[发明专利]头相关脉冲响应数据集处理方法

说明书

技术领域

本发明实施例涉及计算机科学领域，尤其涉及一种头相关脉冲响应数据集处理方法。

背景技术

人类听觉不仅能感觉声音的音调、音强、音色，还能分辨声源方向与距离。为了使不在现场的听众也能获得逼真的“临场感”，人们发明了三维音频技术。三维音频技术可以真实地再现原始声场的声音信息，使听者产生“身临其境”的聆听体验。三维音频可通过“双耳声”技术来实现，即采用头相关传递函数(Head Related Transfer function，以下简称：HRTF)对单通道声源信号进行滤波，将得到的具有方向感的声音，而后用耳机或一对扬声器进行重放。HRTF时域表示称为头相关脉冲响应(Head Related Impulse Responses，以下简称：HRIR)。双耳声学技术已广泛应用于盲人听觉导航、飞行训练、虚拟现实中。HRTF描述了声音从声源传播到耳内的过程中，人的躯干、头部、耳部等对声音信号有衍射、反射、遮挡等效应，可以等效为滤波作用。实际中通常采用经过精确实验测量得到的HRTF数据库。如图1所示，这种数据库是一个三维矩阵，存储了上千个声源空间位置的HRTF，每个HRTF的冲击响应持续时间较长，等效FIR滤波器阶数很高，并且每个人的HRTF都不尽相同。因此，要存储多位测量者的HRTF数据，需要消耗巨大的存储空间。当采用嵌入式芯片合成三维虚拟声时，其存储空间更显匮乏，成为三维音频技术应用的瓶颈。此时，若能以难以察觉的听觉定位性能损失为代价，来换取HRTF数据库的非常大的存储空间减少量，就可较好解决HRTF数据库耗费存储量大的问题，减少实际应用中所使用的芯片的功耗与成本。

现有技术中，采用流形学习LLE算法对一组HRIR进行降维，提取特征HRIR表示该组所有HRIR，而其它非特征HRIR可通过该组的特征HRIR进行插值得到。即将位于同一个水平角的所有HRIR分为一组，对每组HRIR，通过降维模块，将高维HRIR样本点降维至低维空间，得到低维的HRIR样本点，该降维模块使用的是LLE算法；然后，通过特征点选取模块，对每组低维样本点进行聚类，得到聚类中心所对应的低维样本点，该低维样本点所对应的高维HRIR即为该组所选出的特征HRIR，特征点选取模块采用的是K-均值聚类算法。根据特征HRIR重构所有HRIR时，采用两步插值：第一、采用线性插值，根据该组的特征HRIR，重构该组所有非特征HRIR；第二、根据中LLE模块中所得到的邻域矩阵neighbor与权值矩阵W，对非特征HRIR再次进行插值，得到该组所有重构后的HRIR。

由于在特征HRIR提取过程中，采用K-均值聚类模块所提取得到的特征HRIR进行加权重构，重构误差偏大。并且在根据特征HRIR重构所有HRIR过程中，加权重构模块中所采用的两步插值得到的重构误差偏大，这是由于进行第二步插值时，非特征HRIR是经过线性插值而来，本身已带有误差，若使用这些HRIR对其他方位HRIR进行重构则会导致误差累计。

发明内容

本发明实施例提供一种头相关脉冲响应数据集处理方法，以克服现有技术中对于HRIR的重构误差大的技术问题。

本发明实施例提供了一种头相关脉冲响应数据集处理方法，包括：

处理器将头相关脉冲响应HRIR数据集按照仰角和/或水平角进行分组；

所述处理器通过局部线性嵌入算法LLE在分组后HRIR中选取重构误差最小值的HRIR作为高维HRIR样本点；

所述处理器将所述HRIR样本点降维至低维空间，得到低维HRIR；

所述处理器采用分段直线拟合在所述低维HRIR样本点中选取特征HRIR样本点；

所述处理器按照仰角顺序和/或水平角顺序将所述特征HRIR样本点组合为三维矩阵。

进一步地，所述处理器通过局部线性嵌入算法LLE在分组后HRIR中选取重构误差最小值的HRIR作为HRIR样本点，包括：

处理器在分组后HRIR中选取一个HRIR样本点，计算所述HRIR样本点与其他HRIR样本点之间的欧式距离，并根据所述欧式距离选取所述HRIR样本点的临近点；

构造所述HRIR样本点的局部协方差矩阵，确定重构误差的条件值

其中，所述K为与HRIR样本点x_i的邻近点个数，所述j为第j个邻近点的下标，所述为使用第j个邻近点x_j重构x_i的权值；

通过所述局部协方差矩阵Qⁱ以及所述条件值，采用公式