitating a  measurement  of  the  individual HRI Rs.   A vast body of research e s  is devote d  to  the individuali z ation of  HRTF in fre quen cy  domain  or  HRIR in tim e   domain. A n u mbe r  of HRTF in dividu alizatio n met hod s have  b een  Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  1693-6 930       A New Sele ct ion Method of  Anthropom etric Param e ters in Indivi dual izing …  (Huge ng)  1015 prop osed, su ch  a s  HRTF clu s terin g   an d  sel e ctio n of  a few  most  repre s e n tative one s [5], HRTF  scaling in fre quen cy [6], a  structu r al m odel of  com p osition an d d e com p o s ition  of HRTF s  [2],  HRT F d a taba se  matching  [7], the b ound ary el ement  method  [8], HRIR  su bje c tive custo m izatio n   of pinna resp onses [9] an d of pinna, h ead, and  to rso respon se s [10] on med i an plan e, an d  HRT F p e rso nalization  ba sed  on  multi p le reg r e ssi o n  an alysi s  (MRA) on  ho rizontal  pla n e  [11].  Shin and Pa rk [9] prop osed HRI R cu stomizati on m e thod ba sed  on subje c tive tuning of only  pinna respon se s (0.2 m s  out of entire HRI R)  on m e dian plan e u s ing PCA of  the CIPIC HRTF  Datab a se. Th ey attained t he custo m ize d  pinn a  re sp onses by  letting  a subj ect tune  the weig hts  on th ree  ba si s fun c tion s.  Hwan g a nd Pa rk [10] follo wed the  si milar metho d  a s  i n  [9], but they f ed  PCA with the  entire medi a n  HRI Rs; i.e. each  HRI R wa s 1.5 ms l ong (6 7 sa m p les) sin c e t h e   arrival  of dire ct pul se. T h is HRIR in clu d ed the  pinn a,  head, a nd to rso  re spo n ses. They tune d t h e   weig hts of th ree d o mina nt basi s  fun c tio n s  subje c tivel y  accordi ng to the thre e large s t sta n d a rd   deviation s at  each el evatio n. Hu  et al. [1 1]  perso nali z ed the  e s tima ted log - ma gni tude respon ses  of HRTFs  by MRA. Firstly, the log-m agnitud e  re spon se s were  approximate d  usi ng PCA  a s   linear  co mbi nation of  we ighted b a si s function s.  T he weight s  of the ba sis function s  were  sub s e que ntly approxim ate d  usin g anth r opo metri c  p a ram e ters by MRA. Our i ndividuali z ati o n   method  wa s  better tha n  the metho d  i n  [11],  beca u se we used   the  minimu m  pha se HRIRs  (H RIR s mp ) i n   time dom ain t o  be  mo delle d in P C A, an d ou r  anthrop ometri c p a ra meters  sele ct ion   method was different. Modelin g of HRIRs mp  by PCA wa s ba sed on the fact that mode ling  minimum  ph ase  HRIRs  p r ovided  be st  results am o n g  othe r  pre p roce ssing s   of HRIRs in  ti me  domain, a s  shown by Hug eng et al. in [12].   This  re sea r ch wa s  a co mpre hen sive  re sea r ch in  fulfilling and  validating th e goal  to  develop pa ra metric mo del s of HRT Fs t hat can  b e  tuned ba se d on few numb e r of listene r’s  own   anthro pom etries.  The s e anthro pom etries shoul d p r ovide  crucia l perceptu a l  psychoa cou s tic  effects  on  sp atial so und. A t  first, for PCA mode lin g, a be st prep ro ce ssi ng a nd  data type of  HRI R  in time dom a i n; and a b e s t pre p rocessing  and d a ta type of HRTF in freq ue ncy dom ain  were  found a s  pu b lishe d in [12] . The be st d a ta types  we re minim u m  pha se  HRIRs and ma gnitu de   HRT Fs.   The individu alizatio n of HRI Rs mp  for sound  sou r ce s on the hori z ontal pl ane wa s  explained  an d investig ate d  in [13] that  use d  t he  sa me individu al ization m e tho d  as  one tha t  is   explained  in  this pa per. I n  [14], individuali z ation of  magnitud e  HRT Fs  fo r sound so urce s  on   hori z ontal  pla ne  wa s inve stigated. Th e i ndividuali z ati on m e thod  u s ed  was si mil a r to  the  met hod  use d  h e re,  ex cept th at the  i ndividuali z ati on of  mag n itu de  HRTFs wa s d one  in  freq uen cy do mai n .  After individu alizatio n pro c ess in freq ue ncy dom ain  wa s finish ed,  the individua lized ma gnitu de   HRT Fs  sho u l d  be re con s tructed b a ck to  time domain  to yield individuali z ed  HRI Rs.    In this  researc h , the  entire  hori z o n tal HRIRs mp  from  the ori g inal  HRI Rs i n  the  CIPIC  HRT F  Datab a se  were  in cluded  in  a  single  analysi s . Thu s , all h o rizontal  HRIRs mp  s h ar e  the  same  set of basi s  functio n s, whi c h co mpri se t he in ter-in d ividual  variation a s  well as the i n ter- elevation vari ation. The re spon se s of first 1.5 ms of HRIRs mp , which contai n the effects of pin na,   head, an d torso, we re i n clu ded in  PCA, as p r opo sed by [ 10]. This p a per p r e s ent s an  individuali z ati on metho d   by developin g  the st ati s tical PCA m odel b e twe e n  the sele cted   anthro pom etric pa ramete rs and the  HRIRs mp  in a different an d novel way co mpared to [9-11].  Section 2  de scribe s d e tail s of the alg o rithm of  individuali z ation m e thod. Sectio n 3 explain s  t he  sele ction m e thod of in dep ende nt and  d epen dent variable s  of mul t iple reg r e s si on mod e ls  a nd  then el abo rat e s th e p e rfo r man c e  of th e propo se d  method th ro ugh  cal c ul ation of th e e r ror  betwe en ea ch measured  HRI R and  correspon ding e s timated HRI R .      2. Rese arch  Metho d   In this pa per,  we u nde rline d  the metho d  for sel e ctin g  eight anth r op ometrie s  o u t of all 27   anthro pom etries. Th ese  selecte d  a n thropomet ri c pa ramete rs,  to gether with   minimum  ph ase  HRI Rs  were  establi s hed  into multiple reg r e ssi on  models in  orde r to indi vidualize a  given  listene r’s HRI R s.  Figu re  1  sho w s the  al gorithm  st ru cture  of ou r  HRIR i ndividu a lization  meth od.  The d a taba se used  wa s  measured a n d  provided  by CIPIC Interf ace  Lab orato r y of Unive r si ty o f   California at  Davis. F r om  Figure 1, we ca n s ee t hat at first, the entire o r i g inal  HRI Rs  on  hori z ontal  pl ane of 3 5  su bject s  are p r oce s sed  by  cep s tral  anal ysis to b e  converted to  their  corre s p ondin g  HRI Rs mp . T he mea n  of the entire HRIRs mp  is the n  cal c ulate d . In orde r to achi eve  a kind of data  from HRI Rs mp  that have zero me an, the mean  is  su btracte d  from  each  HRI R mp  to  Evaluation Warning : The document was created with Spire.PDF for Python.
                          ISSN: 16 93-6 930   TELKOM NIKA   Vol. 13, No. 3, September 20 15 :  1014 – 10 20   1016 obtain  corre s pondi ng mini mum ph ase  dire ct impul se re spo n se (DIR mp ). Th ese DIRs mp  are  a set  of minimum phase HRI Rs  data with ze ro empiri cal  m ean whi c h i s  requi re d to obtain a basi s  that  minimizes m ean squa re  error of the  appr oximated  data. The  whol e set of  DIRs mp  a r e  then  inputted to  PCA, whi c h  th en results i n   basi s  fu nctio n s  or  prin cip a l compo nent s (P Cs) to get her  with their wei ghts. The line a r co mbinatio n of weighted  PCs form s e s timated DI R mp . We applie d  multiple line a r  re gre s sion  (ML R )  as th e method  to  individuali z e  the estim a ted DI R mp . MLR  utilizes  weights of P C s (P CWs) and anthropometri c   parameters i n  order to  provide  regression  coeffici ents th at later can b e  applie d to model DI R mp  of a new liste ner.   The process  of reconst r u c tion to the desire d   HRIR  model is  sho w n by da she d  lines in   Figure 1. A  model of DI R mp  that results from ML R analysi s , based on th e anthro pom etric  para m eters o f  the listener, is  adde d with  the mean of HRI Rs mp  to yield a model o f  HRIR mp . Initi a l   left- and  right -ea r  time d e l a y (On s et in  Figure 1 )   du e  to distan ce  from sound  so urce to e a r  drum  are in se rted  back to the  HRIR mp  model,  resulting in t he de sired HRIR mo del.  More d e tails  about  the minimum  pha se HRIR,  and ML R mo deling a r e ex plaine d in the  following  sub s e c tion s.      HR IR HR I R mp Ce p s tr a l   an al y s i s - DI R mp w i PC A 8 A n t h r o pom et r i c   m eas ur e m e n t s ML R + On s e t  R e gr es s i on   Co e f f i c i e n t s     Figure 1. Pro posed HRIRs Individualizat ion Method [1 5]      2.1. Minimu m Phase HRI R    Kulka r ni et. al  [16] sug g e s ted that the p hase of HRIR can  be ap proximated by  minimum   pha se. A system function,  H(z), of an HRIR, h(n ) ,  is  said to be mi nimum ph ase  if all poles and   zeros of H(z)  lie inside the  unit circle |z| =1. The mini mum pha se  HRI R, h mp (n),  can be obtai ned  throug h the calcul ation of real  ce pst r um  of its origin al  HRI R, whi c h  has a r bitrary  pha se. It can  be  said that the h mp (n) is the  removed initial time delay ve rsion of HRIR, but both  kinds of HRIR  have the sa m e  magnitud e   spe c tru m  in the freq uen cy domain. Th e real  cep s tru m , v(n), of HRI R,  h(n ) , is cal c ul ated as follo w,    v( n)  =   R e { F 1 D {ln| F D {h(n )  }|}},         (1)    Whe r e ln an d  Re{} de note  respe c tively natural log a rith m and the re al part of a co mplex variabl e,  F D {} and  F 1 D {} a r e the discret e Fouri e r tra n s form a nd its  inverse re sp e c tively. This real ce pstrum  is then weight ed by the followin g  wind o w  functio n , w(n), whi c h is gi ven by:                    0  if   n < 0,  w(n) =         1   if  n =  0,                 (2)            2  if   n >  0.    For a  ration al  H(z), the  wi ndo w fun c tio n  is a  co mpl e x conj ugate  inversi on of t he zero s  outsid e  the  u n it circle,  so t hat a mi nimu m pha se  HRI R  i s  p r ovided . Hen c e th e d e sired mi nim u m  phas e  HRIR,  h mp (n), is yiel ded by:    h mp (n) =  Re{ e x p ( F D {w(n).v(n)})}.              (3)                    Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  1693-6 930       A New Sele ct ion Method of  Anthropom etric Param e ters in Indivi dual izing …  (Huge ng)  1017 2.2. Multiple Linear Regre ssion Modeli ng  Suppo se th at the relation  b e twee n the  weights ve cto r   of the PC i  (i=1,2,…,10)  i n  azimuth   θ  of all subje c ts,  w i ( θ ) (3 5 x 1), and the corre s p ondin g  anthro pom etric pa ram e ters,  X  (35x9 ) , as  follows ,    w i ( θ ) =  X . ß i ( θ ) +  E i ( θ ) ,          ( 4 )     Whe r e  X  is t he matrix co mposed of a  35x1 colu m n  vector  with  all 1’s an d 8 anthropom etric  para m eters o f  all subje c ts being a naly z ed,  ß i ( θ ) i s   t he reg r e s sio n  co ef f i cient s  colum n  v e ct or  (9x1), and  E i ( θ ) is the e s ti mation errors column vect or  (35x1 ) . Th e regressio n  coeffici ents a r e  found  by le ast-squ a re e s timation. T h is i s  p e rfo r med by  solving the  opti m ization  p r o b lem  min{E i,n ( θ )}, whe r e E i,n ( θ ) is the n-th  depen dent  variable’ s estimation e rro r. PCWs  and   anthro pom etric pa ram e ters are  re spe c tively  the model ’s de pen dent  and in dep end ent variabl es.   From Eq uati on (4 ), the regre s sion  co e fficients  due  to i-th PCW in azim uth  θ ,  ß i ( θ ), can   be  written a s ,     ß i ( θ ) =  ( X T . X ) -1 . X T  w i ( θ ) .           (5)     From Equ a tion (5 ), in order to en ha nce the  per f o rma n ce of the multiple li near  reg r e s sion   model s, it is  need ed to  se lect b o th d e p ende nt  an d i ndep ende nt v a riabl es caref u lly. Correl ation   analysi s  is  u s ed to  sele ct  the indep en dent varia b le s in obtai nin g  more accu rate an d sim p ler  MLR mo del, as explai ned i n  [13].      3. Experiments’ Re sults  and Disc uss i on    The CIPIC  HRTF Databa se use d  co ntai ns not only th e mea s ured  HRI Rs, but al so some  anthro pom etric pa ramete rs for 4 5  subj ects, in clu d in g the KEMAR man neq uin  with both  small  and la rge pi n nae. The d e tail definition s  of the a ll 27 anthro pom etric pa ramete rs are given i n  [1,  17]. Estimation of the listener’ s  o w n HRIRs via  his or her o w n a n throp o metri c  paramete r s will  directly affect  the feasi b ility and  compl e xity of the  syst em. It is  cl early not advisable to introduce  all parameters into the model. Some useful info rmati on will be conceal ed by t he unnecessary  para m eters, whi c h re sult s in a worse regre s sion m odel. Besid e s , many para m eters are v e ry  difficult to be measured co rre ctly. Howe ver, some  pa ramete rs of  8  subje c ts are not  available in  the datab ase. Acco rdi ng to  our a n thropo metric  param eters sel e ctio n,  8  s e le c t ed  p a r ame t e r s   ar e  inclu ded only  in 35 su bje c ts.    The pe rforma nce s  of the e s timated  HRI Rs  on the h o r izo n tal pla n e  were evalua ted by  the com p a r ison of mea n -square e rro r o f  the di fferen c e s  bet wee n   the estimate d  HRI Rs  and t he  measured  HRIRs to  the  mean -squa re  erro r of th e  mea s u r ed  HR IRs in  pe rcentage,  whi c h is  defined by:     e j ( θ ) = 10 0 % x  || h j ( θ ) -  ĥ j ( θ ) || 2  /  || h j ( θ ) || 2       ( 6 )     Whe r e  h j ( θ )  is the j-th m easure d  HRI R mp  with azi m uth  θ  in h o rizontal pl a ne,  ĥ j ( θ ) is t he  corre s p ondin g  e s timated  HRI R mp  of  h j ( θ ). If the e r ror is l a rg er, the  perfo rma n ce  of the  estima te d   HRI R mp  is worse,  where better locali zation  results  will  be achieved  with sm all e j ( θ ). The  avera g e   errors a r e dif f erent am ong  subje c t s  in the dat ab ase. The go od p e rform a n c e o f  the estimat e d   left-ear HRI R mp  of a subject is not alway s  followed by  small e rro r of the right-ear  one s.   We  have  accomplished  th e mo deling  o f  HRI Rs mp  fr om 3 5  su b j ec ts , fo r so ur c e s  on  th e  hori z ontal  pl ane  usi ng P C A  with 10   basi s  fu nctio n s.  He re th e  avera ge  error, a s   define d  by  Equation 6, a ttained from t h is PCA mo d e ling a c ro ss  35 su bje c ts a nd so urce s o n  the hori z o n t al  plane  is 8.11 %. In the fol l owin g pa ra g r aph s,  we  wi ll discu s s a   system atic a nd  sci entifica lly  accepta b le selectio n pro c ess of 8 anth r opo metri c  p a ram e ters fro m  all 27 para m eters define d  in  [16], for individuali z ation of  HRIRs.   As the first st ep, we individ ualized PCA  model s of HRIRs mp  on the  hori z ontal pl a ne with  all 27 anthro pometri c pa rameters u s in g the ML R. By looking carefully in the CIPIC HRTF  Datab a se, these pa ram e ters  were only  complete d for 35 su bje c ts. The avera ge error obtai ned   in this  co nditi on is 11.8 5 %. A seri es of  experim ents  were the n  pe rforme d u s in g ea ch  of 26,  25,   24, and 2 3  pa ramete rs.  We  sele cted  k p a ram e ters ou t of 27 param eters  usi ng combinatio ns  of k  Evaluation Warning : The document was created with Spire.PDF for Python.
                          ISSN: 16 93-6 930   TELKOM NIKA   Vol. 13, No. 3, September 20 15 :  1014 – 10 20   1018 out of 27 parameters, wh e r e k < 2 7 . The result ed av erag e errors  are 12.4 6 %, 13.04%, 13.6 0 %,  and 14.1 0 %, respe c tively.  The average  error of  usi n g  23 param ete r s could b e  consi dered no t  drop ping  sign ificantly comp ared to the u s e of  27 para m eters (14.1 0 % comp are d  to 11.85%).   Observing  th e anth r op om etries data b a s e, the r e a r e  many pa ra meters, nam ely x 4 , x 5 ,  x 13 , d 8 ,  θ 1 , an d  θ 2   that coul d not be sim p ly measu r ed  becau se of the difficulty in determi ning t h e   referen c e poi nts and the  para m eters a r e so  sma ll (only several millimeters) that one nee d s  a  very preci s e  i n stru ment s.  These  6 p a ra meters  al so  have wea k  correlation s  wi th  maximum  ITD   (ITD max ). The  co rrelation   coeffici ents b e twee n ITD ma x  and each  of these p a rameters,  , are  0.161, 0.09 8 ,  0.222, 0.3 97, 0. 243, a nd 0.28 4 re spe c tively. The expe rime nts of u s ing  21   para m eters b y  excluding x 4 , x 5 , x 13 , d 8 ,  θ 1 , and  θ 2 , resulted in ave r age erro r of 15.29%.   We ma de a n  observation  on the regression  co effi cie n ts, ß, from  MLR. Th e re gre ssi on   coeffici ents,  ß, have ve ry  small  ne ar  ze ro val u e s  a n d  very  sm all  variation s  fro m  ML R  between   PCWs ;  w i ( θ ), i =  1,2,...,10  where  θ   = azi m uth angl es,  and ea ch of x 11 , x 14 , x 15 , x 16 , and x 17 . Thus ,  these p a ra m e ters  we re al so not in clud ed in t he ML R model. At this poi nt, we achi eved ave r age  error of 17.97 %.     The exp e rim ents  of ML R modeli ng  were  co ntinue d furthe r  by i gnori ng th e  neck  and   tors o items   (i.e. x 7 , x 8 , x 9 , and x 10 ) .  T h is  is  du e  to o u r   o b s e r va tio n  on  th e   r e s p on se s   o f  n e ck  and  torso  that  we re  rep r e s ente d  by the l a st  few  sa mpl e s   in the  HRI R,  whi c h h a v e  v e ry  s m all n e a r   zero value s . Thus, thei r contributio ns t o  overa ll HRI R  co uld be n egle c ted. Ne verthele ss, to rso  top width,  x 9 , is repre s e n ted by neck width, x 6 , a nd sh oulde r  width, x 12 , fr om the cho s en  anthro pom etrie, while ne ck d epth, x 8 , is represe n ted by hea d depth, x 3 , for the de pth   cha r a c teri stic. Individualization of  HRI Rs mp  u s in g  MLR  with  12  paramete r s,  igno ring  x 7 , x 8 , x 9 ,  and x 10 , resul t ed in averag e error of 20. 13%.   In the las t  s t ep, we reserved 8  anth r op o m etric  param eters, i.e. x 1 ,   x 3 ,   x 6 ,    x 12 , d 1 , d 3 , d 5 ,  and d 6 , whi c h were  expl ained  befo r e  in [13].  Correlation  an al ysis i s   appli ed to  determine   para m eters t hat have  stro ng correlatio n with IT D max . Applying th e HRIRs mp  of 35 subje c ts  for  sou r ces on  the h o ri zontal  plan e, indivi duali z at ion  u s ing  ML R b e t ween  the  ch ose n  p a ra me ters  and P C Ws,  w i ( θ ), provid es the  avera ge e rro r of 2 2 .22 %. Thi s  re sult is clo s e to  wh en  we  employed  da ta from 37  subje c ts, that is 22.50%  [1 3]. Here  we  came to the  opinio n  that our  sele ction met hod  of anthropomet ric pa ramete rs  bef or e  as i n  [13 ]  is fully conf irmed  with th e  sele ction m e thod explai ne d in this p a p e r. T abl e 1 summari ze s t he average e rro rs  ca used  by  MLR mo del s usin g variou s numbe rs of a n throp o metri e s explai ned  above.       Table 1. Average Errors of MLR Mo del s Us i ng Vari ou s Num b e r s of  Anthropom etries  No. of Anthr opo metries  Average Err o r ( % )   27 11.85   23 14.10   21 15.29   16 17.97   12 20.13   8 22.22           Figure 2. Left- and Ri ght-E ar Errors of Subje c t  003 an d Subject 16 3  in the Frontal  Hori zontal  Plane   Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  1693-6 930       A New Sele ct ion Method of  Anthropom etric Param e ters in Indivi dual izing …  (Huge ng)  1019 In the following  s u bs ec tions ,  the res u lt s  of  HRIRs mp  individuali z at ion a r e  sh own u s ing   data from  su b j ect 00 3 and  subj ect 1 63, to be  comp are d  to the re sult s attaine d  in [11]. Here eig h t   anthro pom etric pa ram e ters, x 1 ,   x 3 ,   x 6 ,    x 12 , d 1 , d 3 , d 5 , a nd d 6  were fe d into ML R m odelin g in o r d e r  to cal c ulate  regre s sion  co efficients. T h e re gre s sion  coeffici ents  then we re ap plied  in   e s timating  the PCWs of DIR mp  at each dire ction on  the horizonta l  plane of ea ch subj ect.   Figure 2  sho w s the l e ft- a nd ri ght-ear e rro rs of   azim uth an gle s  in  the frontal  h o rizontal   plane of subj ect 003 a nd  subj ect 16 3. The left- an d  right-ear  erro rs of subje c t 003 in the fro n tal   hori z ontal pl a ne are gen erally good, nu mberi ng  bel o w  20% exce pt at 2 azim uth angle s . T h e   averag e e r ror obtaine d fro m  the d a ta of  HRIRs of  left  ear of  subje c t 00 3 is 13.6 1 %, and th at  of  right ea r is  10.56%. As  can b e  se en  from Figu re  2(a), the e r rors a r e com m only larg er for   c o n t ra la ter a l  s o ur ce s th a n  fo r  ips ila tera l s o u r c e s .   T h e  er ro rs  of s u b j ec t 163  in  th e fr on ta l  hori z ontal  pla ne  can  be   sai d  worse  than  those  of  subj ect 0 03. T h e   averag e e r ror obtain ed f r o m   the data of HRIRs of left e a r of subj ect 163 is  22.2 8 % , while of right ear is 29. 22%. The so urce s  of extreme  contralate ral  f o r ri ght ea r, i.e. -80 o  a nd -65 o , re sult in  errors of 3 7 .8 2% and 5 0 .7 9%,  respe c tively. The u n sy ste m atic b ehavi o r of  wei ghts of PCs in  the PCA  a c ro ss subje c ts  and   across di re ctions  cau s e s  di fficu lty for MLR to es timate them.  The  estimat ed mi nimum  pha se  HRIR of  su bje c t 00 3  ca n  well  ap pro x imate   corre s p ondin g  measure d  minimum ph ase HRIR p a r ticula rly at the first 20 sample s. Figu re 3   sho w s the e s timated and   measured  HRIRs mp  of bot h left and  rig h t ear i n  the  extreme lo cat i ons  in the frontal  hori z ontal  pla ne. The top,  middl e, an d b o ttom panel  correspon ds t o  azim uth an gle   -80°, 0 ° , and  80° re sp ectiv e ly.          Figure 3. Measu r ed a nd E s timated Mini mum P hase HRI Rs of Sub j ect 003 in th e Frontal  Hori zo ntal Plane       4. Conclusio n   Our p r o p o s e d  sele ction  m e thod of anth r opo metri c  p a ram e ters ex plaine d he re,  whi c h is  simple,  sy st e m at ically  and  scie n t i f i cally  ac cept a b le ,  is fully confirmed with the  sele ction met hod   as in [13]. T he re sulte d   eight anth r op ometrie s   were incorp orate d  in a si mpl e  and effici e n t  individuali z ati on metho d  of the model of  minimum ph ase  HRI Rs  b a se d on mult iple re gre s sio n   analysi s . Thi s  pro p o s ed i ndividuali z ati on method  showed better perform an ce  in the objective   simulatio n  experim ents tha n  the perfo rm ance in [11] whi c h ha s be en discu s sed  in [13].      Ackn o w l e dg ements     The a u tho r s  gratefully tha n k to  CIPIC  Interf ace La b o rato ry of  Ca lifornia  Unive r sity at  Davis, USA for providing t he CIPIC HRTF Datab a se.  Evaluation Warning : The document was created with Spire.PDF for Python.
                          ISSN: 16 93-6 930   TELKOM NIKA   Vol. 13, No. 3, September 20 15 :  1014 – 10 20   1020 Referen ces   [1]  Algaz i VR, Duda RO,  T hompson DP, Avend ano C.  T he CIPIC HRT F  Databas e . Procee din g s of IEE E   Workshop o n   Appl icatio ns of  Signa l Proces sing  to Au dio  a nd Acoustics ( W ASPAA). New   P a ltz. 200 1:  99-1 02.   [2]  Algaz i VR, Duda RO, Morrison RP, T hompson DM.  Structural Co mp os ition  a nd Dec o mp ositi on o f   HRTF.  Procee din g s of IEEE Workshop o n   Appl icatio ns  of  Signa l Proces sing to Au di o and Ac oustics   (WASPAA). New   Pa ltz. 2001:  103- 106.   [3]  W enzel EM, A rruda M, K i stle r DJ, W i ghtma n F L .  Loc aliz at ion Usin g  N o n i ndivi du aliz ed Hea d -Re l ate d   T r ansfer F unctions.  T he Jour n a l of the Acous tical  Soci ety of Amer ica (JASA ).  1993; 94: 11 1-12 3.  [4]  Blau ert J. Sp atial  He arin g:  T he Ps y c hop h y s i cs of  Hu man S oun d  L o caliz atio n . Revised Edition.   Cambri dg e: T h e MIT  Press. 1 997.   [5]  Shima da S, H a yash i M, Ha yashi S. A Clus t eri ng Meth od  for Soun d Loc alizati on T r ansfer F unctions .   Journ a l of Aud i o Engi ne erin g Society .   199 4; 42(7/8): 57 7-5 84.   [6]  Middl ebr ooks  JC. Virtual Loc alizati on Impro v ed b y   Scal ing  Non-Ind i vid ual ized E x tern al- E ar F r ansfe r   F unctions in  F r equ enc y.  The  Journal of the  Acoustica l Society of America  (JASA).  1999;  106( 3): 149 3- 151 0.  [7]  Zotkin DN, H w a n g  J, Dura is w a mi R, D a vis LS.  HRT F  Persona li z a ti on Usi ng Ant h rop o m entric   Measur e m ents .   IEEE Workshop  on A p p lic ations  of Sig n a l Proc essin g  to Aud i o  an d Acoustics   (WASPAA). New   Pa ltz. 2003:  157- 160.   [8]  Katz BF G. Measurem ent a n d  Ca lcul atio n  of Indi vi du al Hea d -Re l ate d  T r ansfer  F unctions Usin g  a   Boun dar y  Ele m ent Mo del  In cludi ng  the  Me asurem ent  and  Effect of Ski n  an d  Hair  Imp eda nce. P h D   Dissertati on. Penns yl van i a: Gradu ate Progr a m  in Acoustics  - Penns ylv ani a  State Universit y ; 19 98.   [9]  Shin  KH, Pa rk Y. Enha nc ed V e rtical  P e rc epti on T h roug h H e a d -R elate d  Impu ls e Res p o n se   Customiz ation  Based  on P i nn a Res p o n s e  T uning i n   T he Median  Plan e.  IEICE Transactions  F unda menta l s . 2008;  E91-A( 1): 345-3 56.   [10]  H w an g S, Park Y.  HRIR Customi z at io n in  the Media n  Pl an e via Prin cipal C o mp on ents Analys is .  Procee din g s of  AES 31st Int.  Conf. on Ne w   Directio n s in H i gh Res o luti on  Audi o.  Lond on . 2007.   [11]  Hu H, Zho u  J ,  Ma H, Wu  Z.  Head-R e lat ed T r ansfer  F unctio n  Pers o nali z a t io n Bas ed o n  Mu ltipl e   Regr ession Analysis . Proc ee din g s of IEEE  Int. Conf. on  Comp utatio na l Intell ige n ce  and S e cur i t y .   Guangz ho u. 2006; 2: 18 29-1 832.   [12]  Hug eng, W a h ab W ,  Gun a w a n   D. Effective  Pre p roc e s s ing in  M o d e l i ng He ad-R e la ted  Impu lse   Resp onses B a sed o n  Princ i p a l Com p o nent s Anal ysis.  Si gna l Process i n g : An Intl. Jou r nal (SPIJ).   201 0; 4(4): 201 -212.   [13]  Hug eng, W a h ab W ,  Guna w an D.  Enh anc ed Ind i vid ual i z ation  of Hea d - R elat ed Impu l s e Resp ons e   Mode l i n  H o ri zontal  Pla ne  Ba sed  on M u ltip le  Regr essi on A nalysis . Pr oce edi ngs  of IEEE  2 nd  Int. Conf.   on Com puter E ngi neer in g and  Applic ations  (I CCEA). Bali Isl and. 20 10; 2: 2 26-2 30.   [14]  Hug eng, W a h ab W ,  Gun a w an  D. Improve d  Meth od f o r I ndivi du aliz atio n of  Hea d -Re l ated T r ansfer   F unctions on Horizo ntal  P l a ne  Usi ng Red u c ed  N u mber  of Anthrop o metri c  Measur emen ts.  Journal of   T e leco mmunic a tions . 20 10; 2 ( 2): 31-41.   [15] Hug eng.  Ind i v i du aliz ation  of Parametric Mode ls of Head- Rel a ted  T r ansfer F unctions. PhD   Dissertati on. D epok: De pt. Elect. Eng. - Universit y  of Ind o n e sia; 20 11.   [16]  Kulkar ni A, Isabell e  SK, Col b urn HS.  On the  Mini mu m-Ph a s e Approx i m ati on of He ad-R e l a ted T r ansfer   F unctions.  Proceedings  of IEEE Worksh op on Applications  of Signal Processing t o  Audio and  Acoustics (WASPAA).  Ne w  P a ltz. 199 5: 84-8 7 .  [17]  CIPIC HR TF Datab a se Fil e s. Re l ease  1.2. Septemb e r  23, h ttp://  interface.ci pic. ucdav is.ed u /CI L_html/CIL _H RT F _database . htm. 2004.           Evaluation Warning : The document was created with Spire.PDF for Python.