基于二阶锥规划的HRTF波束形成合成方法

利用宽带波束形成器输出合成了HRTF数据。确立了波束形成器结构,建立了HRTF合成的最优问题,采用二阶锥规划最优方法得到了波束形成器的最优权向量,进而利用波束形成器的输出得到HRTF合成数据。同时结合MIT实验室的HRTF测量数据的基本特性,在求解最优问题的过程中利用了HRTF的最小相位表示,进一步降低了滤波器阶次,简化了波束形成器结构。计算机仿真和主观听觉定位实验表明,在一定频段内该方法得到的HRTF合成近似值和测量数据具有较好的一致性,验证了该方法的有效性。

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。

基于HRTF频谱特征优化MDCT域滤波

面向音频多声道虚拟环绕处理的应用,提出一种改进离散余弦变换(MDCT)域的头相关传输函数(HRTF)高效滤波算法.通过MDCT的多相滤波结构分解,得到MDCT域滤波矩阵,再根据矩阵稀疏表征的思想,以及HRTF的频谱动态范围大的特点,对MDCT滤波矩阵进行动态邻域优化,有效地提高了MDCT域滤波的效率.通过大量的实验对比表明:该方法较以往的MDCT域滤波方法大大降低了运算复杂度,且保持滤波结果的一致性;该动态邻域算法与传统时域?频域处理方法相比,主观质量差异较小;该方法大大降低了虚拟环绕处理的算法复杂度,尤其适合采用MDCT编码的压缩音频格式.

Audio-only游戏中虚拟声的HRTF匹配与压缩技术研究

Audio-only游戏中,游戏者的所有操作只能依靠虚拟声所包含的空间信息实现声像定位,因此对虚拟声的准确性和实时性有较高的要求.本研究基于HRTF的虚拟声基本原理,比较了HRTF的个性化匹配和压缩方法,并利用PCA技术对CI-PIC和MIT实验室的HRTF数据进行压缩与重建处理,实验证明该技术具有计算快速简单和处理效果好的优点,同时压缩重建前后的HRTF数据具有较小误差,既不影响虚拟声重发的准确性,又减少了HRTF的存储空间,能有效降低HRTF合成的计算复杂度,提高虚拟声应用的实时性.

AES专论-双耳技术(二):双耳信号合成中HRTF的实现建模

在简述头相关传输函数HRTF及其原始数据获取方法后,介绍了双耳信号合成中HRTF的预处理和HRTF的"最小相位滤波器+纯延时"模型,最后简述了双耳信号合成的两种实现方式。

AES专论-双耳技术(三):双耳信号合成中HRTF的个体化

在简述双耳信号合成中HRTF个体化的重放效果和非个体化可能产生的影响后,介绍了几种个体化定制的处理方法,并对HRTF个体化建模有效性以及虚拟听觉空间质量的评价进行了介绍。

基于HRTF的虚拟声源定位

声源定位因素包括双耳时间差、双耳声级差、谱因素等,文章在介绍声源定位因素的基础上,引出了人体头部相关传输函数HRTF定义及其特性。基于美国MIT Media Lab发布的HRTF数据库,利用计算机合成两声道虚拟三维音频,并对虚拟声源进行了定位测试实验,12名听觉正常者参与了主观听音实验,选取10个具有方位信息的音频信号作为刺激信号,听音者将听到的方位记录下来,与预设方位进行对比。最后对实验结果进行了总结分析。

HRTF的主成分分析与空间傅里叶重构

提出一种联合主成分分析与空间傅里叶重构的方法,在对头相关传输函数(HRTF)数据进行有效压缩的同时,可以从有限的离散空间方向数据重构空间方向上连续的HRTF函数。以KEMAR人工头的HRTF数据为例计算表明,实现水平方向上连续重构所需的数据量仅为原来的20%。

基于HRTF主成分分析的头模结构分析

采用主成分分析法对不同细节结构的头模HRTF幅度谱进行降维简化处理,分析头模上的不同细节结构对HRTF的方向平均值以及谱形状基矢量相应频段的影响。结果表明,鼻子的作用可以忽略,而头发主要作用在头模后方的声源高频处。头部尺寸的影响存在于整个频段中,并且对于位于耳朵异侧的声源影响最大。对简化声学头模与仿真头模HRTF进行主成分分析结果表明,两个头模在这些特性上的差异并不十分明显,在水平面上具有很好的一致性。

用幅度矢量合成定位法改进HRTF的定位效果

为了改进虚拟3D立体声技术的定位准确性,依据头相关传递函数(HRTF)的原理,采用CIPIC实验室根据KEMAR假人头测得的HRTF数据,利用多媒体计算机合成了两通道虚拟3D立体声。通过对HRTF在声源前后定位的“混淆锥”问题的分析,提出了用幅度矢量合成定位(VBAP)方法改进定位效果。实验结果证明,使用VBAP改进后的HRTF能够显著提高声源前后定位的准确性,表明VBAP的声音加权能够对HRTF的混淆锥问题有较大改进。

基于中国人工头模的HRTF数据库设计与实现

头相关传输函数(Head Related Transfer Function,HRTF)描述了在自由场情况下,点声源到人耳鼓膜处的传输过程,其中包含有重要的声源定位信息。本文搭建HRTF测量与实验环境,设计和实现一个HRTF数据库,数据库包含中国人平均头模BHead210 481个空间方位的头相关脉冲响应(Head Related Impulse Response)数据。进行主观定位判听实验,比较BHead210人工头测量的HRTF数据和KEMAR人工头HRTF数据在中国受试者上的判听效果。

基于小波神经网络的HRTFs逼近与声频仿真

头部相关传递函数（HRTFs）是指从声源到耳鼓的谱滤波器，它因提取了声源的方位信息，所以在声频仿真中，它是非常重要的立体听觉定位曲线．由于HRTFs随声源的相对位置、频率和听觉对象不同而变化，并与其自变量之间还存在着非常复杂的非线性关系，所以王维声音仿真的实现需要处理庞大的HRTFs数据．提出了基于小波神经网络的HRTFs近似模型，即通过训练网络重新设置模型数据来获取空间任意位置的非个人HRTFs数据．声频仿真实验结果表明此逼近方法不仅保持了原始HRTFs的相关特征，而且还在三维声频仿真中提高了计算效率．

头部官能结构对HRTF的影响及主观验证实验

为了研究声学头模上不同的头部官能结构对头相关传输函数(Head-Related Transfer Function,HRTF)及录音听感上的影响,对具有不同官能结构的头模进行HRTF测量和对比分析,得出头部不同官能结构对HRTF的影响。进一步的主观评价实验也验证了不同的头部官能结构对于声源定位的影响程度不同这一结论。其中,耳廓对声源定位的影响较大,是不可缺少的一个结构,而有无鼻子、头发等其他细节官能结构对声源定位产生的影响则要弱得多,同时这些头部官能结构对听感上的影响与声源类型和入射方向的关系十分密切。

基于Gammatone滤波器分解的HRTF和GMM的双耳声源定位算法

针对数字助听器中现存声源定位算法精确度低和算法复杂度高的问题,提出一种新的双耳声源定位算法.首先,采集到的双耳声源信号通过Gammatone滤波器分解为若干个子带信号,根据能量的大小对数据进行压缩.然后,利用头相关传递函数(head-related transfer function,HRTF)中包含的双耳线索,即双耳时间差、双耳声级差及耳间相关性,提取声源位置的特征.最后,声源的位置信息由高斯混合模型(Gaussian mixture model,GMM)分类器识别.实验结果表明,建议的算法具有高精确度、低复杂度及强鲁棒性.

Performance Comparison of Neural Networks for HRTFs Approximation

In order to approach to head related transfer functions (HRTFs), this paper employs and compares three kinds of one input neural network models, namely, multi layer perceptron (MLP) networks, radial basis function (RBF) networks and wavelet neural networks (WNN) so as to select the best network model for further HRTFs approximation. Experimental results demonstrate that wavelet neural networks are more efficient and useful.

基于生理参数与角度的个性化HRTF深度学习重建方法

本文设计实现了一个深度神经网络模型,根据人体生理参数及角度信息重建个性化头相关传递函数(Head Related Transfer Function,HRTF),仅需一次训练即可得到全部方向的预测HRTFs。网络模型由将人体测量参数作为输入的深度神经网络、将角度信息作为输入的展开层以及将前两者的输出作为输入的深度神经网络组成。最后对所提出方法的整体性能进行了客观评价。

三维音频技术综述

三维(Three-dimension,3D)多媒体技术,尤其是和3D视频相比有所差距的3D音频技术受到了广泛的关注。当前三维音频技术研究可分为基于物理声场重建的多声道音频技术和基于感知的声音场景重建的多声道音频技术两大类。物理声场重建技术的重要代表是基于球谐分解的声重放技术和波场合成技术(Wave field synthesis,WFS),基于感知的声音场景重建技术主要包括幅度平移技术(Amplitude panning,AP)和基于头相关传输函数的双耳重建技术(Head related transfer function,HRTF)。本文对上述4类三维音频技术及其对应的典型系统进行了介绍及对比分析,并对三维音频技术当前3大主要研究热点:空间听觉机制、三维音频压缩编码以及三维音频系统精简的现状与前沿技术进行了介绍。

声音渲染技术及其在虚拟环境中的应用

在虚拟现实和分布交互仿真应用中，为增加参与者或观察者的沉浸感，生成多维的感官信息（ 如视觉、听觉、触觉以及动感等信息） 更能符合人的生理和心理感知。本文论述了虚拟环境中的声音渲染技术。首先从声音的传播和人的感知角度，论述了声音渲染的数学模型，然后论述了其研究内容和实现的关键技术，如声音的建模分析、三维空间定位、距离感知、与图象信息的融合以及声音渲染的验证等。文章最后给出了用于虚拟座舱的一种声音渲染方案。

立体声耳机重发中头中定位效应的消除

探讨双通路立体声耳机重发中头中定位效应的消除。实验结果表明，如果仅用人头传输函数（HRTF）对声音信号进行处理，能产生一定的声像方向感，但还不能很好地消除头中定位效应。而通过加混响信号使声像有深度感，可在一定程度上起到改善的作用。

采用扬声器的虚拟声滤波器简化及其主观评价(英文)

对用扬声器的5.1通路环绕声虚拟重放系统的滤波器进行了简化,提出通过零极点的抵消可减少滤波器的脉冲响应长度。主观评价实验表明,在48kHz的采样频率下,采用128点(2.7ms)脉冲响应长度的滤波器进行处理可得到理想的主观听觉效果。采用64点(1.3ms)脉冲响应长度的滤波器会导致主观听觉效果略为下降,但实际中仍然可用。因而简化滤波器的脉冲响应长度较传统方法的5到10ms的量级要短,采用简单的FIR滤波器即可实现。