[发明专利]基于稀疏主成分分析的HRTF个人化方法

说明书

本发明公开一种基于稀疏主成分分析的方法来实现HRTF个人化方法，该方法首先应用主成分分析法对HRTF进行降维；而后应用稀疏主成分分析法对生理参数进行降维；最后将降维后的生理参数作为输入，降维后的HRTF作为输出，应用广义回归神经网络进行非线性拟合。本发明应用稀疏主成分分析在可以实现对三维生理参数的降维，将原始几十维生理参数降低为几维而又不影响数据本身的结构。规避了应用相关性方法进行降维处理时数据的局部收敛，提升了降维效果。应用降维后的数据对HRTF主成分系数进行回归，降低了回归时间，规避了过拟合风险。应用降维后的三维生理参数可以更好的实现HRTF个人化。

技术领域

本专利涉及一种HRTF个人化方法，特别是一种基于稀疏主成分分析的HRTF个人化方法。

背景技术

头相关传递函数(Head Related Transfer Function，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。

文献“Martens W L.Principal components analysis and resynthesis ofspectral cues to perceived direction.In:Proceedings of 1987InternationalComputer Music Conference,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，该方法针对的生理参数是二位生理参数，生理参数分布的较广，局部相关性不强，而对于三维生理参数由于聚集的相对密集，应用相关性进行降维时，会出现生理参数全部相关，因此该方法对三维生理参数不再适用。故为了能够直接应用三维生理参数实现HRTF个人化，本文提出一种基于稀疏主成分分析的方法，来实现HRTF个人化。

发明内容

为了克服现有技术的不足，本发明提供一种基于稀疏主成分分析的HRTF个人化方法。

本专利提出一种基于稀疏主成分分析的方法来实现HRTF个人化。该发明分为三步：(1)应用主成分分析法(Principle Component Analysis,PCA)对HRTF进行降维；(2)应用稀疏主成分分析法(Sparse principle Component Analysis,SPCA)对生理参数进行降维；(3)将降维后的生理参数作为输入，降维后的HRTF作为输出，应用广义回归神经网络(Generalized Regression Neural Network,GRNN)进行非线性拟合。

技术方案

本发明解决其技术问题所采用的技术方案是，基于稀疏主成分分析的HRTF个人化方法，其步骤如下：

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：