提出一种基于听觉滤波器模型与声学特征融合的空间感知质量客观评价方法,适用于低混响条件下的双耳Ambisonics重放.首先,使用听觉滤波器模型处理双耳输入信号,提取空间感知相关客观参量,并结合已有的空间感知和音质相关的参量来构建声...提出一种基于听觉滤波器模型与声学特征融合的空间感知质量客观评价方法,适用于低混响条件下的双耳Ambisonics重放.首先,使用听觉滤波器模型处理双耳输入信号,提取空间感知相关客观参量,并结合已有的空间感知和音质相关的参量来构建声学特征集.然后,采用高斯回归过程(Gaussian Process Regression,GPR)模型建立特征集与主观评分的映射关系,以构建客观评价模型.为了验证该方法的有效性,开展主观评价实验,采用无混响/低混响仿真声学场景中的不同双耳Ambisonics重放算法生成的语音信号作为测试激励信号,获得主观评分数据,使用交叉验证的方式训练客观模型并评估模型性能.实验结果显示,与现有的评价模型相比,提出的模型在预测精确度方面取得了显著提升.此外,使用公开的Ambisonics格式(Ambix)音频及其主观评分数据进行外部验证,进一步证明了提出的模型的泛化能力和稳定性.展开更多
文摘提出一种基于听觉滤波器模型与声学特征融合的空间感知质量客观评价方法,适用于低混响条件下的双耳Ambisonics重放.首先,使用听觉滤波器模型处理双耳输入信号,提取空间感知相关客观参量,并结合已有的空间感知和音质相关的参量来构建声学特征集.然后,采用高斯回归过程(Gaussian Process Regression,GPR)模型建立特征集与主观评分的映射关系,以构建客观评价模型.为了验证该方法的有效性,开展主观评价实验,采用无混响/低混响仿真声学场景中的不同双耳Ambisonics重放算法生成的语音信号作为测试激励信号,获得主观评分数据,使用交叉验证的方式训练客观模型并评估模型性能.实验结果显示,与现有的评价模型相比,提出的模型在预测精确度方面取得了显著提升.此外,使用公开的Ambisonics格式(Ambix)音频及其主观评分数据进行外部验证,进一步证明了提出的模型的泛化能力和稳定性.
