Zarówno Dolby AC3, jak i DTS charakteryzują się tym, że wymagają wielu głośników podczas odtwarzania. Jednak ze względu na cenę i przestrzeń, niektórzy użytkownicy, na przykład użytkownicy komputerów multimedialnych, nie dysponują wystarczającą liczbą głośników. Obecnie potrzebna jest technologia, która przetwarza sygnały wielokanałowe i odtwarza je na dwóch równoległych głośnikach, zapewniając użytkownikom wrażenie dźwięku przestrzennego. Jest to technologia wirtualnego dźwięku przestrzennego. Angielska nazwa wirtualnego dźwięku przestrzennego to Virtual Surround, nazywana również symulowanym dźwiękiem przestrzennym. Technologia ta nazywana jest niestandardową technologią dźwięku przestrzennego.

Niestandardowy system dźwięku przestrzennego opiera się na dwukanałowym stereo bez dodawania kanałów i głośników. Sygnał pola dźwiękowego jest przetwarzany przez układ, a następnie transmitowany, dzięki czemu słuchacz może odczuć, że dźwięk dochodzi z wielu kierunków i tworzy symulowane pole stereo. Wartość wirtualnego dźwięku przestrzennego Wartość technologii wirtualnego dźwięku przestrzennego polega na użyciu dwóch głośników do symulacji efektu dźwięku przestrzennego. Chociaż nie można tego porównać z prawdziwym kinem domowym, efekt jest akceptowalny w najlepszej pozycji odsłuchowej. Jego wadą jest to, że generalnie nie jest kompatybilny ze słuchaniem. Wymagania dotyczące pozycji dźwięku są wysokie, więc zastosowanie tej technologii wirtualnego dźwięku przestrzennego w słuchawkach jest dobrym wyborem.

W ostatnich latach zaczęto badać wykorzystanie jak najmniejszej liczby kanałów i głośników do tworzenia dźwięku trójwymiarowego. Ten efekt dźwiękowy nie jest tak realistyczny, jak dojrzałe technologie dźwięku przestrzennego, takie jak DOLBY. Jednak ze względu na niską cenę, technologia ta jest coraz częściej stosowana we wzmacniaczach mocy, telewizorach, systemach car audio i multimediach AV. Technologia ta nazywana jest niestandardową technologią dźwięku przestrzennego. Niestandardowy system dźwięku przestrzennego opiera się na dwukanałowym dźwięku stereo bez dodawania kanałów i głośników. Sygnał pola dźwiękowego jest przetwarzany przez układ, a następnie transmitowany, dzięki czemu słuchacz może poczuć, że dźwięk dochodzi z wielu kierunków i tworzy symulowane pole stereo.

Zasada wirtualnego dźwięku przestrzennego Kluczem do realizacji wirtualnego dźwięku przestrzennego Dolby Surround jest wirtualne przetwarzanie dźwięku. Specjalizuje się w przetwarzaniu kanałów dźwięku przestrzennego w oparciu o fizjologiczną akustykę człowieka i zasady psychoakustyczne, tworząc iluzję, że źródło dźwięku przestrzennego pochodzi z tyłu lub z boku słuchacza. Stosowanych jest kilka efektów opartych na zasadach ludzkiego słuchu. Efekt binauralny. Brytyjski fizyk Rayleigh odkrył eksperymentalnie w 1896 r., że dwa ludzkie uszy mają różnice czasowe (0,44-0,5 mikrosekundy), różnice natężenia dźwięku i różnice fazowe dla dźwięków bezpośrednich z tego samego źródła dźwięku. Czułość słuchu ludzkiego ucha można określić na podstawie tych drobnych Różnica może dokładnie określić kierunek dźwięku i określić lokalizację źródła dźwięku, ale może być ograniczona tylko do określenia źródła dźwięku w kierunku poziomym z przodu i nie może rozwiązać problemu pozycjonowania trójwymiarowego przestrzennego źródła dźwięku.

Efekt auryczny. Ludzki małżowina uszna odgrywa ważną rolę w odbijaniu fal dźwiękowych i kierunku przestrzennych źródeł dźwięku. Dzięki temu efektowi można określić trójwymiarowe położenie źródła dźwięku. Efekty filtrowania częstotliwości w ludzkim uchu. Mechanizm lokalizacji dźwięku w ludzkim uchu jest związany z częstotliwością dźwięku. Basy o częstotliwości 20–200 Hz są lokalizowane na podstawie różnicy faz, średnie tony o częstotliwości 300–4000 Hz na podstawie różnicy natężenia dźwięku, a wysokie tony na podstawie różnicy czasu. W oparciu o tę zasadę można analizować różnice w brzmieniu języka i muzyki w odtwarzanym dźwięku i stosować różne metody wzmacniania wrażenia przestrzennego. Funkcja przenoszenia związana z głową. Ludzki układ słuchowy generuje różne widma dźwięków z różnych kierunków, a tę charakterystykę widma można opisać za pomocą funkcji przenoszenia związanej z głową (HRT). Podsumowując, przestrzenne położenie ludzkiego ucha obejmuje trzy kierunki: poziomy, pionowy oraz przedni i tylny.

Pozycjonowanie poziome opiera się głównie na uszach, pozycjonowanie pionowe – na muszlach usznych, a pozycjonowanie przednie i tylne oraz percepcja pola dźwięku przestrzennego zależą od funkcji HRTF. W oparciu o te efekty, wirtualny dźwięk przestrzenny Dolby sztucznie tworzy ten sam stan fali dźwiękowej, co rzeczywiste źródło dźwięku w uchu człowieka, umożliwiając ludzkiemu mózgowi generowanie odpowiednich obrazów dźwiękowych w odpowiedniej orientacji przestrzennej.