面向虚拟现实场景的房间脉冲响应计算模型

提出了一种面向虚拟现实应用场景的房间脉冲响应计算模型,将深度学习神经网络技术与心理声学感知参数结合,能够高效地从虚拟现实场景信息中预测具有听觉感知意义的房间脉冲响应。在确保高质量预测结果的同时,该模型可以满足虚拟现实音频场景中生成房间脉冲响应所需的实时性、高采样率、非受限长度和轻量化的要求。模型首先通过图卷积神经网络将场景中的声学信息编码,然后通过神经声场与转置卷积模型将声学信息解码得到房间脉冲响应感知参数,最后根据房间脉冲响应感知参数恢复出房间脉冲响应信号。实验结果表明,所提模型在房间脉冲响应生成质量、计算开销以及功能性方面都有较大的优势,可较好地满足虚拟现实音频对于实时生成房间脉冲响应的需求。

面向空间音频的个性化头相关传输函数定位性能研究综述

基于头相关传输函数的音频处理是目前空间音频渲染的关键技术,而头相关传输函数受个体因素关系影响大,但由于个性化头相关传输函数测量成本较高,实际应用中往往使用非个性化的头相关传输函数。而针对个性化头相关传输函数的作用,在不同实验条件下,使用不同方法获得的个性化头相关传输函数,不同学者给出的结论有所差异。本文对个性化头相关传输函数定位性能的三个主要方面进行研究综述:提高水平和垂直方向定位精度;削弱头中效应;减少前后混淆现象。通过分析个性化头相关传输函数提升听感属性的声学原理,以及综合考察已有的主观实验结果,本文研究表明使用个性化头相关传输函数渲染空间音频对提升沉浸体验感有一定的帮助,且在不同定位感属性上有不同的表现。