[发明专利]一种基于扬声器的声像个性化重现方法及装置

说明书

本发明提供了一种基于扬声器的声像个性化重现方法及装置，其中的方法包括：首先确定扬声器的方位和目标方位，然后基于HRTF数据库计算多扬声器对应的第一权值向量，接着筛选关键的人体参数项，接下来设计神经网络建立第一权值向量与关键人体参数的映射关系，再测量听音者的筛选出的关键人体参数，然后基于神经网络模型预测对应的第二权值向量，并根据第二权值向量计算每个扬声器的前置频域滤波器，最后声源信号经前置频域滤波器的滤波作用后通过两扬声器输出。本发明实现了提升听音者的空间感知效果的技术效果。

技术领域

本发明涉及多媒体信号处理技术领域，尤其涉及一种基于扬声器的声像个性化重现方法及装置。

背景技术

声源定位是实现虚拟现实(Virtual Reality，VR)的沉浸式体验的必要技术。基于幅度平移技术(Amplitude Panning，AP)由于其实现简单，在扬声器重现3D音频中得到了更普遍的应用。AP的代表性技术主要包括基于矢量的幅度平移技术(Vector Base AmplitudePanning，VBAP)和多方位幅度平移技术(Multiple-Direction Amplitude Panning，MDAP)。这类技术的基本思想是扬声器与听音点构成简单的几何模型，根据矢量分解原理得到各个扬声器对应的增益值。具有不同增益的扬声器信号使得听音者感知到一个虚拟方位(非扬声器方位)的声像。3D音频系统如Aurora-3D、NHK22.2、Dolby ATMOS、中国多维声均是基于幅度平移技术得以实现，增强了三维空间感知体验。

尽管幅度平移技术实现简单，但在求解扬声器的增益时将听音者视为一个听音点，忽略了听音者头部、耳廓和躯干等对重建声场中声音传播至双耳的扰动特性，使得重现的虚拟声像的双耳线索失真，偏离目标方位。

基于头相关传输函数(Head Related Transfer Function，HRTF)的平移技术考虑到听音者对于重建声场的扰动特性。如个性化的串声消除技术(Crosstalk Cancellation，CTC)通过HRTF计算串声消除模块，对声源信号进行过滤，通过两个扬声器重现原始声源的双耳信号，提供了个性化的空间感知体验。然而个性化的CTC技术首先需要获知听音者的HRTF，目前采用的HRTF个性化技术预测的值与真实的HRTF之间仍存在误差，这种误差在计算串声消除模块的过程中被放大，使得双扬声器重现的虚拟声像偏离了目标声像，带来了空间感知失真。

发明内容

本发明实施例提供了一种基于扬声器的声像个性化重现方法及装置，用以解决现有的扬声器音频重建技术中由于HRTF个性化技术的误差在串声消除模块中被放大，而导致听音者的空间感知效果差的技术问题。

第一方面，本发明提供了一种基于扬声器的声像个性化重现方法，该方法包括：

步骤S1：确定扬声器的方位和目标方位，其中，所述扬声器的数量至少为两个，所述目标方位为理想的重建声像的方位；

步骤S2：根据每个扬声器的方位和所述目标方位，确定对应的HRTF，其中，所述HRTF存储于HRTF数据库中，所述数据库中记录有HRTF以及相应的完整人体参数，并基于所述HRTF数据库，建立虚拟声像的双耳信号与目标声像的双耳信号的等式，计算每个扬声器对应的第一权值向量；

步骤S3：根据所述第一权值向量与所述完整人体参数之间的相关性，从所述完整人体参数中筛选出相关性符合预设条件的关键人体参数；

步骤S4：采用预设神经网络模型构建所述关键人体参数与所述第一权值向量之间的映射关系，并将所述关键人体参数与所述第一权值向量构成一组样本，其中所述关键人体参数作为输入，所述第一权值向量作为输出，训练所述预设神经网络模型，形成训练后的神经网络模型；

步骤S5：测量听音者的关键人体参数，基于所述训练后的神经网络模型预测与所述听音者的关键人体参数对应的第二权值向量，并根据所述第二权值向量计算每个扬声器的前置频域滤波器；