具有提示意義的源分量以及烘托氛圍的散射環(huán)境分量描述了聲場景的全部內(nèi)容。例如在演唱會上,歌手演唱聲為源分量,觀眾交流歡呼聲為環(huán)境分量。在聲場景的感知上,源分量提供了線索,環(huán)境分量則渲染了情境。傳統(tǒng)的通道音頻回放系統(tǒng)中的音頻處理方式忽略了源分量和環(huán)境分量在感知上的差異,模糊了兩者之間的區(qū)別。為解決通道格式音頻回放的適應性問題,且追求具有沉浸感的聲場景,需要對兩個分量采用不同的渲染方式進行處理。然而現(xiàn)有的通道格式音頻信號只能提供混合信號,需要對源分量及環(huán)境分量進行提取。這個提取過程被稱為源分量和環(huán)境分量提取(Primary Ambient Component Extraction,PAE)。PAE作為一個前端,促進了靈活、有效、具有沉浸感的空間音頻回放。由于PAE問題本質(zhì)上是一個欠定問題,PAE的實現(xiàn)依賴于具體的信號模型。本文的主要目的是對現(xiàn)有信號模型下的PAE算法進行分析并提出改進,嘗試提出一種新的信號模型與其對應的PAE方法。主要工作內(nèi)容如下:(1)討論現(xiàn)有的線性估計框架下的主成分分析算法、最小二乘算法、最小失真誤差下的最小二乘算法、最小泄露誤差下的最小二乘算法以及環(huán)境分量頻譜估計框架下...

【文章頁數(shù)】：80 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究與發(fā)展現(xiàn)狀
    1.3 本文主要內(nèi)容與結(jié)構(gòu)安排
第二章 線性估計框架下的PAE算法
    2.1 PCA算法原理
        2.1.1 仿真分析
    2.2 線性估計框架下的其他PAE算法
        2.2.1 仿真分析
    2.3 時移條件下的參數(shù)估計
    2.4 時移條件下的PCA算法
        2.4.1 仿真分析
    2.5 本章小結(jié)
第三章 環(huán)境頻譜估計框架下的PAE算法及其改進
    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 時移條件下的APEN
    3.5 主觀測試
    3.6 本章小結(jié)
第四章 隨機符號希爾伯特去相關(guān)過程下的PAE算法
    4.1 隨機符號希爾伯特去相關(guān)過程
    4.2 隨機符號希爾伯特去相關(guān)過程下音頻信號PAE分解
    4.3 仿真分析
    4.4 主觀測試
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 工作展望
致謝
參考文獻
攻讀碩士期間取得的研究成果



本文編號：3775340