买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西北工业大学

摘要：本发明提供了一种基于生理参数的HRTF分频段线性回归方法，首先选择CIPIC数据库中同一方位下不同被试的HRTF进行主成分分析，获得该方位下的主成分；然后，计算在不同频率下主成分与不同被试各项生理参数的相关性；通过统计学方法获得对低频、中频以及高频部分的相关的生理参数；最后通过选取的生理参数分别进行低频、中频以及高频段的线性拟合，通过最小相位法进行相位重构。本发明影响不同的生理参数各不相同，应用相关性分析，获得在不同频段对HRTF有影响的生理参数，应用该生理参数进行线性回归，应用本发明合成的HRTF在理论上更为清晰，同时分别对各频段进行线性回归回归的结果也更为准确。

主权项：1.一种基于生理参数的HRTF分频段线性回归方法，其特征在于包括下述步骤：步骤1：选取所有被试在某一确定方位的HRTF，对该方位的HRTF进行主成分分析，获取该方位的主成分：1选取所有被试在方位角为θ，φ的HRTF构成向量Dij，其中i为被试序列，j为频率序号，被试数目为m，其中θ是方位角，φ是俯仰角；2对Dij进行如下标准化处理： 其中，为Dij经过标准化处理的头相关传递函数；3对标准化后的头相关传递函数进行主成分分析： 其中，Pm×n是主成分分析的m×n的得分矩阵；W是主成分分析的n×n的负荷矩阵，T表示矩阵的转置；步骤2：将CIPIC数据库中所有被试的所有的生理参数，分别与步骤1中获取的主成分进行相关性分析，获得相关系数rik，rik表示第i个人体生理参数与第k个主成分的相关系数，第i个人体生理参数即第i个被试序列；步骤3：确定不同频段相关生理参数；对任意一个主成分，查询相关系数表，得到该主成分与所有生理参数的相关系数，将不同频率相关的生理参数的相关系数按照降序排列，选择大于相关系数的前t个显著作为第k个主成分的候选项目；1选择任意一个候选生理参数，分别计算该候选生理参数在不同频段的重要度I： 其中，Nn*k表示第n*个生理参数在第k个主成分的频率范围f为a～b区间的出现的次数，在a～b区间中，该生理参数出现一次加1，不出现则加0，αk为第k主成分解释原始数据总方差的百分比，其中，1和c指的是第几主成分，即第一主成分到第c主成分；2分别对不同频率内的候选项目中的生理参数按重要度进行降序排列，选择前q个作为该方位下该频段的主要生理参数；3依据影响HRTF的生理参数的不同，将相邻频率中共同生理参数数量超过总生理参数的50％的频率部分划分为一个频段，若某一频率无法满足相邻频率中共同生理参数数量超过总生理参数的50％，则将其划分到相邻频率中频率较低的频段中，将主成分的得分矩阵P依据频段划分进行分段处理，共分为d个划分矩阵：P＝[P1，P2，…，Pd]4步骤4：应用选择的各频段的主要生理参数对P进行近似，获取近似主成分得分矩阵应用各频段的近似得分向量获得头相关传递函数的重构数据，详细步骤如下：1主成分分析中的得分向量通过关键生理参数线性回归，回归方程用式5表示： 其中，表示主成分中第d个划分矩阵，为从步骤三中选择的生理参数矩阵；Adq+1×n为人体测量项目的系数；Ad表示在划分矩阵d处人体测量项目的系数矩阵；2根据最小二乘法原理，系数矩阵Ai通过式2和式5获得： 标准化头相关传递函数通过式6获得： 其中，表示标准化头相关传递函数的近似值；当获知被试的生理参数时，通过公式7获得该被试的近似的HRTF。

全文数据：基于生理参数的HRTF分频段线性回归方法技术领域本发明涉及声源分信息领域，尤其是一种基于生理参数的HRTF线性回归方法。背景技术头相关传递函数HeadRelatedTransferFunction，HRTF是用以描述自由场声源发出的声音经过头部、耳廓、躯干等生理结构的散射和反射后到达双耳的频域声学传递函数。每个声源空间位置对应一对HRTF，一般情况下它们是声源到头中心的距离、声源的方位角、仰角，频率的函数。由于不同个体的生理结构和尺寸是不同的，而HRTF与生理结构和尺寸密切相关，因而是具有明显个人化特征的物理量。躯干、头部以及耳廓等生理结构的滤波作用对声信号的影响更显著，也就是说生理结构对HRTF具有更显著影响。影响不同方位的HRTF的生理因素不同，同时对于同一个HRTF，不同频率范围内，影响因素也不相同。研究表明耳轮外圆在高频段声音的定位中起着决定性的作用；耳轮外圆负责引导来自耳部上方的声音，而耳轮内窝则负责引导来自耳部下方的声音。不过，耳部的结构特征只在高频段大于5kHz对声音信号起主导作用。心理声学的研究表明，头部的散射和躯干的反射为低频段低于3kHz声音的纵向定位提供了一些线索。文献“MartensWL.Principalcomponentsanalysisandresynthesisofspectralcuestoperceiveddirection.In:Proceedingsof1987InternationalComputerMusicConference,1987,274-281”。公布一种利用人体形态特征对头相关传递函数进行个性化的方法，即利用基函数和人体测量项目之间的相关性对头相关传递函数进行近似估计。在该文章中，作者通过经验选择了构建模型所需的生理参数。文献“头相关传递函数的个人化方法”。公布了一种新的构建模型所需生理参数的方法。该方法通过将CIPIC数据库提供的所有生理参数进行相关性分析，选取不相关的生理参数作为构建模型所需的生理参数。通过经验获得的生理参数在理论上没有说服性，与之相比通过相关性分析获得的生理参数在理论上有了一定的理论依托，然而该相关性分析只考虑了生理参数之间的相关性，而没有考虑生理参数与HRTF之间的相关性。同时，由于对不同频段影响的生理参数不同，通过生理参数进行全频段线性回归也不可取，故为了更好的应用生理参数进行HRTF重构。采用分频段方法对HRTF进行分频段线性回归。发明内容为了克服现有技术的不足，本发明提供一种基于生理参数的HRTF分频段线性回归方法。本发明解决其技术问题所采用的技术方案的步骤如下：步骤1：选取所有被试在某一确定方位的HRTF，对该方位的HRTF进行主成分分析，获取该方位的主成分：1选取所有被试在在方位角为θ,φ的HRTF构成向量Dij，其中i为被试序列，j为频率序号，被试数目为m，其中θ是方位角，φ是俯仰角；2对Dij进行如下标准化处理：其中，为Dij经过标准化处理的头相关传递函数；3对标准化后的头相关传递函数进行主成分分析：其中，Pm×n是主成分分析的m×n的得分矩阵；W是主成分分析的n×n的负荷矩阵，T表示矩阵的转置；步骤2：将CIPIC数据库中所有被试的所有的生理参数，分别与步骤1中获取的主成分进行相关性分析，获得相关系数rik，rik表示第i个人体生理参数与第k个主成分的相关系数，第i个人体生理参数即第i个被试序列；步骤3：确定不同频段相关生理参数；对任意一个主成分，查询相关系数表，得到该主成分与所有生理参数的相关系数，将不同频率相关的生理参数的相关系数按照降序排列，选择大于相关系数的前t个显著作为第k个主成分的候选项目；1选择任意一个候选生理参数，分别计算该候选生理参数在不同频段的重要度I：其中，Nnk表示第r个生理参数在第k个主成分的频率范围f为a～b区间的出现的次数，在a～b区间中，该生理参数出现一次加1，不出现则加0，αk为第k主成分解释原始数据总方差的百分比，其中，1和c指的是第几主成分，即第一主成分到第c主成分；2分别对不同频率内的候选项目中的生理参数按重要度进行降序排列，选择前q个作为该方位下该频段的主要生理参数；3依据影响HRTF的生理参数的不同，将相邻频率中共同生理参数数量超过总生理参数的50％的频率部分划分为一个频段，若某一频率无法满足相邻频率中共同生理参数数量超过总生理参数的50％，则将其划分到相邻频率中频率较低的频段中，将主成分的得分矩阵P依据频段划分进行分段处理，共分为d个划分矩阵：P＝[P1,P2,…,Pd]4步骤4：应用选择的各频段的主要生理参数对P进行近似，获取近似主成分得分矩阵应用各频段的近似得分向量获得头相关传递函数的重构数据，详细步骤如下：1主成分分析中的得分向量通过关键生理参数线性回归，回归方程用式5表示：其中，表示主成分中第d个划分矩阵，为从步骤三中选择的生理参数矩阵；Adq+1×n为人体测量项目的系数；m是被试数目；n表示不同的频率；Ad表示在频段d处人体测量项目的系数矩阵；2根据最小二乘法原理，系数矩阵Ai通过式2和式5获得：标准化头相关传递函数通过式6获得：其中，表示标准化头相关传递函数的近似值；当获知被试的生理参数时，通过公式7获得该被试的近似的HRTF。本发明的有益效果在于对HRTF而言，影响不同的生理参数各不相同，应用相关性分析，获得在不同频段对HRTF有影响的生理参数，应用该生理参数进行线性回归。应用该方法合成的HRTF在理论上更为清晰，同时分别对各频段进行线性回归回归的结果也更为准确。附图说明图1为本发明基于生理参数的HRTF分频段线性回归流程图。图2为本发明方位0°,0°主成分得分图。图3为本发明方位0°,0°第一主成分与生理参数相关性图，其中图3a为左耳第一主成分与生理参数相关性图，图3b为右耳第一主成分与生理参数相关性图。图4为本发明基于生理参数的HRTF分频段线性回归结果，其中图4a为左耳频谱回归结果，图4b为右耳频谱回归结果。具体实施方式下面结合附图和实施例对本发明进一步说明。由于通过经验获得的生理参数本身就缺乏说服性，与之相比通过相关性分析获得的生理参数在理论上有了一定的理论依托，然而该相关性分析只考虑了生理参数之间的相关性，而没有考虑生理参数与HRTF之间的相关性。同时，由于对不同频段影响的生理参数不同，通过生理参数进行全频段线性回归也不可取，故为了更好的应用生理参数进行HRTF重构。本专利提出一种采用分频段方法对HRTF进行分频段线性回归。首先选择CIPIC数据库中同一方位下不同被试的HRTF进行主成分分析，获得该方位下的主成分；然后，计算在不同频率下主成分与不同被试各项生理参数的相关性；通过统计学方法获得对低频、中频以及高频部分的相关的生理参数；最后通过选取的生理参数分别进行低频、中频以及高频段的线性拟合，通过最小相位法进行相位重构。本发明的具体步骤为：步骤1：选取所有被试在某一确定方位的HRTF，对该方位的HRTF进行主成分分析，获取该方位的主成分：1选取所有被试在在方位角为θ,φ的HRTF构成向量Dij，其中i为被试序列，j为频率序号，被试数目为m，其中θ是方位角，φ是俯仰角；2对Dij进行如下标准化处理：其中，为Dij经过标准化处理的头相关传递函数；3对标准化后的头相关传递函数进行主成分分析：其中，Pm×n是主成分分析的m×n的得分矩阵；W是主成分分析的n×n的负荷矩阵，T表示矩阵的转置；步骤2：将CIPIC数据库中所有被试的所有的生理参数，分别与步骤一中获取的主成分进行相关性分析，获得相关系数rik，rik表示第i个人体生理参数与第k个主成分的相关系数，第i个人体生理参数即第i个被试序列；步骤3：确定不同频段相关生理参数；由于影响不同频段的生理参数有明显区别，故对任意一个主成分，查询相关系数表，得到该主成分与所有生理参数的相关系数，将不同频率相关的生理参数的相关系数按照降序排列，选择大于相关系数的前t个显著作为第k个主成分的候选项目；1选择任意一个候选生理参数，分别计算该候选生理参数在不同频段的重要度I：其中，Nnk表示第r个生理参数在第k个主成分的频率范围f为a～b区间的出现的次数，在a～b区间中，该生理参数出现一次加1，不出现则加0，αk为第k主成分解释原始数据总方差的百分比，其中，1和c指的是第几主成分，即第一主成分到第c主成分；2分别对不同频率内的候选项目中的生理参数按重要度进行降序排列，选择前q个作为该方位下该频段的主要生理参数；3依据影响HRTF的生理参数的不同，将相邻频率中共同生理参数数量超过总生理参数的50％的频率部分划分为一个频段，若某一频率无法满足相邻频率中共同生理参数数量超过总生理参数的50％，则将其划分到相邻频率中频率较低的频段中，将主成分的得分矩阵P依据频段划分进行分段处理，共分为d个划分矩阵：P＝[P1,P2,…,Pd]4步骤4：应用选择的各频段的主要生理参数对P进行近似，获取近似主成分得分矩阵应用各频段的近似得分向量获得头相关传递函数的重构数据，详细步骤如下；1主成分分析中的得分向量通过关键生理参数线性回归，回归方程用式5表示：其中，表示主成分中第d个划分矩阵，为从步骤三中选择的生理参数矩阵；Adq+1×n为人体测量项目的系数；m是被试数目；n表示不同的频率；Ad表示在频段d处人体测量项目的系数矩阵；2根据最小二乘法原理，系数矩阵Ai通过式2和式5获得：标准化头相关传递函数通过式6获得：其中，表示标准化头相关传递函数的近似值；当获知被试的生理参数时，通过公式7获得该被试的近似的HRTF。实施例如下：步骤1：选取所有被试在特定方位0°,0°处的HRTF，对该方位的HRTF进行主成分分析，获取该方位的主成分。1选取所有被试在方位角为0°,0°的HRTF构成向量Dij，其中i为被试序列，j为频率序号，被试数目为m。2对Dij进行标准化处理。其中，表示第i个被试在频率j处经过标准化处理的头相关传递函数。3对标准化后的头相关传递函数进行主成分分析。其中，Pm×n是主成分分析的得分矩阵；W是主成分分析的负荷矩阵；参照图2，主成分分析获得的前十个主成分解释原始数据百分之90以上。步骤2：将CIPIC数据库中所有被试的所有的生理参数，分别与步骤一中获取的主成分进行相关性分析，获得相关系数rik。rik表示第i个人体生理参数与第k个主成分的相关系数。第一个主成分与生理参数相关性系数图参考图3。步骤3：确定不同频段相关生理参数；由于影响不同频段的生理参数有明显区别，故对任意一个主成分，查询相关系数表，得到该主成分与所有生理参数的相关系数，将不同频率相关的生理参数的相关系数按照降序排列，选择大于相关系数的前t个显著作为第k个主成分的候选项目。CIPIC数据库中被试数量为35，生理参数共37维。在本发明中选择置信区间为0.05，故相关项目的相关性系数选为0.32。1选择一个候选生理参数，分别计算该候选生理参数在不同频段的重要度I：其中，Nnk表示第r个生理参数在第k个主成分的频率范围f为a～b区间的出现的次数。在a～b区间中，该生理参数出现一次加1，不出现则加0，αk为第k主成分解释原始数据总方差的百分比，其中，1和c指的是第几主成分，即第一主成分到第c主成分。2分别对不同频率内的候选项目中的生理参数按重要度进行降序排列，选择前q个作为该方位下该频段的主要生理参数；3依据影响HRTF的主要生理参数的不同，将相邻频率中共同生理参数数量超过总生理参数的50％的频率部分划分为一个频段，若某一频率无法满足相邻频率中共同生理参数数量超过总生理参数的50％，则将其划分到相邻频率中频率较低的频段中。将主成分的得分矩阵P依据频段划分规则进行分段处理，共分为d个划分矩阵：P＝[P1,P2,…,Pd]4在本例中，参考图3a，可将频率划分为1-37、38-88以及89-100三部分；参考图3b，可将频率划分为1-37、38-80以及81-100三部分。步骤4：应用选择的各频段的主要生理参数对P进行近似，获取近似主成分得分矩阵应用各频段的近似得分向量获得头相关传递函数的重构数据；1主成分分析中的得分向量通过关键生理参数线性回归，回归方程用式5表示：其中，表示主成分中第d个频段，为步骤三中选择的生理参数矩阵；Adq+1×n为人体测量项目的系数；m是被试的数目；n表示不同的频率；Ad表示在频段d处人体测量项目的系数矩阵；2根据最小二乘法原理，系数矩阵Ad通过式2和式5获得：标准化头相关传递函数通过式6获得：其中，表示标准化头相关传递函数的近似值。参考图4a与4b，应用分频段线性回归模型进行的分频段线性回归，参考图4a与4b可知，由本发明实现的HRTF分频段线性回归，回归结果与原始HRTF误差较小，与文献“MartensWL.Principalcomponentsanalysisandresynthesisofspectralcuestoperceiveddirection.In:Proceedingsof1987InternationalComputerMusicConference,1987,274-281”，中提出的方法相比，本发明的方法能够更好的实现HRTF回归分析。

权利要求：1.一种基于生理参数的HRTF分频段线性回归方法，其特征在于包括下述步骤：步骤1：选取所有被试在某一确定方位的HRTF，对该方位的HRTF进行主成分分析，获取该方位的主成分：1选取所有被试在在方位角为θ,φ的HRTF构成向量Dij，其中i为被试序列，j为频率序号，被试数目为m，其中θ是方位角，φ是俯仰角；2对Dij进行如下标准化处理：其中，为Dij经过标准化处理的头相关传递函数；3对标准化后的头相关传递函数进行主成分分析：其中，Pm×n是主成分分析的m×n的得分矩阵；W是主成分分析的n×n的负荷矩阵，T表示矩阵的转置；步骤2：将CIPIC数据库中所有被试的所有的生理参数，分别与步骤1中获取的主成分进行相关性分析，获得相关系数rik，rik表示第i个人体生理参数与第k个主成分的相关系数，第i个人体生理参数即第i个被试序列；步骤3：确定不同频段相关生理参数；对任意一个主成分，查询相关系数表，得到该主成分与所有生理参数的相关系数，将不同频率相关的生理参数的相关系数按照降序排列，选择大于相关系数的前t个显著作为第k个主成分的候选项目；1选择任意一个候选生理参数，分别计算该候选生理参数在不同频段的重要度I：其中，Nnk表示第r个生理参数在第k个主成分的频率范围f为a～b区间的出现的次数，在a～b区间中，该生理参数出现一次加1，不出现则加0，αk为第k主成分解释原始数据总方差的百分比，其中，1和c指的是第几主成分，即第一主成分到第c主成分；2分别对不同频率内的候选项目中的生理参数按重要度进行降序排列，选择前q个作为该方位下该频段的主要生理参数；3依据影响HRTF的生理参数的不同，将相邻频率中共同生理参数数量超过总生理参数的50％的频率部分划分为一个频段，若某一频率无法满足相邻频率中共同生理参数数量超过总生理参数的50％，则将其划分到相邻频率中频率较低的频段中，将主成分的得分矩阵P依据频段划分进行分段处理，共分为d个划分矩阵：P＝[P1,P2,…,Pd]4步骤4：应用选择的各频段的主要生理参数对P进行近似，获取近似主成分得分矩阵应用各频段的近似得分向量获得头相关传递函数的重构数据，详细步骤如下：1主成分分析中的得分向量通过关键生理参数线性回归，回归方程用式5表示：其中，表示主成分中第d个划分矩阵，为从步骤三中选择的生理参数矩阵；Adq+1×n为人体测量项目的系数；m是被试数目；n表示不同的频率；Ad表示在频段d处人体测量项目的系数矩阵；2根据最小二乘法原理，系数矩阵Ai通过式2和式5获得：标准化头相关传递函数通过式6获得：其中，表示标准化头相关传递函数的近似值；当获知被试的生理参数时，通过公式7获得该被试的近似的HRTF。

百度查询： 西北工业大学 基于生理参数的HRTF分频段线性回归方法