-
公开(公告)号：CN109145360B
公开(公告)日：2020-08-04
申请号：CN201810697788.4
申请日：2018-06-29
Applicant: 中国科学院自动化研究所
IPC: G06F30/20 , G06F111/10
Abstract: 本发明属于信号处理技术领域，具体涉及一种基于稀疏约束的头相关传输函数个性化建模系统，旨在解决如何得到更为准确的个性化头相关传输函数的问题。为此目的，本发明中的头相关传输函数个性化建模系统包括稀疏建模模块、权值映射模块和头相关传输函数生成模块；稀疏建模模块配置为根据预先获取的人体生理参数数据和HRTF数据分别构建相应的第一非负稀疏模型和第二非负稀疏模型；权值映射模块配置为获取第一非负稀疏模型和第二非负稀疏模型之间的模型权重映射关系；头相关传输函数生成模块配置为基于目标对象的生理参数和权重映射关系合成目标对象的头相关传输函数。基于本发明的系统可以通过目标对象的生理参数得到个性化的HRTF的更准确估计。
-
Patent Agency Ranking
公开(公告)号：CN109145360A
公开(公告)日：2019-01-04
申请号：CN201810697788.4
申请日：2018-06-29
Applicant: 中国科学院自动化研究所
IPC: G06F17/50
Abstract: 本发明属于信号处理技术领域，具体涉及一种基于稀疏约束的头相关传输函数个性化建模系统，旨在解决如何得到更为准确的个性化头相关传输函数的问题。为此目的，本发明中的头相关传输函数个性化建模系统包括稀疏建模模块、权值映射模块和头相关传输函数生成模块；稀疏建模模块配置为根据预先获取的人体生理参数数据和HRTF数据分别构建相应的第一非负稀疏模型和第二非负稀疏模型；权值映射模块配置为获取第一非负稀疏模型和第二非负稀疏模型之间的模型权重映射关系；头相关传输函数生成模块配置为基于目标对象的生理参数和权重映射关系合成目标对象的头相关传输函数。基于本发明的系统可以通过目标对象的生理参数得到个性化的HRTF的更准确估计。
-
公开(公告)号：CN106412793A
公开(公告)日：2017-02-15
申请号：CN201610802607.0
申请日：2016-09-05
Applicant: 中国科学院自动化研究所
IPC: H04S7/00
CPC classification number: H04S7/305 , H04S2400/05
Abstract: 本发明公开了一种基于球谐函数的头相关传输函数的稀疏建模方法和系统。其中，该方法包括：对待测量的头相关传输函数进行处理，生成最小相位头相关传输函数，并去除全测量方向的最小相位幅度均值，得到空间差异性最小相位头相关传输函数；对空间差异性最小相位头相关传输函数进行建模，得到稀疏球谐系数；通过稀疏球谐系数插值，并根据空间的方位生成全空间的连续头相关传输函数。由此，降低了全空间连续HRTF的插值谱失真程度，降低了计算复杂度，所需要的存储量小，便于应用到实际虚拟现实系统中进行动态环境绘制，不受个体个性的限制，具有高鲁棒性，便于在实际环境中的应用。
-
公开(公告)号：CN106412793B
公开(公告)日：2018-06-12
申请号：CN201610802607.0
申请日：2016-09-05
Applicant: 中国科学院自动化研究所
IPC: H04S7/00
Abstract: 本发明公开了一种基于球谐函数的头相关传输函数的稀疏建模方法和系统。其中，该方法包括：对待测量的头相关传输函数进行处理，生成最小相位头相关传输函数，并去除全测量方向的最小相位幅度均值，得到空间差异性最小相位头相关传输函数；对空间差异性最小相位头相关传输函数进行建模，得到稀疏球谐系数；通过稀疏球谐系数插值，并根据空间的方位生成全空间的连续头相关传输函数。由此，降低了全空间连续HRTF的插值谱失真程度，降低了计算复杂度，所需要的存储量小，便于应用到实际虚拟现实系统中进行动态环境绘制，不受个体个性的限制，具有高鲁棒性，便于在实际环境中的应用。
-
公开(公告)号：CN107480100A
公开(公告)日：2017-12-15
申请号：CN201710536423.9
申请日：2017-07-04
Applicant: 中国科学院自动化研究所
IPC: G06F17/15
Abstract: 本发明涉及本发明涉及电子行业信号处理技术领域，提出了一种基于深层神经网络中间层特征的头相关传输函数建模系统，该系统包括训练系统、建模系统；所述训练系统包括特征生成模块、模型训练模块、HRTF数据库；所述建模系统包括特征生成模块、预测模块、HRTF重建模块；所述特征生成模块用以生成模型输入特征；所述模型训练模块用以在所述模型输入特征与HRTF数据库中的HRTF之间产生非线性映射；所述HRTF数据库用于存储HRTF；所述预测模块用以针对目标位置产生对数幅度最小相位HRTF；所述HRTF重建模块用以重构目标位置处的HRTF。本发明充分利用了HRTF数据与基函数之间的非线性关系，并提高模型准确度。
-
公开(公告)号：CN107480100B
公开(公告)日：2020-02-28
申请号：CN201710536423.9
申请日：2017-07-04
Applicant: 中国科学院自动化研究所
IPC: G06F17/15
Abstract: 本发明涉及本发明涉及电子行业信号处理技术领域，提出了一种基于深层神经网络中间层特征的头相关传输函数建模系统，该系统包括训练系统、建模系统；所述训练系统包括特征生成模块、模型训练模块、HRTF数据库；所述建模系统包括特征生成模块、预测模块、HRTF重建模块；所述特征生成模块用以生成模型输入特征；所述模型训练模块用以在所述模型输入特征与HRTF数据库中的HRTF之间产生非线性映射；所述HRTF数据库用于存储HRTF；所述预测模块用以针对目标位置产生对数幅度最小相位HRTF；所述HRTF重建模块用以重构目标位置处的HRTF。本发明充分利用了HRTF数据与基函数之间的非线性关系，并提高模型准确度。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
