[发明专利]基于深层神经网络中间层特征的头相关传输函数建模系统

权利要求书

1.一种基于深层神经网络中间层特征的头相关传输函数建模系统，其特征在于，包括训练系统、建模系统；

所述训练系统包括特征生成模块、模型训练模块、HRTF数据库；所述建模系统包括特征生成模块、预测模块、HRTF重建模块；

所述特征生成模块用以基于领域知识分别从声波传输理论和感知理论角度出发生成模型输入特征；

所述模型训练模块用以在所述模型输入特征与HRTF数据库中的HRTF之间产生非线性映射，并对所述预测模块进行训练；所述模型训练模块中基于领域知识分别从声波传输理论和感知理论角度出发生成损失函数；

所述HRTF数据库用于存储HRTF；

所述预测模块用以针对目标位置产生对数幅度最小相位HRTF；

所述HRTF重建模块用以通过所述预测模块输出的模型系数，重构目标位置处的HRTF。

2.根据权利要求1所述的头相关传输函数建模系统，其特征在于，所述特征生成模块包括方向特征生成模块、距离特征生成模块、特征合并模块、特征预处理模块；

所述方向特征生成模块用于产生当前位置处方向相关的特征；

所述距离特征生成模块用于产生当前位置处距离相关的特征；

所述特征合并模块用于合并所述方向相关的特征与所述距离相关的特征；

所述特征预处理模块用于对所述特征合并模块的输出的特征进行预处理，将输入特征归一化在均值为0、方差为1的值内。

3.根据权利要求2所述的头相关传输函数建模系统，其特征在于，所述模型训练模块包括：HRTF预处理模块、损失函数设计模块、Bottleneck特征提取模块、模型结构训练模块；

所述HRTF预处理模块用于对HRTF进行预处理，将输入特征归一化在均值为0、方差为1的值内；

所述损失函数设计模块用于获得模型训练过程中使用的损失函数；

所述Bottleneck特征提取模块用于基于所述特征生成模块输出的模型输入特征，通过多层感知机训练产生Bottleneck特征；

所述模型结构训练模块用于进行基于Bottleneck神经网络模型训练。

4.根据权利要求3所述的头相关传输函数建模系统，其特征在于，所述多层感知机由5个隐层组成，其中中间层为Bottleneck层。

5.根据权利要求3或4所述的头相关传输函数建模系统，其特征在于，所述的方向相关的特征采用球谐函数生成，

其中，n为勒让德函数的度数，n＝0,...N；m为勒让德函数的阶数，|m|≤n；为度数为n、阶数为m的勒让德函数；θ和φ分别为测量位置的方位角和仰角。

6.根据权利要求5所述的头相关传输函数建模系统，其特征在于，所述的距离相关的特征采用标准球贝塞尔函数Φ_nl(r)生成，

其中，j_l(x)为阶数为l的球贝塞尔函数，N_nl为规整化因子，k_nl为波数，在零边界条件下，k_nl＝x_nl/a，x_ln为j_l(x)＝0第n个升序排列的正根，a为最大的半径；r为当前声源位置离人头中心的距离。

7.根据权利要求6所述的头相关传输函数建模系统，其特征在于，所述特征合并模块中合并所述方向相关的特征与所述距离相关的特征，其方法为：

对于位置d＝(r,θ,φ)，将方向和距离相关部分进行合并后，得到的输入特征集为