一种基于N―modeSVDHRTF个人化近似方法.docxVIP

一种基于N—mode SVDHRTF个人化近似方法 摘 要：本文提出了一种基于N-mode SVD的HRTF个人 化近似方法。HRTF (Head-Related Transfer Function), 即头相关传输函数，描述了声波从声源方位到耳道口的传输 特性，反映了头部、躯干和外耳等身体结构对不同方向声音 信号的滤波效果。本文给出的多重近似方法基于传统独立主 元分析的张量扩展［1］。使用该方法只需测量不同个体的部 分生理参数即可得到该个体的个人化HRTFo 关键词：听觉系统；HRTF；张量；多重线性近似 中图分类号：TP311 头 相关传 输函数 HRTF ( Head-Related Transfer Function)描述了声波从声源到耳道口的传输特性，反映不 同个体的身体结构对不同方向声音信号的滤波效果，是头相 关脉冲响应HRIR的傅里叶变换，它能解释传统的耳间差线 索(双耳时间差和双耳强度差)的声源定位机理，同时还能 解释传统双工理论所不能解释的“混淆锥”问题［2］。 HRTF与特定的声源方位及特定个体的生理结构(头部、 躯体、外耳等结构)有关，如果采用不匹配的HRTF的虚拟 听觉系统，听者由于其本身的HRTF与系统采用的HRTF差异, 容易造成听者的声源定位失真［3］。然而HRTF的测量是一项 耗时且昂贵的工作，对每个个体进行全方位的HRTF测量也 不切实际。因此，从应用的角度考虑，需要寻求个人化HRTF 的近似方法，即通过对受试者的一些结构参数及生理尺寸的 测量，或者通过测量空间少数方向的HRTF数据，通过近似 的方法估计和定制出相应的个人化HRTF。 1 HRTF的张量分解 1. 1张量的基本概念 通常情况下张量［5-7］可以看作为矩阵的扩展，一个向 量可以看成是一阶张量，一个矩阵可以看成二阶张量，有若 干个相同维数矩阵叠放在一起组成立方体形式的数组可以 看作为一个三阶张量。更高阶的张量无法使用可视化直接表 示。灰度图像本质上是一个矩阵［4, 5］,视频则是一个三阶 张量。一般情况下，基于向量的算法要把矩阵或者其它阶张 量展开为向量，容易破坏原始数据的空间结构。而基于张量 的算法不需要将张量展开为向量。下面是一些高阶张量运算 定义［6］。 设X为M阶张量，即，其中Ni表示X每阶的维数。X 的某个元素定义为：,其中1 WniWNi, lWiWM。 张量积：设X和Y张量同阶，即，则X和Y的张量积 定义为： (1) 张量模d矩阵化：模d矩阵化是指将一个M阶张量转 换为一个矩阵。即将张量X转换为，。张量模d矩阵化的 实质就是把张量X的第Nd阶方向的向量提出来，而其它阶 方向的向量置于Nd阶方向的向量的后面形成一个矩阵。 张量压缩：张量压缩通过让两个下标相等并把所有重复 下标的值相加得到。张量压缩可以使张量阶数减2,同时满 足爱因斯坦求和约定。通常情况下，，，张量积的压缩 定义为： (2) 张量的模d乘：张量的模d乘是张量和矩阵的一种运 算，表示为XXdUo 1. 2 基于 N-mode SVD 的 HRTF 分解 N-mode SVD分解最主要的一个功能是对于目标维度的降 维。传统的PCA降维会影响整个数据的结构，而N-mode SVD 降维可以分别对特定维度进行。 SVD (singular value decomposition)作为传统主元 分析法的拓展，D二U1SU2T,假设D为mXn矩阵，那么U1为 mXm阶酉矩阵；S为mXn阶对角矩阵，其中Sii为D的奇 异值；U2T为nXn阶酉矩阵。使用张量的模d乘可得 D=SX1U1X2U2,对于通用的N-mode SVD可以表示为： D=zXlUlX2U2XLXnUnXNUN 式中核张量z类似于SVD分解中奇异值张量，Ui表示张 量的特征向量。详细的N-mode SVD分解请参考文献［1］。 2 HRTF多重线性近似 2. 1 HRTF 数据 本文采用加州大学戴维斯分校提供的CIPIC数据库[8], 它提供了 43个真人对象的1250个方位（50个垂直方向，25 个水平方向）的HRIR数据。其空间分辨率约5° o另外CIPCI 数据库还给出了 27个人体参数的测量数据。每个HRIR时长 4. 5ms共200个采样点，经过FFT变换得到HRTF,这里我们 左右耳组合成一个包含左右耳HRTF共400个频率点。 CIPIC数据库中的43个真人受试者其中有8个人的数据 不可获取，故37个受试者的数据可用。对于该37个对象的 人体参数经过DTF的PCA分析选择8个人体参数。最后得出 一个人体参数矩阵作为Uperson初始数据集A。 2. 2 HRTF个人化 使用上述HRTF数据A,定义一个HRTF数据张量， DSRFXPXD,其中F为DTF频率点数（400）, P为CIPI