本發(fā)明涉及一種HRTF個人化匹配方法，特別涉及一種基于三維生理參數(shù)的HRTF個人化匹配方法。

背景技術：

頭相關傳遞函數(shù)(Head Related Transfer Function，HRTF)是用以描述自由場聲源發(fā)出的聲音經(jīng)過頭部、耳廓、軀干等生理結構的散射和反射后到達雙耳的頻域聲學傳遞函數(shù)。每個聲源空間位置對應一對HRTF，一般情況下它們是聲源到頭中心的距離、聲源的方位角、仰角，頻率的函數(shù)。由于不同個體的生理結構和尺寸是不同的，而HRTF與生理結構和尺寸密切相關，因而是具有明顯個人化特征的物理量。

軀干、頭部以及耳廓等生理結構的濾波作用對聲信號的影響更顯著，也就是說生理結構對HRTF具有更顯著影響。因此，人們很自然的想到通過找出生理結構最為接近的對象來完成HRTF的個人化預測。理論上，生理參數(shù)相同時，HRTF也相同。

數(shù)據(jù)庫匹配方法是以人體生理結構的相似性作為依據(jù)的，即對于任意一個受試者，在給定的由大量HRTF已知的聽者生理參數(shù)組成的數(shù)據(jù)庫中尋找最佳的匹配者，抽取其HRTF數(shù)據(jù)作為該聽者的HRTF。

文獻“結合生理參數(shù)選擇和數(shù)據(jù)庫匹配的HRTF個人化方法，聲學技術，2009，第28卷第6期”公布了一種基于生理參數(shù)和數(shù)據(jù)庫匹配的HRTF個人化方法，該方法是基于CIPIC數(shù)據(jù)庫進行的，首先從HRTF中提取出方向傳遞函數(shù)并進行主成分分析，將得到的權重系數(shù)作為HRTF特征值，接下來計算各生理參數(shù)之間的線性相關性，找出相關性不明顯的生理參數(shù)作為獨立生理參數(shù)，然后利用線性相關性及多元回歸分析檢測獨立生理參數(shù)與HRTF特征值之間的關系，選出影響大的生理參數(shù)用于進行數(shù)據(jù)庫匹配進而得到個人化的HRTF數(shù)據(jù)。然而以CIPIC數(shù)據(jù)庫為依據(jù)的數(shù)據(jù)庫匹配僅考慮了二維的生理參數(shù)。這種匹配將人體的生理參數(shù)簡化為了一個個二維標量，忽略掉了人體生理參數(shù)的三維信息。而聲音通過頭部、軀干以及耳廓進行的反射和散射是在平面上進行，具有非常明顯的三維特征。故應用二維生理參數(shù)進行數(shù)據(jù)庫匹配時匹配結果的可靠性較低。

技術實現(xiàn)要素：

為了克服現(xiàn)有HRTF個人化匹配方法準確性差的不足，本發(fā)明提供一種基于三維生理參數(shù)的HRTF個人化匹配方法。該方法首先對每個被試者依據(jù)法蘭克福平面進行生理參數(shù)測量；然后，對測量獲得的生理參數(shù)進行平移；最后，對平移后的生理參數(shù)依據(jù)對應標志點距離之和進行個人化匹配，距離最小的即為匹配結果。由于對生理參數(shù)采用三維測量，并通過距離法完成了HRTF數(shù)據(jù)庫的匹配，使得生理參數(shù)數(shù)據(jù)庫包含了被試者頭部和肩部的三維信息，與背景技術相比較，三維信息能更為全面的反應被試者的生理信息，提高了HRTF匹配的準確性。

本發(fā)明解決其技術問題所采用的技術方案：一種基于三維生理參數(shù)的HRTF個人化匹配方法，其特點是包括以下步驟：

步驟一、對被試者頭部、肩部以及耳部生理特征點的生理參數(shù)進行三維測量。測量時被試者挺胸坐在椅子上，頭部以眼耳平面定位，眼睛平視前方，左右大腿平行，膝彎曲成直角，足平放在地上，手放在大腿上。被試者的臀部、后背同時靠在同一鉛錘面上。此時，被試者的正中矢狀面保持垂直。應用鉛垂來確定正中矢狀面的位置。測得的生理參數(shù)包括頭面部、耳部和身體三部分。測量過程中保持左耳屏點、右耳屏點以及右耳耳下點三個點在法蘭克福平面上。其中，第i個生理參數(shù)特征點標記為(x_i,y_i,z_i)。

步驟二、測量對應該生理參數(shù)被試者的HRTF。測量的生理參數(shù)包含13個俯仰角下共723個方位角。

步驟三、從被試者中選取一人的生理參數(shù)，其余被試者的生理參數(shù)作為數(shù)據(jù)庫。

步驟四、以選取的被試者A的生理參數(shù)中右耳屏點的位置(x₁,y₁,z₁)為基準，將數(shù)據(jù)庫中第j個被試者B_j生理參數(shù)中的右耳屏點平移到被試者A的右耳屏點處。

其中，(x_n,y_n,z_n)為被試者A第n個生理參數(shù)特征點，(X_n,Y_n,Z_n)為被試者B_j的第n個生理參數(shù)特征點。

平移方向向量為(Δx,Δy,Δz)。

步驟五、被試者B_j所有的生理參數(shù)均以平移方向為基準進行平移，平移后生理參數(shù)B_j1為：

步驟六、基于式(4)所述表達式進行數(shù)據(jù)庫匹配，計算平移后B_j的各項生理參數(shù)與對應的被試者A生理參數(shù)的距離

其中，r_i為兩被試者第i項的距離。

步驟七、選擇數(shù)據(jù)庫中r最小的一組數(shù)據(jù)作為匹配出來的生理參數(shù)。與匹配出來的生理參數(shù)對應的數(shù)據(jù)庫就是匹配的數(shù)據(jù)庫。

本發(fā)明的有益效果是：該方法首先對每個被試者依據(jù)法蘭克福平面進行生理參數(shù)測量；然后，對測量獲得的生理參數(shù)進行平移；最后，對平移后的生理參數(shù)依據(jù)對應標志點距離之和進行個人化匹配，距離最小的即為匹配結果。由于對生理參數(shù)采用三維測量，并通過距離法完成了HRTF數(shù)據(jù)庫的匹配，使得生理參數(shù)數(shù)據(jù)庫包含了被試者頭部和肩部的三維信息，與背景技術相比較，三維信息能更為全面的反應被試者的生理信息，提高了HRTF匹配的準確性。

下面結合附圖和具體實施方式對本發(fā)明作詳細說明。

附圖說明

圖1是本發(fā)明具體實施例中被試者測量生理參數(shù)時的側視圖。

圖2是本發(fā)明具體實施例中匹配成功的兩例被試者俯仰角為0°^、、方位角為0°時右耳HRTF。

圖3是本發(fā)明具體實施例中匹配成功的兩例被試者俯仰角為0°^、、方位角為0°時左耳HRTF。

圖4是本發(fā)明具體實施例中匹配成功的兩例被試者在俯仰角為0°時的雙耳時間差。

具體實施方式

參照圖1-4。本發(fā)明基于三維生理參數(shù)的HRTF個人化匹配方法具體步驟如下：

步驟一：參照圖1。對被試者頭部、肩部以及耳部等位置處主要生理特征點的生理參數(shù)進行三維測量。測量時被試者坐在椅子上，被試者挺胸坐在凳子上，頭部以眼耳平面定位，眼睛平視前方，左右大腿大致平行，膝大致彎曲成直角，足平放在地上，手輕放在大腿上。被試者的臀部、后背同時靠在同一鉛錘面上。此時，被試者的正中矢狀面保持垂直。應用鉛垂來確定正中矢狀面的位置。測得的生理參數(shù)主要包括頭面部、耳部、身體三部分共78個生理參數(shù)。測量過程中均以左耳屏點、右耳屏點以及右耳耳下點，確保三個點在法蘭克福平面上。其中，第i個生理參數(shù)特征點可以標記為(x_i,y_i,z_i)。

步驟二：測量對應該生理參數(shù)被試者的HRTF。測量的生理參數(shù)包含13個俯仰角下共723個方位角。

步驟三：從測量的被試者中選取編號001的生理參數(shù)，剩余被試者的生理參數(shù)作為數(shù)據(jù)庫。

步驟四：以選取的被試者001的生理參數(shù)(以矩陣A標記)中右耳屏點的位置(x₁,y₁,z₁)為基準，將數(shù)據(jù)庫中第j個被試者B_j生理參數(shù)(以矩陣B_j標記)中的右耳屏點平移到被試者001的右耳屏點處。

平移方向向量為：(Δx,Δy,Δz)

步驟五：被試者B_j所有的生理參數(shù)均以平移方向為基準進行平移，平移后生理參數(shù)B_j1為：

步驟六：基于歐氏距離法進行數(shù)據(jù)庫匹配，計算平移后B_j的各項生理參數(shù)與對應的被試者A生理參數(shù)的距離

其中，r_i為兩被試者第i項的距離。

步驟七：選擇數(shù)據(jù)庫中r最小的一組數(shù)據(jù)作為匹配出來的生理參數(shù)。與匹配出來的生理參數(shù)對應的數(shù)據(jù)庫就是匹配的數(shù)據(jù)庫。

被試者001號匹配出來的結果為數(shù)據(jù)庫中013號。

選取俯仰角為0°、方位角為0°時右耳的HRTF。參照圖2：圖中標識1為013號被試者在俯仰角為0°、方位角為0°時右耳的耳廓谷點，圖中標識2為013號被試者在俯仰角為0°、方位角為0°時右耳的耳谷點。從圖2可以看出，在俯仰角為0°、方位角為0°時右耳耳廓谷位置一致。

選取俯仰角為0°、方位角為0°時左耳的HRTF。圖3中標識1為001號被試者在俯仰角為0°、方位角為0°時左耳的耳廓谷點，圖中標識2為013號被試者在俯仰角為0°、方位角為0°時左耳的耳廓谷點。從圖3可以看出，在俯仰角為0°、方位角為0°時左耳耳廓谷位置相同。

對比被試者001與被試者013在俯仰角為0°時的雙耳時間差，從圖4可以看出，在方位角相同時，被試者001與被試者013的雙耳時間差(ITD)相同。故由該方法匹配出來的個人化HRTF效果明顯。