声响定位在横向比较好理解，纵向（远近）的定位由几个因素，哪些因素最主要。
音箱相位一致，频响平直，基本就能反原原来的声像定位。
怪我没说清楚，这里说是纯声学问题，含义是不同的声像位置，特别是从近到远的不同位置，声学角度有什么区别。前提是只有两只音箱去实现。
也可以换一个角度，让你自己做一个信号源，怎么做能把纵深来开。
这个问题比较复杂，声音在纵轴方面成像与很多因素都有关。具体有，两只音箱的摆放距离，音源的种类，录音技术与水平，放大器及音箱、喇叭的失真，音箱对试听者的角度，重放音量的大小，听音环境，试听者的听音水平等等。而且这些制约条件互相之间并非完全独立的！如果其他条件保持不变的话，音箱的摆放距离应该是最重要的影响因素。试想，如果人走到两只音箱中间，声像可能会糊成一团分不清楚，如果人离两只音箱很远，这时声像会缩成近似一个点源。纵像声像应该是有一个最佳位置的，离音箱不能过远也不能过近，而且肯定位于两只音箱的中轴上，这就是发烧友通常说的“皇帝位”，一般说来，分辨力越高，失真越小的音响系统，纵向声成像精度也越高。如果离音箱过远，纵像方面的成像无多大意义，具体楼主可以找立体声原理的资料读读。
谢谢关注，可能还是我说的不清楚。
首先，设定一个比较规范的建声环境，两个点声源与听者成等腰三角形，也是一个“黄金位置”。
有两个分析的角度：一个是音源制作环节，如何能够更好地表现纵深效果；另一个是扩声环节，在音源良好的情况下，在扩声环节怎样才能获得良好的纵深效果。
这个求助是把它们的本质问题抽象为一个纯声学问题，听觉的纵深感有多少因素在“左右”。
现有的录音后期制作提出了三要素：混响、相位和声压大小。
我觉得，这三要素还不太够，还有没有考虑进去的其它因素。正像你说的，很复杂，不能简单化。
这是一个工程中实际遇到的问题，虽然工程已经做完，问题还在脑子里。
相关细节可见“14.2声道工程所引发的思考”。
可能是一个一直没有人给出可信结果的问题。
从定位的原理看，左右的定位是可以有明确的理论支持的。
但是，“声像”的前后定位，就问题多多了.....而且是一直是争论很多的。
等待高人们给出新的见解！