[发明专利]基于稀疏表示分类的HRTF个人化方法

摘要

本文公开了一种HRTF个人化方法，特别是一种基于稀疏表示分类的HRTF个人化方法。该方法首先将所有被试的生理参数数据库稀疏化；然后寻找生理参数数据库中与被试A生理参数稀疏表示相同的被试B；最后，将被试B的HRTF数据库作为被试A的生理参数数据库。该算法通过稀疏表示分类的方法来实现HRTF个人化，该方法与现有的生理参数匹配算法相比，匹配效果更好。

主权项

1.基于稀疏表示分类的HRTF个人化方法，包括如下步骤：/n步骤一：建立稀疏模型；/n在三维生理参数分类中，第i类被试中被试个数为n_i，全部被试被表示为其中，m为单个被试生理参数的维数；第i类中任一被试的生理参数均通过式(1)进行表示：/n /n其中，为标量；/n将所有被试生理参数组成一个新的字典A：/nA＝[A₁,...,A_k]∈R^m×n (2)/n其中，n＝n₁+n₂+...+n_k，n表示全部个体的数量；/n对于一个测试样本y，训练样本通过字典A中所有列向量的线性组合获得；求解样本类别的问题将转换为求解y＝Ax∈R^m的过程，如果测试样本属于哪一类则，该类对应的x不为0；若测试样本不属于该类样本，则该类对应的x为0；/n步骤二：稀疏模型求解；/n在求解样本类别x过程中，y＝Ax∈R^m是一个凸集，因此，y＝Ax∈R^m是一个凸优化问题；对x进行L1-范数约束如式(3)：/n /n步骤三：系数模型分类；/n测试样本能被表示为：/ny_i＝Aδ_i(x) (4)/n通过样本与数据库中所有被试的残差来量度测试样本与整个数据库中各被试的相似性，残差可表示为(5)：/nr_i(y)＝||y-Aδ_i(x)||₂ (5)/n其中，r_i(y)表示残差；/n选择残差最小的被试作为与测试样本想匹配的被试，通过式(6)获得与测试样本匹配的被试：/n /n