頭部伝達関数(HRTF:Head Related Transfer Function)と音源信号との畳み込みにより立体的な音像を提示する場合、HRTFの個人差のため十分な効果が得られない場合がある。この問題に対し、頭部伝達関数のクラスタリングにより幾つかの代表的な伝達関数を抽出しあらかじめ用意しておくことで、頭部伝達関数の個人差を補正する手法を検討した。移動する音像を提示することを考慮し、音源の方向に応じてHRTFが変化する様子を、主成分分析による直交基底空間中の軌跡として捕らえ、それに着目することによって個人の特徴をクラスタリングした。主観評価実験から、本研究においてHRTFの解析およびクラスタリングに用いた空間は、HRTFの個人差を反映した妥当なものであることが示された。またクラスタリングの有効性が示された。
