一种基于主成分分析和稀疏表示的HRTF个人化方法技术

本发明专利技术的一种基于主成分分析和稀疏表示的HRTF个人化方法，包括如下步骤：S100、通过主成分分析获取HRTF的权重系数矩阵；S200、计算权重系数矩阵与生理参数的相关性；S300、构建稀疏模型；S400、系数模型分类。首先基于主成分分析HRTF进行降维；然后，通过相关性分析，分析主成分系数与生理参数的相关性，选择与HRTF相关的生理参数；再次，对选择的生理参数进行稀疏表示；最后通过匹配追踪获得与测试被试具有相同稀疏表示的被试，并将该被试的HRTF作为测试被试的HRTF。

【技术实现步骤摘要】
一种基于主成分分析和稀疏表示的HRTF个人化方法
本专利技术涉及一种HRTF个人化方法，具体来说是一种基于主成分分析和稀疏表示的HRTF个人化方法。
技术介绍
头相关传递函数(HeadRelatedTransferFunction，HRTF)描述了在自由场情形下，声源发出的声音经过头部、耳廓、躯干等生理结构的散射和反射后到达双耳的传递函数。由于不同个体在生理结构和生理尺寸上存在差异，使得HRTF具有明显个人化特性。由于HRTF是进行三维虚拟听觉的关键，因此，为了获得更好的听觉感知效果，学术界针对HRTF的个人化，开展了很多的研究。截止目前，数据库匹配方法仍然是获得HRTF个人化最直接、最简单的方法。数据库匹配方法的基本假设是：当两个被试的生理参数相同时，两个被试的HRTF也相同。因此数据库匹配方法以人体生理结构的相似性作为依据的，即对于任意一个受试者，在给定的由大量HRTF已知的听者生理参数组成的数据库中寻找最佳的匹配者，抽取其HRTF数据作为该听者的HRTF。专利号为：CN201910642714.5“基于稀疏表示分类的HRTF个人化”公布了一种基于稀疏表示的HRTF个人化方法。该方法的核心是数据库匹配，首先对被试的生理参数进行稀疏表示，然后应用匹配跟踪方法获得数据库中与测试被试最相近稀疏表示的被试，作为匹配的被试。然而，该方法将所有的生理参数进行稀疏表示，而选取的所有的生理参数并不全部对HRTF有影响，这使得匹配结果还有一定的提升空间。
技术实现思路
1.专利技术要解决的技术问题本专利技术的目的在于解决现有的HRTF个人化匹配准确度不高的问题。2.技术方案为达到上述目的，本专利技术提供的技术方案为：本专利技术的一种基于主成分分析和稀疏表示的HRTF个人化方法，包括如下步骤：S100、通过主成分分析获取HRTF的权重系数矩阵；S200、计算权重系数矩阵与生理参数的相关性；S300、构建稀疏模型；S400、系数模型分类。优选的，所述步骤S100中，获取权重系数矩阵具体为数据库中(φ,θ)方位处的HRTF可表示为式(1)，其中，N表示HRTF的长度，n表示数据库中被试的数量，H＝[H1(f)H2(f)ΛHn(f)](1)；对于每个计算HRTF的对数幅度谱HΔ，同时将H减去其平均值，计算对数幅度谱HΔ的自相关矩阵[R]，查找R的归一化特征向量，并根据对应的特征值将其从大到小排序。将前Q个特征向量u1,u2,Λ,uQ作为HΔ频谱的基向量D：DN×Q＝[u1,u2,Λ,uQ](4)；用D对HΔ进行分解。根据基向量的正交性，可以获得与被试有关但与频率无关的权重系数矩阵为W：优选的，所述步骤S200中，生理参数具体为人体测量参数，为ANn×S，其中S表示每个受试者的人体测量参数的数量，相关系数计算如式(6)设置显着性水平为α＝0.05，当人体测量参数对应计算的相关系数cov(W,AN)大于α时，选择相应的人体测量学参数以构建人体测量学参数矩阵，最终所选择的人体测量学参数的数目总数为T。优选的，所述步骤S300中，构建稀疏模型具体为对HRTF数据库制作一个新的字典矩阵A＝[v1,v1,Λ,vn]∈IRn×T，将其作为受试者的整个集合，其中，vn为被试n在方位(φ,θ)上选择的生理参数。基于矩阵A的所有字典原子，数据库中的被试均可以线性表示为y：y＝Ax∈RT(7)。优选的，所述步骤S400中，方程y＝Ax∈Rm是一个凸集，因此，求解生理参数系数x是一个凸优化问题，现对相关性系数进行1范数进行约束。实际中，通过求解式(8)获得,理想情形下，求解式(8)时，非零元素仅出现在与测试样本同类的情形下，因此很容易区分该被试所属的类别。因此测试样本yi能被表示为：yi＝Aδi(x)(9)其中，δi(x)表示第i个被试的稀疏矩阵。但实际情形下，求解方程(9)时，会出现多个非零的情形，在这种情形下，通过残差来量度测试样本与整个生理参数数据库的系数相似性，ri(y)＝||y-Aδi(x)||2(10)其中，ri(y)表示残差，残差最小的样本就是与被试相匹配的被试，可通过式(11)获得与测试样本匹配的被试idengtify(y)可表示为：3.有益效果采用本专利技术提供的技术方案，与现有技术相比，具有如下有益效果：本专利技术的一种基于主成分分析和稀疏表示的HRTF个人化方法，包括如下步骤：S100、通过主成分分析获取HRTF的权重系数矩阵；S200、计算权重系数矩阵与生理参数的相关性；S300、构建稀疏模型；S400、系数模型分类。首先基于主成分分析HRTF进行降维；然后，通过相关性分析，分析主成分系数与生理参数的相关性，选择与HRTF相关的生理参数；再次，对选择的生理参数进行稀疏表示；最后通过匹配追踪获得与测试被试具有相同稀疏表示的被试，并将该被试的HRTF作为测试被试的HRTF。附图说明图1为本专利技术的流程图图2为实施例1中的040、055和062与匹配的被试的HRTF对比图。具体实施方式为了便于理解本专利技术，下面将参照相关附图对本专利技术进行更全面的描述，附图中给出了本专利技术的若干实施例，但是，本专利技术可以以许多不同的形式来实现，并不限于本文所描述的实施例，相反地，提供这些实施例的目的是使对本专利技术的公开内容更加透彻全面。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同；本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术；本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。实施例1参照附图1-附图2，本实施例的一种基于主成分分析和稀疏表示的HRTF个人化方法，以方位(0°,0°)为例，分别将040、055及062作为新被试，剩余被试构成待匹配被试。S100、通过主成分分析获取HRTF的主成分系数数据库中(0°,0°)方位处的HRTF可表示为式(1)，其中，N表示HRTF的长度，n表示数据库中被试的数量。H＝[H1(f)H2(f)ΛHn(f)](1)对于每个个计算HRTF的对数幅度谱HΔ，同时减去减去其平均值；计算对数幅度谱HΔ的自相关矩阵[R]查找R的归一化特征向量，并根据对应的特征值将其从大到小排序。将前Q个特征向量u1,u2,Λ,uQ作为HΔ频谱的基向量D：DN×Q＝[u1,u2,Λ,uQ](4)用D对HΔ进行分解。根据基向量的正交性，可以获得与被试有关但与频率无关的权重系数矩阵为W：S200、计算权重系数矩阵与生理参数的相关性人体测量参数也可以描述为矩阵ANn×S，其中S表示每个受试本文档来自技高网...

【技术保护点】
1.一种基于主成分分析和稀疏表示的HRTF个人化方法，其特征在于，包括如下步骤：/nS100、通过主成分分析获取HRTF的权重系数矩阵；/nS200、计算权重系数矩阵与生理参数的相关性；/nS300、构建稀疏模型；/nS400、系数模型分类。/n

【技术特征摘要】
1.一种基于主成分分析和稀疏表示的HRTF个人化方法，其特征在于，包括如下步骤：
S100、通过主成分分析获取HRTF的权重系数矩阵；
S200、计算权重系数矩阵与生理参数的相关性；
S300、构建稀疏模型；
S400、系数模型分类。


2.根据权利要求1所述的一种基于主成分分析和稀疏表示的HRTF个人化方法，其特征在于：
所述步骤S100中，获取权重系数矩阵具体为
数据库中(φ,θ)方位处的HRTF可表示为H如式(1)所示，其中，N表示HRTF的长度，n表示数据库中被试的数量，
H＝[H1(f)H2(f)ΛHn(f)](1)；
对于每个个计算HRTF的对数幅度谱HΔ，同时减去H其平均值，



计算对数幅度谱HΔ的自相关矩阵[R]，



查找R的归一化特征向量，并根据对应的特征值将其从大到小排序，将前Q个特征向量u1,u2,Λ,uQ作为HΔ频谱的基向量D：
DN×Q＝[u1,u2,Λ,uQ](4)；
用D对HΔ进行分解，根据基向量的正交性，可以获得与被试有关但与频率无关的权重系数矩阵为W：





3.根据权利要求2所述的一种基于主成分分析和稀疏表示的HRTF个人化方法，其特征在于：
所述步骤S200中，生理参数具体为人体测量参数，为ANn×S，其中S表示每个受试者的人体测量参数的数量，相关系数计算如式(6)



设置显着性水平为α＝0.05，当人体测量...

【专利技术属性】
技术研发人员：潘左中，杨亚辉，杨慧斌，刘瑞笛，陈丽芳，
申请(专利权)人：中航华东光电上海有限公司，
类型：发明
国别省市：上海;31