[发明专利]一种基于潜类多维尺度分析的声品质建模方法

说明书

本发明提出一种基于潜类多维尺度分析的声品质建模方法，利用Winsberg提出的CLASCAL方法建立音色空间，并通过多元回归分析对各维度进行拟合，将能够解释各维度的客观参量作为神经网络的输入，建立声品质模型。本发明提供了客观参量选择的一种标准，改善了声品质模型的精度及可解释性，更好地解决在声品质建模中可解释性和非线性两个关键问题。

技术领域

本发明属于声品质建模领域，具体涉及一种基于潜类多维尺度分析的声品质建模方法。

背景技术

声品质建模是指通过特定客观参量对声品质进行描述。在进行声品质建模时，输入的客观参量是决定模型性能的关键。由于声品质是依赖于产品和情境的，因此没有统一的标准参量。常用的参量包括心理声学参量(响度、尖锐度、粗糙度和波动强度等)、频带能量、小波包能量、自相关函数等。参量的选择往往基于研究者自身经验，现阶段并没有指导参量选择的准则。如果参量选择不当，往往建立的声品质模型则难以准确反映声品质，所以如何在众多参量中选择适宜参量进行建模是亟待解决的问题。

目前在声品质建模中，主要的建模方法有建立线性模型和建立非线性模型两种。

对于线性模型，目前有两种思路用于参量选择：1)数学手段：Gauthier等人提出基于一系列数学方法(stepwise、lasso和elastic-net)进行参量的选择，并将选择得到的参量通过多元回归建立线性模型。但是单纯的数学手段并不能从感知上对这些参量进行解释。2)心理声学手段：Susini通过CLASCAL模型对感知空间进行建模，并选择与感知空间最为相关的客观参量，但由于其本质还是线性模型，与非线性的人耳感知还是存在较大的不匹配性。

现阶段除了多元线性回归分析，各种智能算法如神经网络等非线性方法也应用到声品质建模中。其优势体现在能更好地表示人耳感知上的非线性，能够获得具有更高精度的模型。此外，神经网络作为能够进行特征自学习的代表，能够直接对输入的大量客观参量进行建模。但目前公开的采用神经网络等非线性方法进行声品质建模的方法中，存在过拟合，导致泛化性降低的问题，我们分析其主要原因是目前的神经网络等非线性方法一味的追求更多的输入参量，导致需要样本量大幅增加，当样本量无法满足要求时，就会出现过拟合、泛化性降低的问题，所以很有必要在进行神经网络等非线性方法建模前，对参量进行恰当的、与非线性方法匹配的选择。

发明内容

为了克服现有技术的不足，本发明借鉴线性模型进行前期选择参数的思路，将多维尺度分析与神经网络结合，提出一种基于潜类多维尺度分析的声品质建模方法：利用Winsberg提出的CLASCAL方法建立音色空间，并通过多元回归分析对各维度进行拟合，将能够解释各维度的客观参量作为神经网络的输入，建立声品质模型。本发明提供了客观参量选择的一种标准，改善了声品质模型的精度及可解释性，更好地解决在声品质建模中可解释性和非线性两个关键问题。

本发明的技术方案为：

所述一种基于潜类多维尺度分析的声品质建模方法，其特征在于：包括以下步骤：

步骤1：采用人工头采集方式采集被测产品使用状态下的若干双耳声样本；

步骤2：确定主观评价指标，并选择20名以上被试进行主观听音实验，获得对每个双耳声样本的评价打分；

步骤3：计算每个双耳声样本的代表参量，取每种代表参量的两端值和某一中间值对应的双耳声样本组成代表样本集合，所述代表参量包括响度、尖锐度、粗糙度和波动强度；利用步骤2中的被试对代表样本集合中的双耳声样本进行成对比较，获取代表样本集合中两两代表样本之间的不相似度矩阵，并组成高维空间表征声样本之间的感知关系；

步骤4：通过潜类多维尺度分析方法将步骤3得到的不相似度矩阵变换到维度相互正交的低维空间模型中：