版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、虛擬現(xiàn)實技術(shù)利用計算機技術(shù)等高科技手段構(gòu)造出一個虛擬環(huán)境,使得參與者獲得與現(xiàn)實一樣的感覺。虛擬聽覺空間就是在虛擬環(huán)境中加入與視覺并行的三維虛擬聲音,使收聽者在模擬環(huán)境中收聽到的聲信號逼近在真實環(huán)境聲場中收聽到的聲信號。 聽覺是人類僅次于視覺的第二傳感通道。在人的聽覺感受中,除了聲強、音調(diào)和音色外,還有一種空間方位的感覺,這就是人耳的空間聽覺能力。長期以來,人們從聽覺生理學(xué)、聽覺心理學(xué)和聲學(xué)的角度對空間聽覺進(jìn)行了深入的研究并取得了
2、一定的成果。研究表明,與頭部相關(guān)聯(lián)的沖激響應(yīng)(HRIR)以及與頭部相關(guān)聯(lián)的傳遞函數(shù)(HRTF)是研究空間聽覺的關(guān)鍵之一。本文利用信號與信息處理的方法來研究HRIR(HRTF)的特征,并在建立人耳空間聽覺模型方面做了一些研究。論文的內(nèi)容主要包括以下幾部分: 1.針對HRIR的特性利用小波變換的奇異性檢測方法對HRIR測量數(shù)據(jù)進(jìn)行消噪處理,在較好保留原信號奇異信息的同時有效地濾除了噪聲; 2.分析HRIR的預(yù)處理方法,并針對
3、本文所采用的California大學(xué)Davis分校CIPIC接口實驗室的測量數(shù)據(jù),給出了最佳的預(yù)處理方法; 3.利用主元素分析法提取HRIR的空間特征,實現(xiàn)了數(shù)據(jù)的壓縮,并用線性插值算法建立了連續(xù)聽覺空間上的人耳聽覺模型; 4.利用遺傳算法選擇某些方位的HRIR作為基向量,然后與相應(yīng)的權(quán)系數(shù)重構(gòu)出測量空間上的HRIR,取得了較好的實驗結(jié)果; 5.利用神經(jīng)網(wǎng)絡(luò)技術(shù)實現(xiàn)主元素分析法,實驗結(jié)果表明神經(jīng)網(wǎng)絡(luò)的實現(xiàn)性能很好
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 空間聽覺研究中的極零點模型.pdf
- 基于向量空間模型的方面挖掘方法研究.pdf
- 基于向量空間模型的網(wǎng)頁信息過濾方法研究.pdf
- 向量空間模型
- 基于聽覺感知與張量模型的魯棒語音特征提取方法研究.pdf
- 基于人耳聽覺特性瞬態(tài)信號的提取方法研究.pdf
- 基于向量空間模型的網(wǎng)頁過濾研究.pdf
- 聚焦空間幾何中的非坐標(biāo)向量方法
- 基于向量空間模型的中文文本聚類方法的研究.pdf
- 基于向量空間模型的網(wǎng)頁過濾研究
- 腦干聽覺誘發(fā)電位的提取分析方法研究.pdf
- 基于向量空間模型的主題爬蟲算法研究.pdf
- 醫(yī)學(xué)圖像模式識別中特征向量提取方法的研究.pdf
- 基于向量空間模型的數(shù)據(jù)挖掘技術(shù)的研究.pdf
- 聽覺模型與語音信號處理方法的研究.pdf
- 空間聽覺定位性能主觀評價方法研究.pdf
- 基于改進(jìn)向量空間模型的郵件分類.pdf
- 基于向量空間模型的自適應(yīng)文本過濾研究.pdf
- 基于向量空間模型的文本分類算法研究.pdf
- 基于概念向量空間模型的中文自動文摘研究.pdf
評論
0/150
提交評論