基于空间主成分分析的个性化HRTF建模
音频与语音处理
2020-02-07 v6 声音
信号处理
摘要
头相关传输函数（HRTF）在三维听觉显示构建中具有重要作用。本文提出一种基于空间主成分分析、使用深度神经网络的个性化HRTF建模方法。HRTF由一小组空间主成分结合频率和个体相关权重表示。通过深度神经网络估计空间主成分并将相应权重映射到若干人体测量参数，我们预测任意空间方向上的个性化HRTF。客观与主观实验评估了所提方法、主成分分析（PCA）方法和通用方法生成的HRTF。结果表明所提方法和PCA方法生成的HRTF优于通用方法。对于大多数频率，所提方法的频谱失真在高频段显著小于PCA方法，但在低频段显著大于PCA方法。定位模型评估显示PCA方法优于所提方法。主观定位实验表明PCA方法与所提方法在大多数条件下性能相近。客观与主观实验均表明所提方法能够预测任意空间方向上的HRTF。
引用
@article{arxiv.1910.09484,
title = {Modeling of Individual HRTFs based on Spatial Principal Component Analysis},
author = {Mengfan Zhang and Zhongshu Ge and Tiejun Liu and Xihong Wu and Tianshu Qu},
journal= {arXiv preprint arXiv:1910.09484},
year = {2020}
}
备注
12 pages with 18 figures. This paper was published in IEEE/ACM Transactions on Audio, Speech and Language Processing. Copyright 2020 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media