空间听觉与虚拟听觉空间的

《空间听觉与虚拟听觉空间的》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、空间听觉与虚拟听觉空间的研究进展东南大学无线电系2005-5简介空间听觉的基本原理•传统观点：耳间时间差(ITD)和耳间声级差(ILD)(对单耳以及两耳对称平面作用不大)•抵达听者耳膜处的声音信号是随着声源方向的变化而变化的。这些变化是由包括头、肩在内的外耳所决定的,它们像一声学滤波器,对入射声波进行加工处理。在心理声学中由声源方向所决定的传递函数被称作与头关联的传递函数(HeadRelatedTransferFunction,简称HRTF)。HRTF是耳道中信号与特定方向上自由声场信号的傅里叶变换之比。•HRTF的谱特征反映在它们的谷点频率和峰点频率上,某些谷点频

2、率和峰点频率随着声源方向的改变而改变。实际上,双耳的HRTF除了谱特征的差异外,还包含有耳间时间差和耳间声级差的所有特征。研究的主要内容•空间听觉数据测量与分析•简化模型的特征提取与内插•HRTF的特征分类与定位•高效建模方法•虚拟听觉空间的实现一、关于空间听觉数据测量与分析目前对空间听觉进行过测量的研究单位有:MIT的媒体实验室、Wisconsin大学Madison分校神经生理系、NASA的Ames实验中心、加州大学戴维斯分校CIPIC(CenterforImageProcessingandIntegratedComputing)实验室等等。CIPIC接口实验室的

3、测量数据是最新最全面的测试数据(2001年)。1CIPIC的空间听觉测量数据CIPIC接口实验室提供了45个测量对象（subject）的实验数据，其中包括43个真人（27位男性和16位女性）以及2个KEMAR（大耳廓和小耳廓）的测量数据。在25个不同的水平方位、50个不同的垂直方位（共计1250个方位）上对每个测量者的每个耳朵进行了测量。测量对象两耳的对称中心位于球面坐标系的球心处，声源在一半径为1m的球面上移动。1CIPIC的空间听觉测量数据1CIPIC的空间听觉测量数据2HRTF个人化方法不同人水平面正前方的HRTF频谱图2HRTF个人化方法(1)数值建模主要有

4、两种方式：边界元法BEM(BoundaryElementMethod)和无限-有限元法IFEM(Infinite-finiteElementMethod)。YuviKahana分别采用以上两种方法对球形，椭球形，木偶头（分有无外耳两种情况）在不同网格分辨率进行建模，得到的模型具有一定可行性。(2)数据库匹配该方案利用一个公开发行的HRTF数据包，包括相应的外耳参数数据。实验采用摄像机获取收听者的外耳尺寸，根据最小均方误差方法与数据库进行匹配，将最佳匹配结果对应的HRTF数据用来合成虚拟空间，实验结果表明，即便这样一种简便的方法，比不做任何个人化的定位效果提高了将近2

5、5%.局限性：第一，仅用到了有限的外耳数据作匹配；第二，没有理论证明这些结构参数和频谱之间的具体关系。2HRTF个人化方法(3)根据外耳参数个人化HRTF通过HRTF频率尺度变换(Scalingthetransferfunctionsinfrequency)可以提高在使用非个人化的HRTF时的定位性能。Michigan大学的研究者通过测量测试者的外耳参数，求得尺度变换因子，并用该因子进行HRTF的个人化。2HRTF个人化方法(a)(b)频率刻度前后sub1和sub10在前半水平面的HRTF差别，实线对应sub1，虚线对应sub10。（a）刻度前原始的HRTF（b）将

6、sub10对应的HRTF经过频率缩放后与sub1的对照。3空间听觉特征参数的个体化差异•加州大学Davis分校CIPIC实验室也研究了外耳、头、肩等部位对HRTF特征影响，考虑了特征参数的个体化差异3空间听觉特征参数的个体化差异主要的外耳测量参数3空间听觉特征参数的个体化差异我们利用不同个体的这些参数对ITDmax进行了线性回归估计，从中发现对ITDmax的影响较为显著的参数有:x头宽1x3头深度x6颈宽x12肩宽d耳廓高度53空间听觉特征参数的个体化差异对ITDmax的线性回归估计线性回归方程式ITD=6.8030.374++−++x0.304x0.212x0.1

7、63x0.845dmax136125二、简化模型的特征提取与内插虚拟听觉空间的实现需要对HRTF进行大量的运算，这就需要简化与优化听觉模型，从测量数据中提取特征，通过一定方法重建模型，达到降维和压缩的目的，从而降低运算的复杂度，便于实现和实时处理。另外现实中的听觉空间是连续的，虚拟的听觉空间要利用已知的测量数据预测非测量点上的数据值，建立起完整的连续听觉空间。1主元素分析（PrincipalComponentAnalysis）•PCA通过K-L变换导出一个低维的基函数子集，降低包含有大量相关信息的数据集的维数，同时尽可能多的把数据的变化保留下来，是一种常用的数据