基于典范多元分解的頭相關(guān)脈沖響應(yīng)三維數(shù)據(jù)壓縮方法
【專利摘要】本發(fā)明實施例提供一種基于典范多元分解的頭相關(guān)脈沖響應(yīng)三維數(shù)據(jù)壓縮方法。本發(fā)明方法包括:處理器采用典范分解頭相關(guān)脈沖響應(yīng)三維數(shù)據(jù)集,得到三個二維矩陣;所述處理器初始化所述三個二維矩陣;所述處理器迭代更新初始化后的所述三個二維矩陣,得到所述三個二維矩陣對應(yīng)的系數(shù)矩陣;所述處理器計算所述迭代后的三個二維矩陣的重構(gòu)近似度;所述處理器判斷相鄰兩次迭代得到的兩個所述三個二維矩陣的重構(gòu)近似度之間差的絕對值是否小于10-4,若是,則迭代結(jié)束,并將所述三個二維矩陣存儲在本地緩存;若否,則返回第三個步驟直至完成迭代。本發(fā)明實施例解決HRTF數(shù)據(jù)庫耗費存儲量大的問題,減少實際應(yīng)用中所使用的芯片的功耗與成本。
【專利說明】基于典范多元分解的頭相關(guān)脈沖響應(yīng)三維數(shù)據(jù)壓縮方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明實施例涉及計算機科學領(lǐng)域,尤其涉及一種基于典范多元分解的頭相關(guān)脈 沖響應(yīng)三維數(shù)據(jù)壓縮方法。
【背景技術(shù)】
[0002] 人類聽覺不僅能感覺出聲音的音調(diào)、音強、音色,還能分辨聲源方向與距離。為了 使不在某個現(xiàn)場的聽眾也能獲得類現(xiàn)場的"臨場感",人們發(fā)明了三維音頻技術(shù)。三維音頻 技術(shù)可以再現(xiàn)原始聲場聲音信息,使聽者產(chǎn)生"身臨其境"的聆聽體驗。三維音頻可通過 雙耳聲學技術(shù)來實現(xiàn),即采用頭相關(guān)傳遞函數(shù)(HeadRelatedTransferfunction,以下簡 稱:HRTF)對單通道聲源信號進行濾波處理,將得到的具有方向感的聲音使用耳機或一對 揚聲器進行重發(fā)。雙耳聲學技術(shù)已廣泛應(yīng)用于盲人聽覺導(dǎo)航、飛行訓(xùn)練、虛擬現(xiàn)實中。
[0003]HRTF描述了聲音從聲源傳播到耳內(nèi)的過程中,人的軀干、頭部、耳部等對聲音信 號有衍射、反射、遮擋等效應(yīng),可以等效為濾波作用。實際中通常采用經(jīng)過精確實驗測量得 到的HRTF數(shù)據(jù)庫。這種數(shù)據(jù)庫是一個三維矩陣。該數(shù)據(jù)庫存儲了上千個聲源空間位置的 HRTF,每個HRTF的沖擊響應(yīng)(HeadRelatedImpulseResponse,以下簡稱:HRIR)持續(xù)時間 較長,等效FIR濾波器階數(shù)很高,并且每個人的HRIR都不盡相同。因此,要存儲多人的HRIR 數(shù)據(jù),需要消耗巨大的存儲空間。當采用嵌入式芯片合成三維虛擬聲時,其存儲空間更顯匱 乏,成為三維音頻技術(shù)應(yīng)用的瓶頸。此時,若能以難以察覺的聽覺定位性能損失為代價,來 換取HRTF數(shù)據(jù)庫的非常大的存儲空間減少量,就可較好解決HRTF數(shù)據(jù)庫耗費存儲量大的 問題,減少實際應(yīng)用中所使用的芯片的功耗與成本。
【發(fā)明內(nèi)容】
[0004] 本發(fā)明實施例提供一種基于典范多元分解的頭相關(guān)脈沖響應(yīng)三維數(shù)據(jù)壓縮方法, 以克服現(xiàn)有技術(shù)HRTF數(shù)據(jù)庫的非常大的存儲空間減少量,解決HRTF數(shù)據(jù)庫耗費存儲量大 的問題,減少實際應(yīng)用中所使用的芯片的功耗與成本。
[0005] 本發(fā)明實施例提供一種基于典范多元分解的頭相關(guān)脈沖響應(yīng)三維數(shù)據(jù)壓縮方法, 包括:
[0006] 步驟一、處理器采用典范分解頭相關(guān)脈沖響應(yīng)三維數(shù)據(jù)集,得到三個二維矩陣;
[0007] 步驟二、所述處理器初始化所述三個二維矩陣;
[0008] 步驟三、所述處理器迭代更新初始化后的所述三個二維矩陣,得到所述三個二維 矩陣對應(yīng)的系數(shù)矩陣;
[0009] 步驟四、所述處理器計算所述迭代后的三個二維矩陣的重構(gòu)近似度;
[0010] 步驟五、所述處理器判斷相鄰兩次迭代得到的兩個所述三個二維矩陣的重構(gòu)近似 度之間差的絕對值是否小于1〇_ 4,若是,則迭代結(jié)束,并將所述三個二維矩陣存儲在本地緩 存;若否,則返回步驟三直至完成迭代。
[0011] 進一步地,所述處理器迭代更新初始化后的所述三個二維矩陣,得到計算所述迭 代后的所述三個二維矩陣對應(yīng)的系數(shù)矩陣,包括:
[0012] 對三個二維的系數(shù)矩陣AeRixl、BeRtxL和CeRkxL進行初始化,所述初始化數(shù) 值采用在[0, 1]區(qū)間內(nèi)服從正態(tài)分布的隨機數(shù);
[0013] 分別重新排列所述三個二維矩陣為;ΓΑ?)、ΓΒω和rc(J);
[0014] 將所述三個二維矩陣的偽逆陣代入公式
【權(quán)利要求】
1. 一種基于典范多元分解的頭相關(guān)脈沖響應(yīng)三維數(shù)據(jù)壓縮方法,其特征在于,包括: 步驟一、處理器采用典范分解頭相關(guān)脈沖響應(yīng)三維數(shù)據(jù)集,得到三個二維矩陣; 步驟二、所述處理器初始化所述三個二維矩陣; 步驟三、所述處理器迭代更新初始化后的所述三個二維矩陣,得到所述三個二維矩陣 對應(yīng)的系數(shù)矩陣; 步驟四、所述處理器計算所述迭代后的三個二維矩陣的重構(gòu)近似度; 步驟五、所述處理器判斷相鄰兩次迭代得到的兩個所述三個二維矩陣的重構(gòu)近似度之 間差的絕對值是否小于1〇_4,若是,則迭代結(jié)束,并將所述三個二維矩陣存儲在本地緩存; 若否,則返回步驟三直至完成迭代。
2. 根據(jù)權(quán)利要求1所述的方法,其特征在于,所述處理器迭代更新初始化后的所述三 個二維矩陣,得到所述三個二維矩陣對應(yīng)的系數(shù)矩陣,包括: 對三個二維的系數(shù)矩陣AeRIX\Be 和Cerkm進行初始化,所述初始化數(shù)值采 用在[〇, 1]區(qū)間內(nèi)服從正態(tài)分布的隨機數(shù); 分別重新排列所述三個二維矩陣為;ΓΑω、ΓΒ?)和; 將所述三個二維矩陣的偽逆陣代入公式
后迭代,計算每個系數(shù)矩陣(j+1)eRIX\B(j+1)e和c(j+1)eRkxS其中,符號Θ表示Khatri-Rao積,符號?表示矩陣相乘;H(1)eRix(BK)、H⑵eRjxgxk)和H(3)eRkxgx'分別 為經(jīng)過重新排列后的二維矩陣,為Γ,的偽逆陣。
3. 根據(jù)權(quán)利要求1或2所述的方法,其特征在于,所述重構(gòu)近似度為
其中,II·| |2為2范數(shù),!為HRTF三維矩陣,A、B和C為三個二維的系數(shù)矩陣AeRix^BeRjxl 和CeRkxl,A= [a"a2, ...,aj,B= [b"b2, ...,bL],C= [C1,c2, ...,cj,而a!eR1、 he妒和CleRK,I=l,2, ...,L,[口]表示生成三維矩陣運算。
【文檔編號】G06F19/00GK104318064SQ201410506046
【公開日】2015年1月28日 申請日期:2014年9月26日 優(yōu)先權(quán)日:2014年9月26日
【發(fā)明者】陳喆, 殷福亮, 周文穎 申請人:大連理工大學