一种用于声场合成的声场信息采集方法
【技术领域】
[0001] 本发明涉及一种用于声场合成的声场信息采集方法，属于信号处理技术领域。
【背景技术】
[0002] 声场合成（wavefieldsynthesis,WFS)以惠更斯原理为基础，在较大范围内合成 三维声场。它在消费电子、通信等领域具有广泛应用。WFS技术重现的声场能较好地保留 原始声场的时间、空间性质，能给人"身临其境"的体验。声场分布的感知是重建声场的前 提，通常WFS需要大量传声器来感知三维声场分布，传声器分布越密集，感知到的声场分布 越精确，但是过多的传声器会影响声场分布，甚至会明显改变声场的分布。
[0003] 由空间采样定理可知，空间采样截止频率为fNyq< (V(2AX)，其中，Ax为采样单 元间隔距离，要精确采集频率f<fNyq情况下的空间声场，采集时所用的传声器单元间隔最 远为Ax=(V(2fNy(1)。说明书附图中的图13是个L米XL米的区域，在声场感知过程至少需 使用（L/Ax)2个传声器。例如，当fNyq=2kHz、L=4时，在4米X4米的区域需布置2209个 传声器，即使不考虑这些传声器的成本，仅就对声场的影响而言，如此大数目的传声器，会 明显改变原始声场。因此，必须采用局部采集技术来解决传声器数目过多的问题，使WFS在 实际中得到应用。
[0004]Hald和Gomes的专利《Methodforreconstructinganacousticfield.》 (DK，GOlH3/12(2006. 01)，W02010/003836. 2010)设计了一种重建声场方案，用于感知整个 观察区域的声压分布。该方案将传声器布局在3维规则网格上，在3维规则网格（Z=O)中， (L/Ax)2个传声器均匀布局在网格交点处，即在直角坐标系下，各传声器水平坐标轴、垂直 坐标轴之间的间隔均为Ax。此外，当重建声场的声源平稳时，也可用单个传声器在不同位 置逐一进行采集测量。
[0005] 该技术用网格方式采集声场，这样重建声场的最高频率越大，所需传声器的数目 就越多，并且会造成声场畸变。若用单个传声器逐一位置采集，则重建声场区域越大，采集 耗时就越多。
[0006] 王培利，李吉，周丽丽的论文《基于神经网络的近场声全息方法研究》（应用声 学，2010, 29(1) :58-62)和毛荣富，朱海潮，张劲松的论文《近场声全息（NAH)中减少测量点 数的研究》（声学技术，2009, 28 (3) : 287-294)所用的方案都是基于局部采集信息对整个声 场建模。在该方案中，D，D〈(L/Ax)2,个传声器均匀布局在整个观察区域中，首先用空间坐 标位置作为训练数据集的输入部分，各传声器感知到的声场声压作为训练数据集的输出部 分，将训练数据集通过SVR模型进行训练，得到空间位置与声场声压之间的映射模型；在此 基础上，将整个观测区域位置作为该模型输入，从而感知出整个观察区域的声压分布。在训 练模型时，也可用神经网络（ANN)替换SVR。
[0007]ANN模型存在过学习问题，需要训练数据样本较大；SVR寻找不同类别之间的最优 化分类面，反映的是异类数据之间的差异，但是其训练时间长，并且不能反映训练数据本身 的特性，重构的声场声压信息的精度不高。
【发明内容】
[0008] 本发明针对以上问题的提出，而研制一种用于声场合成的声场信息采集方法。
[0009] 本发明采取的技术方案如下：
[0010] -种用于声场合成的声场信息米集方法：先米集平面上局部声压信息，并将局部 采集得到的数据作为训练数据库，建立空间声压与位置信息的高斯混合模型，然后用该模 型对采集平面上任意位置的声场声压进行回归预测，从而获得平面上全局声压信息。
[0011] 本发明的有益效果：
[0012] 本发明提出的基于高斯混合回归的三维音频声场感知方法，在相对误差控制在 10%以内的情况下，即使在声场采集时所用的传声器数目仅为传统方法使用数目的1/4,仍 能有效地重构出声压分布。与神经网络方法、支持向量回归方法相比，在声压相对误差要求 较高精度（如10%)时，本发明所用的麦克风数目较少，具有明显优势。
【附图说明】
[0013] 图1基于GMR的声场信息采集方法功能框图。
[0014] 图2区域A中传声器分布图。
[0015] 图3高斯混合模型的建模流程图。
[0016] 图4f=l.6kHz，N=40时重构声压相对误差与高斯分量个数M的关系曲线。
[0017] 图5f=l.6kHz，M=15时相对误差与训练数据样本边长N的关系曲线。
[0018] 图6N=20,M=15时，2米X2米区域A内重构声压幅值分布图。
[0019] 图7N=20,M=15时，2米X2米区域A内理想声压幅值分布图。
[0020] 图8N=20,M=15时，2米X2米区域A内重构声压相位分布图。
[0021] 图9N=20,M=15时，2米X2米区域A内理想声压相位分布图。
[0022] 图10N=20,M=15时，对2米X2米区域A内重构声压与理想声压幅值相对误差直 方图。
[0023] 图11N=20,M=15时，对2米X2米区域A内重构声压与理想声压相位相对误差直 方图。
[0024] 图12高斯混合回归（GMR)方法、神经网络（ANN)方法、支持向量回归（SVR)方法 的相对误差与训练数据样本边长N的关系曲线。
[0025] 图13L米XL米的观察区域中，声场感知过程使用的（L/Ax)2个传声器分布图。
【具体实施方式】
[0026] 下面结合附图对本发明做进一步说明：
[0027] 本发明用灰度图能说明本发明的技术效果，特提供灰度图即图6至图9来让审查 员更好的理解本发明的技术效果。
[0028]本发明方案的功能模块框图如图1所示，本发明通过采集平面上局部声压信息来 代替全局声压信息，并将局部采集得到的数据作为训练数据库，建立声压与空间信息的高 斯混合模型（GMM)，然后用该模型对采集平面上任意位置的声场声压进行回归预测，从而获 得平面上全局声压信息。
[0029] -种用于声场合成的声场信息米集方法：包括平面传声器阵列、高