W latach 60. i 70. NASA przeprowadziła szereg badań i eksperymentów, w wyniku których określono zasady lokalizacji dźwięku przez słuch ludzki. Badania te stanowią podstawę dyscypliny naukowej zwanej psychoakustyką. Eksperymenty skupiły się wokół interakcji fal dźwiękowych z małżowiną uszną i jej fizycznym kształtem. Naukowcy posłużyli się modelami matematycznymi, żeby ustalić, w jaki sposób fale akustyczne załamują się wokół głowy i jakie występują różnice w ich odbiorze przez każde z uszu. Modele te określono mianem HRTF (Head Related Transfer Functions) i są one podstawą większości dzisiejszych systemów dźwięku pozycjonowanego. Równie ważnym zagadnieniem jest sposób rozróżniania częstotliwości niskich i wysokich. Nasz słuch może w miarę dokładnie określić kierunek dochodzenia fal o wysokiej częstotliwości, na przykład dźwięku fletu. Jednak w przypadku bardzo głębokiego basu jednak sprawa ma się zupełnie inaczej – kierunku z którego dochodzą dźwięki o częstotliwości poniżej 250 Hz najczęściej nie sposób określić. Ten brak kierunkowości wykorzystano jako podstawę działania systemów składających się z trzech głośników. Nawet skomplikowane systemy Dolby Digital wyposażone w głośniki przednie, tylne, i środkowe mimo obecności tylko jednego głośnika odtwarzającego najniższe tony (ang. subwoofer), brzmią bardzo naturalnie. Zanim jednak przejdziemy do zagadnień dźwięku pozycjonowanego warto poznać podstawowe koncepcje.