[发明专利]头相关脉冲响应数据集处理方法

摘要

本发明实施例提供一种头相关脉冲响应数据集处理方法。本发明方法，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。本发明实施例解决了特征HRIR选取方法误差过大的问题。

主权项

一种头相关脉冲响应数据集处理方法，其特征在于，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；其中，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Σj=1Kwji=1---(1)]]>其中，所述K为与HRIR样本点xi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xj重构xi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wji=Σk=1K(Qi)jk-1Σj=1KΣk=1K(Qi)jk-1---(2)]]>计算所述HRIR样本点的权值重建矩阵wij，其中，所述K为局部协方差矩阵Qi的维数，所述i为第i个样本点的下标，所述k为局部协方差矩阵Qi的第k维，所述j为第j个邻近点的下标；将所述wij代入重构误差函数公式minϵ(W)=Σi=1I|xi-Σj=1Kwjixj|2---(3)]]>确定重构误差最小值所对应的HRIR样本点为可进行降维处理的高维HRIR样本点，其中，所述I为样本总点数，所述i为第i个样本的下标，所述K为设定与所述HRIR样本点xi欧式距离最小的样本点的个数，所述xi为所述选取的HRIR样本点，所述xj为所述xi的第j个邻近点，所述minε(W)为最小重构误差值；所述处理器将所述HRIR样本点降维至低维空间，得到低维HRIR，包括：将满足公式Σi=1Nyi=0,1NΣi=1NyiyiT=I---(4)]]>的所述HRIR样本点代入公式minϵ(Y)=Σi=1I|yi-Σj=1Kwjiyj|2---(5)]]>得到损失函数minϵ(Y)=Σj=1NΣj=1NmijyiTyj---(6)]]>选取公式M＝(I‑W)T(I‑W)   (7)中M的最小d个非零特征值代入到所述损失函数，得到与Y的特征向量作为映射至低维空间的对应的样本点，其中，所述yi为所述xi的低维映射向量，所述yj为所述yi的第j个邻近点，所述minε(Y)为损失函数，所述i为第i个样本的下标，所述j为第j个邻近点的下标，所述I为样本总点数，所述k为与yi邻近的点数。