新的听觉注意显著图计算模型研究

外源性听觉注意计算模型的一个关键问题是如何计算声学信号的听觉显著图,因此,本文提出了一种有效的自底而上听觉显著图计算模型。该模型首先通过听觉外周计算模型处理得到信号每个频率通道的听觉神经响应,并对各通道分帧求短时能量得到听觉图谱,然后以听觉流的时间特性为基础,采用高斯滤波器组对各通道能量谱进行不同尺度的时域滤波,再利用中心-周边差算子计算各频率通道的听觉显著度,最后将各通道听觉显著度线性合并得到声学信号的听觉显著图。本文对不同声学信号、信噪比进行实验研究,仿真结果及分析表明该听觉显著图计算模型比现有模型能更准确地计算声学信号的显著度,突出信号突变时刻的显著性,对低信噪比信号也有较好的适用性。

一种听觉显著图提取模型

本文基于人耳听觉特性提出了一种改进的自下而上听觉显著图提取模型.该模型根据人耳听觉系统对声音分频道处理以及声音信号时间方向的差异更能有效表征听觉显著性这两个特点进行显著图提取.首先对输入声音信号进行短时傅立叶变换(SFFT)得到声音信号的听觉图谱,然后重新划分频带并在各频带上采用一维高斯滤波器组进行不同尺度的时域滤波,再利用中心-周边差算子计算各频带的听觉显著度并进行跨尺度整和,最后将各频带的听觉显著度线性合并之后得到最终的听觉显著图.仿真实验的结果表明该模型提取的听觉显著图更准确.

听觉选择性注意的认知神经机制与显著性计算模型

根据听觉认知神经信息处理的结构和功能,借鉴图像处理原理实现显著性计算方法,提出了一种基于选择性注意的认知神经机制的听觉显著性计算模型。该模型兼容了自上而下和自下而上两种听觉注意机制,可很好地模拟人类的听觉注意系统。在仿真和自然音频实验中,本模型在选择性注意的显著性提取、背景音抑制等方面都取得了令人满意的结果。

基于稀疏字典的听觉显著性计算

听觉注意显著性计算模型是研究听觉注意模型的基本问题,显著性计算中选择合适的特征是关键,本文从特征选择的角度提出了一种基于稀疏字典学习的听觉显著性计算模型.该模型首先通过K-SVD字典学习算法学习各种声学信号的特征,然后对字典集进行归类整合,以选取的特征字典为基础,采用OMP算法对信号进行稀疏表示,并直接将稀疏系数按帧合并得到声学信号的听觉显著图.仿真结果表明该听觉显著性计算模型在特征选择上更符合声学信号的自然属性,基于基础特征字典的显著图可以突出噪声中具有结构特征的声信号,基于特定信号特征字典的显著图可以实现对特定声信号的选择性关注.