[发明专利]一种基于深度神经网络的个性化头相关传输函数建模方法

摘要

本发明公开了一种基于深度神经网络的个性化头相关传输函数建模方法。本方法是基于空间主成分分析对HRTF数据进行分解，将分解得到空间主成分、空间主成分系数和平均空间函数分别用神经网络建模，其中，空间主成分和平均空间函数只与空间方向有关，空间主成分系数是频率和被试个性化特征参数的函数；本发明用深层神经网络对空间主成分，平均空间函数和双耳时间差分别建模，将水平角及仰角等空间方向信息引入网络输入层；同时，用神经网络基于人体测量参数对空间主成分系数建模。基于上述模型，可根据被试少量的人体测量参数，得到其在空间任意方向个性化的HRTF。

主权项

1.一种基于深度神经网络的个性化头相关传输函数建模方法，其步骤包括：1)将CIPIC库中的HRIR数据变换到频域，得到频域HRTF，然后根据频域HRTF计算得到每个空间方向的平均空间函数；2)利用主成分分析方法对频域HRTF数据进行分解，得到空间主成分及其系数；3)采用神经网络对空间主成分系数和被试者的人体测量参数建模，得到空间主成分系数及人体测量参数模型；采用神经网络对人体前侧、后侧所有角度的空间主成分方向向量进行建模，得到空间主成分深层神经网络模型；采用神经网络对平均空间函数及其对应的方向进行建模，得到平均空间函数深层神经网络模型；采用神经网络对双耳时间差TID进行建模，得到ITD深层神经网络模型；4)获取目标个体的人体测量参数，根据所述空间主成分系数及人体测量参数模型求得该目标个体在各频率点的空间主成分系数；对于任意的空间方向，通过所述空间主成分深层神经网络模型、平均空间函数深层神经网络模型和ITD深层神经网络模型分别预测出该空间方向的空间主成分、平均空间函数及该目标个体的ITD；5)将步骤4)得到的空间主成分、空间主成分系数和平均空间函数代入空间主成分分析公式，计算得到进行空间主成分分析的对象HRTFlogΔ；然后根据HRTFlogΔ得到频域的HRTF，再根据该频域的HRTF和该目标个体的ITD得到时域的HRIR作为该目标个体的头相关传输函数。