這就是人為什麼有兩隻耳朵的原因？因為聲音速度恆定，到了兩個耳朵之間的時間，不等。大腦就根據這個預判計算出物體離你的距離，形成了三d的聲音。

聲音的立體感是基於人類對音源定位的能力。

定位一個物體的位置對於視覺系統來說輕而易舉，物體透過眼睛的光學系統聚焦在視網膜上特定的位置，之後視網膜將帶有空間位置結構的影象傳遞給大腦，而大腦皮層和視網膜、外界空間位置有著一一對應位置的關係（topography），這就是視覺定位的原理，簡單直接。

而定位一個音源對大腦來說是一件很挑戰的事情，因為聽覺系統沒有視覺系統的光學成像系統以及拓撲結構，並且聲音又會跟頭部、耳廓和身體發生複雜的衍射。那麼大腦採取什麼策略定位音源位置呢？

回答這個問題之前，我們需要先來定義一下空間。以頭部為中心，固定半徑(不考慮距離)的球面上任意一個位置都可以由水平面內的方位角和垂直面內的仰角（高度）來表示。水平面大致可以理解為兩耳和鼻尖這三點構成的平面，垂直面是把人從中間分成左右兩半的平面。所以，空間位置可以分解為水平面和垂直面的角度位置。

聲音的水平方位判定主要靠人類是雙耳系統。大腦可以根據到達左耳和右耳聲音的強度不同或相位不同來判斷聲音的水平位置。

透過強度差定位

對於左邊的聲音，因為頭部的遮擋，左耳強度要大於右耳的強度，反之亦然。但這種定位方式只侷限於高頻聲音（約大於1000Hz），因為低頻的聲音波長几倍於腦袋大小，聲音繞過腦袋到達遠端耳朵，聲音強度不會發生很明顯的衰減。

透過相位差定位

對於低頻的聲音，我們知道，雙耳無法再透過聲音強度差來精確定位。低頻聲波長 ，幾倍於腦袋大小，聲音幾乎不受影響，兩隻耳朵接收聲音會有相位差。這時聽覺系統就主要透過聲波在左右耳相位不同（時間差）來定位。想象一下這樣一個例子，左耳朵在聲波的波谷，右耳朵在聲波的波峰。

垂直面內的聲源因為位於兩耳中間，兩耳接收到的聲音強度和時間都相等，所以無法透過雙耳的資訊的不對稱來定位。這種情況下大腦主要透過耳廓完成定位。耳廓的反射會改變原始聲音的頻譜。並且，和原始聲音相比，傳入耳道的時間會延遲上幾毫秒。因此最終傳入耳道的聲音是原始聲音和有幾毫秒延遲的耳廓反射聲音的疊加。因為不同高度的聲音經過耳廓反射這條路時路徑長度不一樣，時間延遲不一樣，這就導致最終傳入耳道的疊加結果的頻譜特徵也不一樣。簡單點說，不同高度的聲音會因為耳廓的反射產生不同的頻譜特徵，大腦靠此來判斷聲源的高度。

總結一下，水平面內的聲音方位低頻透過雙耳時間（或相位）差，高頻透過雙耳的聲強差來確定。垂直面內高度透過耳廓的作用來定位。

立體聲錄製時通常是有兩個（或多個）麥克風，從聲源的不同角度錄製聲音。根據上面的原理，可以知道多聲道播放時人們能感知到樂器或人聲的水平方位，但是無法感知聲音的高度。

為了更好的哄騙人的聲音定位系統，生成更逼真的立體聲，人們開發了頭部相關傳遞函式(Head-related transfer function)。一個特定位置的聲音在到達雙耳耳膜之前會有強度差，時間差，會跟頭部，耳廓，身體發生作用，頻譜發生變化。頭部相關傳遞函式就是描述不同位置聲音是怎麼受這一過程影響的。當然每個人身體的形狀密度都不同，需要大量樣本來建立一個普適的模型。有了這個函式，就可以合成一個來自特定空間位置傳來的聲音，製造出任意想要的立體聲。

我們人類有兩隻耳朵，這兩隻耳朵生長在頭顱的兩側，他們在空間上有距離，而且受到頭顱的阻隔，因此兩耳接收到的聲音就會不同，就是因為有這些差異是人們在區分聲源所在的，使人們可以區分聲源所在的空間位置。

由於兩耳之間有一定距離，聲音到達兩隻耳朵時會產生音量差、時間差和音色差，這些差異可以產生雙耳效應，使我們能夠辨別聲音的方位。

我們之所以能感受到聲音具有立體感，就是因為人耳能聽出聲音所在的方位及到達兩耳的時間差。