遗传算法用于HRTFs共用声学极点的极零点模型逼近

与头相关传递函数(Head—related Transfer Functions:HRTFs)的准确、有效建模对于空间听觉的分析研究以及虚拟听觉空间的生成起着关键的作用。本文通过应用新型的面向多目标参数优化的遗传算法(Genetic Algorithm:GA)进行了 HRTFs共用声学极点的极零点模型(Common-Acoustical—Pole and Zero:CAPZ)逼近。实验结果表明,GA较改进的Prony设计方法获得了更优的效果。

基于对数误差准则的HRTF共极点/零点建模方法

共声学极点/零点(CAPZ)逼近是头相关传递函数(HRTF)建模的一种高效方法,与极零点模型相比,它可以用更少的参数表示HRTF。传统的CAPZ模型参数估计方法是基于最小均方误差准则,而人的听觉感知系统更适合于对数误差准则,为此,该文提出一种基于对数幅度误差最小化的CAPZ模型参数估计方法。该方法首先使用Haneda方法估计出声学共极点,然后在对数幅度误差准则下,使用迭代加权最小二乘算法估计零点,从而得到完整的CAPZ模型。仿真实验结果验证了其有效性。