一种基于卷积自编码器的头相关传输函数建模方法
授权
摘要

本发明提供了一种HRTF的低维表达与重建技术方案,该技术利用卷积神经网络提取HRTF中与听觉定位线索相关的频谱特征,从而建立了基于卷积自编码器的HRTF低维表达方法。在进行HRTF的低维表达时,首先对原始HRTF数据进行移除前端时延、时‑频变换、空间方位插值、数据标准化等预处理操作,然后将数据输入HRTF的卷积自编码器得到包含听觉定位特征的低维表达数据。在进行HRTF的重建时,将听觉定位特征的低维表达输入解码器进行解码,然后对输出数据进行数据反标准化、数据抽样、时‑频变换、补充双耳间时间差等后处理操作实现HRTF的重建。本发明能够有效的提取听觉定位线索特征并对特征之间的复杂非线性关系进行表达,从而提高HRTF的低维表达和重建精度。

基本信息
专利标题 :
一种基于卷积自编码器的头相关传输函数建模方法
专利标题(英):
暂无
公开(公告)号 :
CN110751281A
申请号 :
CN201910991100.8
公开(公告)日 :
2020-02-04
申请日 :
2019-10-18
授权号 :
CN110751281B
授权日 :
2022-04-15
发明人 :
胡瑞敏陈玮王晓晨柯善发张灵鲲李罡张锐胡晨昊吴玉林
申请人 :
武汉大学
申请人地址 :
湖北省武汉市武昌区珞珈山武汉大学
代理机构 :
武汉科皓知识产权代理事务所(特殊普通合伙)
代理人 :
王琪
优先权 :
CN201910991100.8
主分类号 :
G06N3/063
IPC分类号 :
G06N3/063  G06K9/62  G06K9/00  G06F17/15  H04S7/00  H04S3/00  
IPC结构图谱
G
G部——物理
G06
计算;推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/06
物理实现,即神经网络、神经元或神经元部分的硬件实现
G06N3/063
采用电的
法律状态
2022-04-15 :
授权
2020-02-28 :
实质审查的生效
IPC(主分类) : G06N 3/063
申请日 : 20191018
2020-02-04 :
公开
注:本法律状态信息仅供参考,即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
  • 联系电话
    电话:023-6033-8768
    QQ:1493236332
  • 联系 Q Q
    电话:023-6033-8768
    QQ:1493236332
  • 关注微信
    电话:023-6033-8768
    QQ:1493236332
  • 收藏
    电话:023-6033-8768
    QQ:1493236332