用于声场景重构的源分量和环境分量提取方法研究

发布时间：2023-03-30 05:58

　　具有提示意义的源分量以及烘托氛围的散射环境分量描述了声场景的全部内容。例如在演唱会上,歌手演唱声为源分量,观众交流欢呼声为环境分量。在声场景的感知上,源分量提供了线索,环境分量则渲染了情境。传统的通道音频回放系统中的音频处理方式忽略了源分量和环境分量在感知上的差异,模糊了两者之间的区别。为解决通道格式音频回放的适应性问题,且追求具有沉浸感的声场景,需要对两个分量采用不同的渲染方式进行处理。然而现有的通道格式音频信号只能提供混合信号,需要对源分量及环境分量进行提取。这个提取过程被称为源分量和环境分量提取(Primary Ambient Component Extraction,PAE)。PAE作为一个前端,促进了灵活、有效、具有沉浸感的空间音频回放。由于PAE问题本质上是一个欠定问题,PAE的实现依赖于具体的信号模型。本文的主要目的是对现有信号模型下的PAE算法进行分析并提出改进,尝试提出一种新的信号模型与其对应的PAE方法。主要工作内容如下:(1)讨论现有的线性估计框架下的主成分分析算法、最小二乘算法、最小失真误差下的最小二乘算法、最小泄露误差下的最小二乘算法以及环境分量频谱估计框架下...

【文章页数】：80 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究与发展现状
    1.3 本文主要内容与结构安排
第二章 线性估计框架下的PAE算法
    2.1 PCA算法原理
        2.1.1 仿真分析
    2.2 线性估计框架下的其他PAE算法
        2.2.1 仿真分析
    2.3 时移条件下的参数估计
    2.4 时移条件下的PCA算法
        2.4.1 仿真分析
    2.5 本章小结
第三章 环境频谱估计框架下的PAE算法及其改进
    3.1 APES算法原理
        3.1.1 仿真分析
    3.2 APEX算法原理
        3.2.1 仿真分析
    3.3 APEN算法原理
    3.4 时移条件下的APEN
    3.5 主观测试
    3.6 本章小结
第四章 随机符号希尔伯特去相关过程下的PAE算法
    4.1 随机符号希尔伯特去相关过程
    4.2 随机符号希尔伯特去相关过程下音频信号PAE分解
    4.3 仿真分析
    4.4 主观测试
    4.5 本章小结
第五章 总结与展望
    5.1 全文总结
    5.2 工作展望
致谢
参考文献
攻读硕士期间取得的研究成果



本文编号：3775340