• 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

    • 摘要:

      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.

    • 专利类型:

      发明专利

    • 申请/专利号:

      CN201710536423.9

    • 申请日期:

      2017.07.04

    • 公开/公告号:

      CN107480100A

    • 公开/公告日:

      2017-12-15

    • 发明人:

      陶建华 戚肖克

    • 申请人:

      中国科学院自动化研究所

    • 主分类号:

      G06F17/15(2006.01)I,G,G06,G06F,G06F17

    • 分类号:

      G06F17/15(2006.01)I,G,G06,G06F,G06F17,G06F17/15

    • 主权项:

      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,其特征在于,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基于领域知识分别从声波传输理论和感知理论角度出发生成模型输入特征;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,并对所述预测模块进行训练;所述模型训练模块中基于领域知识分别从声波传输理论和感知理论角度出发生成损失函数;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重建模块用以通过所述预测模块输出的模型系数,重构目标位置处的HRTF.