一种头相关传输函数的预测方法、装置和电子设备制造方法及图纸

本申请涉及一种头相关传输函数(HRTF)的预测方法，包括：将被试的生理参数与HRTF的角度输入自动编码器进行编码，得到混合向量特征；将所述混合向量特征输入映射模型得到对应的HRTF幅度谱特征；所述映射模型为深度神经网络；将所述HRTF幅度谱特征输入变分自动编码器进行解码，获得个性化HRTF幅度谱，实现个性化HRTF的预测。能够通过深度学习方法建立生理参数、角度与HRTF频域特性之间的联系，使得给定期望方向和对应生理参数即可生成对应的个性化HRTF，实现个性化HRTF的快速预测。实现个性化HRTF的快速预测。实现个性化HRTF的快速预测。

【技术实现步骤摘要】
一种头相关传输函数的预测方法、装置和电子设备


[0001]本申请涉及空间音频
，尤其涉及一种头相关传输函数的预测方法、装置和电子设备。

技术介绍

[0002]头相关传输函数(head related transfer function，HRTF)在空间音频技术中具有重要的作用。HRTF表征了声波由声源经过头部、耳廓和躯干等生理结构到达人耳鼓膜的过程。不同个体生理参数的差异性导致其HRTF各不相同，在空间音频重放中使用个性化的HRTF可以有效提升重放效果。然而，个性化HRTF通常需要在消声环境下利用特制设备进行测量，且非常耗时，这导致个性化HRTF难以真正应用。目前，广泛采用生理参数的相似性从已有的HRTF数据库中选择或者利用生理参数合成HRTF来得到个性化HRTF。由于HRTF的生成过程过于复杂，传统方法难以很好地表征不同方向的声源传播过程中与人体各个生理参数之间物理过程，因此很多方法尝试利用深度学习的方法建立人体生理参数和HRTF之间的关系，以合成新受试者的HRTF。目前，大多数的HRTF个性化生成方法都只能生成特定方向的HRTF，导致本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种头相关传输函数(HRTF)的预测方法，其特征在于，包括：将被试的生理参数与HRTF的角度输入自动编码器进行编码，得到混合向量特征；将所述混合向量特征输入映射模型得到对应的HRTF幅度谱特征；所述映射模型为深度神经网络；将所述HRTF幅度谱特征输入变分自动编码器进行解码，获得个性化HRTF幅度谱，实现个性化HRTF的预测。2.根据权利要求1所述的头相关传输函数的预测方法，其特征在于，所述自动编码器包括第一编码器和第一解码器，所述方法包括训练自动编码器的步骤，包括：获得由训练集内的生理参数和HRTF角度组成的混合向量；将所述混合向量输入所述自动编码器进行训练，得到训练好的自动编码器；其中，所述第一编码器包括1层输入层和3层隐藏层，用于获得所述HRTF角度和被试生理参数的压缩表达，提取所述混合向量特征；所述第一解码器包括3层隐藏层和1层输出层组成，用于根据所述混合向量特征复原所述生理参数和HRTF角度；所述自动编码器的瓶颈向量为一维数组。3.根据权利要求2所述的头相关传输函数的预测方法，其特征在于，所述获得由训练集内的HRTF角度和生理参数组成的混合向量，包括：获得训练集内由HRTF水平角、俯仰角、25维生理测量参数组成的混合向量；其中所述25维生理测量参数包括头高、头宽、头深、耳廓上边距、耳廓前边距、脖高、脖宽、脖深、上躯体宽、肩宽、身高、头围、肩围、耳甲腔高、耳甲艇高、耳甲腔宽、三角窝高、耳廓高、耳廓宽、耳屏间切迹、耳甲腔前深、耳甲腔后深、耳轮脚横凸高、耳廓旋转角、耳廓斜张角。4.根据权利要求1所述的头相关传输函数的预测方法，其特征在于，所述变分自动编码器包括第二编码器和第二解码器，所述方法包括训练变分自动编码器的步骤，包括：根据数据库中的多个头相关冲激响应得到多个频域的HRTF；根据所述多个频域的HRTF计算每个频点的幅度值获得所述多...

【专利技术属性】
技术研发人员：姚鼎鼎，赵佳乐，李军锋，颜永红，
申请(专利权)人：中国科学院声学研究所，
类型：发明
国别省市：