-
公开(公告)号：CN105910702B
公开(公告)日：2019-01-25
申请号：CN201610243270.4
申请日：2016-04-18
Applicant: 北京大学
IPC: G01H17/00
Abstract: 本发明公开了一种基于相位补偿的异步头相关传输函数测量方法。本方法为：1)多次测量线性时不变系统的传输函数；2)对不同播放周期测得的传输函数进行相位补偿，将不同播放周期间的时间差补齐；3)对相位补偿后的传输函数在时域取平均，得到头相关传输函数。对不同测量周期的HRTF由于异步测量产生的时间差进行了相位补偿，更好的降低HRTF测量环境中存在的本底噪声，从而得到高信噪比的HRTF测量结果。
-
公开(公告)号：CN105910702A
公开(公告)日：2016-08-31
申请号：CN201610243270.4
申请日：2016-04-18
Applicant: 北京大学
IPC: G01H17/00
CPC classification number: G01H17/00
Abstract: 本发明公开了一种基于相位补偿的异步头相关传输函数测量方法。本方法为：1)多次测量线性时不变系统的传输函数；2)对不同播放周期测得的传输函数进行相位补偿，将不同播放周期间的时间差补齐；3)对相位补偿后的传输函数在时域取平均，得到头相关传输函数。对不同测量周期的HRTF由于异步测量产生的时间差进行了相位补偿，更好的降低HRTF测量环境中存在的本底噪声，从而得到高信噪比的HRTF测量结果。
-
公开(公告)号：CN108596016B
公开(公告)日：2021-11-09
申请号：CN201810182617.8
申请日：2018-03-06
Applicant: 北京大学
Abstract: 本发明公开了一种基于深度神经网络的个性化头相关传输函数建模方法。本方法是基于空间主成分分析对HRTF数据进行分解，将分解得到空间主成分、空间主成分系数和平均空间函数分别用神经网络建模，其中，空间主成分和平均空间函数只与空间方向有关，空间主成分系数是频率和被试个性化特征参数的函数；本发明用深层神经网络对空间主成分，平均空间函数和双耳时间差分别建模，将水平角及仰角等空间方向信息引入网络输入层；同时，用神经网络基于人体测量参数对空间主成分系数建模。基于上述模型，可根据被试少量的人体测量参数，得到其在空间任意方向个性化的HRTF。
-
公开(公告)号：CN108596016A
公开(公告)日：2018-09-28
申请号：CN201810182617.8
申请日：2018-03-06
Applicant: 北京大学
Abstract: 本发明公开了一种基于深度神经网络的个性化头相关传输函数建模方法。本方法是基于空间主成分分析对HRTF数据进行分解，将分解得到空间主成分、空间主成分系数和平均空间函数分别用神经网络建模，其中，空间主成分和平均空间函数只与空间方向有关，空间主成分系数是频率和被试个性化特征参数的函数；本发明用深层神经网络对空间主成分，平均空间函数和双耳时间差分别建模，将水平角及仰角等空间方向信息引入网络输入层；同时，用神经网络基于人体测量参数对空间主成分系数建模。基于上述模型，可根据被试少量的人体测量参数，得到其在空间任意方向个性化的HRTF。
-
-
-
Search Results
4
records
(took 0.016 seconds)
