与头相关传递函数的双耳特征提取与分类

与头相关传递函数（HRTF）是研究三维声音合成及虚拟听觉空间仿真的基础。为分析利用相近方位HRTF的共性特征和区域间差异,本文提出一种HRTF的分类方法。通过对双耳HRTF作主元素分析提取方位特征,利用改进的K-均值聚类方法,迭代调整初始聚类中心对HRTF进行分类,得到局部区间的代表方位,然后用两种不同方案对整个空间的HRTF进行内插逼近。与以往的方法相比,本文的分类结果更接近人耳定位特性,并减少了重建误差。文中还分析了HRTF长度、分类集大小的影响以及不同数据库的分类相似性,仿真结果表明了方法的有效性和优越性。     

头相关传递函数的个人化方法

对双耳空间听觉模拟中的核心数据即头相关传递函数的定义、获取方法和个人化处理方法的研究情况进行了概述,着重分析了几种现有的头相关传递函数个人化方法,并指出这方面的关键技术问题和发展方向。     

基于统计的近场声源定位方法

基于麦克风阵列的声源定位技术可以广泛应用于音视频会议、说话人跟踪与识别以及助听器等众多场合中。根据语音信号的短时平稳特性,文中提出了一种改进的基于MUSIC算法进行声源二维定位的方法。该方法按帧交叉进行声源数估计和声源方位估计,最后对多帧信号的估计值进行统计、平均得到最终的方位估计和较准确的声源数估计。仿真结果表明,这种方法能有效解决由于声源数估计不准确导致的峰值搜索时偏差较大的问题,并且具有良好的抗噪性能。     

广义互相关时延估计法声源定位研究

文章由广义互相关GCC求时延估计,先估计声音信号传导麦克风各阵元的不同时间差;计算时间差得出麦克风各阵元距声源的距离差,最后采取几何算法与阵列拓扑相的方法确定声源方位。该方法计算量小,易于实现,实际应用性强。     

基于BP神经网络的双耳声源定位算法

为了提高复杂声学环境中双耳声源定位性能,本文利用多种双耳空间特征参数,提出了基于神经网络方法的鲁棒双耳声源定位算法。本文将不同声学环境下双耳声信号对应的互相关函数、耳间强度差等空间定位线索,作为输入特征,用于训练BP神经网络。在混响和噪声环境下,与传统双耳定位算法相比,本文基于BP神经网络的双耳定位算法的定位性能有显著提高,特别是低信噪比条件下,定位正确率提高更为显著。     

基于改进二次相关算法的声源定位仿真研究

基于广义相关时延算法的被动声源定位技术,其定位精度随着声源信号信噪比的降低而大幅下降,且易受噪声和混响等因素影响。针对此问题,该文提出了一种改进的二次相关时延算法,该算法引入了最小均方差（LMS）自适应滤波器作为前端处理以获得高质量的信号,并将信噪比作为控制参数对二次相关函数进行高次方运算,使二次相关函数峰值锐化,以提高当前广义二次相关算法的精度和鲁棒性。通过MATLAB进行不同信噪比环境下实验仿真,结果表明,该改进算法在低信噪比环境下能获得更精确的时延估计,进而有效提高了声源定位精度。     

基于偏最小二乘回归的与头相关传递函数的个人化

该文提出了一种基于偏最小二乘回归(Partial Least Squares Regression, PLSR)的与头相关传递函数(Head Related Transfer Function, HRTF)的个人化方法。通过对HRTF进行预处理和主元分析,并对人体参数进行筛选,只要相对简单的人体参数测量,就可利用PLSR得到特定人的HRTF。客观误差分析和主观声音定位测试结果表明估计的HRTF与实际测量的HRTF之间不仅均方误差较小,而且感知区别不大;同时由PLSR估计的个人化HRTF在水平面上的主观测试定位准确率明显优于非个人化HRTF,也优于由最小二乘回归(Least Squares Regression, LSR)估计的个人化HRTF。     

3D声场合成中近似个性头相关传递函数的主观选择方法

通过主观比较从大量的非个性头相关传递函数(HRTF)中选择出近似个性HRTF,以减小通用HRTF合成3D立体声时所产生的定位误差.经过水平面粗略选择、水平面细致选择、中垂面选择三个阶段,以两两比较的竞赛方式从候选的HRTF中筛选出定位性能最好的HRTF,作为近似个性HRTF来合成3D立体声.声学定位实验表明,近似个性HRTF的声音定位性能要明显优于通用HRTF,并且能大幅度减少前后混淆和仰角误差.因此,在个性HRTF难于获得的情况下,主观选择方法是有效的替代方法.     

基于麦克风阵列的声源定位系统设计与应用

概括声源定位实验原理并设计麦克风阵列进行声源的捕捉,通过多次实验验证,与仿真软件的数据拟合,使得声源定位算法得到进一步提升。系统配备专门的上位机控制软件,当上位机得到各组麦克风阵列收集到的数据后,经Matlab程序估计时延及解析声源位置,通过软件的声源波形图和声源雷达图使得声源的定位更加直观。     

近场头相关传输函数及其应用

综述了近场头相关传输函数(HRTF)及其应用问题,讨论了近场HRTF的测量、理论计算及其物理特征。最后讨论了近场HRTF在双耳听觉和消费电子领域的应用。     

计算小尺度封闭空间内低频声传递函数的自适应有限元方法研究

如何求解声传递函数成为实现小尺度封闭空间可听化的关键技术。基于Helmholtz方程的有限元法能真实反映出声场内的波动现象，成为求解该问题的有效方法。基于SPR法对求解声传递函数的有限元法进行误差估计；在此基础上结合Helmholtz方程求解的误差理论，提出了求解该问题的自适应有限元法，使用该方法能预测出在各求解频率段内有限元网格的划分情况，从而能满足预先给定的误差要求；使用该方法求解了一个矩形封闭空间内的声传递函数。结果表明提出的方法是有效可行的。     

基于加权子空间拟合的声源定位与跟踪方法

麦克风阵列声源定位可为复杂环境下的说话人空间位置估计问题提供一种有效的解决方案。该文基于粒子滤波框架,提出了一种加权子空间拟合声源定位与跟踪方法。该方法将窄带子空间拟合算法的代价函数推广至宽带情形,构建了一种适用于宽带语音信号的似然函数,并结合说话人的运动模型估计声源的位置。计算机仿真与实测结果验证了该方法的有效性。     

对虚拟环绕声产生的研究与简单实现

分析虚拟环绕声产生的原理，给出一种虚拟环绕声生成算法的简单实现方法，针对这种方法作了软件仿真，并讨论在DSP上的实时实现和进一步的应用。     

基于量子自适应粒子群优化径向基函数神经网络的网络流量预测

该文提出一种量子自适应粒子群优化算法,该算法中,粒子位置的编码采用量子比特实现,利用粒子飞行轨迹信息动态更新量子比特的状态,并引入量子非门实现变异操作以避免陷入局部最优。用该算法训练神经网络,实现了径向基函数(RBF)神经网络参数优化,建立了基于量子自适应粒子群优化RBF神经网络算法的网络流量预测模型。对真实网络流量的预测结果表明,该方法的收敛速度和预测精度均要优于传统RBF神经网络法、粒子群-RBF神经网络法、混合粒子群-RBF神经网络法和自适应粒子群-RBF神经网络法,并且预测效果不易受时间尺度变化的影响。     

基于PSO-BP神经网络的无线传感器网络定位算法

针对无线传感器网络定位的基本功能问题。提出一种将PSO算法和BP神经网络相结合对RSSI在测距阶段测得的距离数据进行优化的算法。该算法将PSO算法作为BP神经网络的学习算法,缩短了BP神经网络的训练时间,并加快算法的收敛速度。通过仿真,定位精度较其他算法得到了明显提高,最高可达27.3%。     

一种基于时频分析的神经网络检测方法

本文就典型的匹配滤波器在对非平稳噪声中的信号检测中所遇到的问题,根据时频分析的特点、以神经网络为工具,讨论了一种基于时频分析的神经网络检测方法.文中给出了基于此方法的检测器结构,并根据文中介绍的训练算法,对此检测器做了训练和性能仿真研究工作,并与常用的匹配滤波器进行了性能比较.仿真结果表明,本文所提出的检测方法避免了输入信号非平稳时,匹配滤波器呈时变结构给滤波器设计所带来的困难,解决了非平稳噪声中的信号检测问题.     

基于双层递归神经网络的路由优化算法

研究分组交换网的路由选择及流量分配问题,以网络的平均时延为优化目标函数。为使问题的解能实时、可靠地完成,将一种用于最短路径计算的双层递归神经网络应用于路由选择的流量导数法中。仿真结果表明,该算法在收敛的可靠性和计算的实时性方面有所提高。     

基于迁移演员-评论家学习的服务功能链部署算法

针对5G网络切片环境下由于业务请求的随机性和未知性导致的资源分配不合理从而引起的系统高时延问题,该文提出了一种基于迁移演员-评论家(A-C)学习的服务功能链(SFC)部署算法(TACA)。首先,该算法建立基于虚拟网络功能放置、计算资源、链路带宽资源和前传网络资源联合分配的端到端时延最小化模型,并将其转化为离散时间马尔可夫决策过程(MDP)。而后,在该MDP中采用A-C学习算法与环境进行不断交互动态调整SFC部署策略,优化端到端时延。进一步,为了实现并加速该A-C算法在其他相似目标任务中(如业务请求到达率普遍更高)的收敛过程,采用迁移A-C学习算法实现利用源任务学习的SFC部署知识快速寻找目标任务中的部署策略。仿真结果表明,该文所提算法能够减小且稳定SFC业务数据包的队列积压,优化系统端到端时延,并提高资源利用率。