本文设计实现了一款安卓平台下的基于双耳技术的VR音频直播系统,系统分为电脑端及Android端两个平台,平台之间采用Socket进行实时通信。在电脑端采用DirectSound进行声卡录音,模拟实时采集声源的过程;在Android端,通过头相关传输函数(He...本文设计实现了一款安卓平台下的基于双耳技术的VR音频直播系统,系统分为电脑端及Android端两个平台,平台之间采用Socket进行实时通信。在电脑端采用DirectSound进行声卡录音,模拟实时采集声源的过程;在Android端,通过头相关传输函数(Head Related Transfer Function,HRTF)插值算法进行目标声场信息的添加、播放,实现VR音频。该直播系统仅需一对耳机就能极大地提高用户的听觉体验,具有应用价值。展开更多
本文设计实现了一个深度神经网络模型,根据人体生理参数及角度信息重建个性化头相关传递函数(Head Related Transfer Function,HRTF),仅需一次训练即可得到全部方向的预测HRTFs。网络模型由将人体测量参数作为输入的深度神经网络、将角...本文设计实现了一个深度神经网络模型,根据人体生理参数及角度信息重建个性化头相关传递函数(Head Related Transfer Function,HRTF),仅需一次训练即可得到全部方向的预测HRTFs。网络模型由将人体测量参数作为输入的深度神经网络、将角度信息作为输入的展开层以及将前两者的输出作为输入的深度神经网络组成。最后对所提出方法的整体性能进行了客观评价。展开更多
文摘本文设计实现了一款安卓平台下的基于双耳技术的VR音频直播系统,系统分为电脑端及Android端两个平台,平台之间采用Socket进行实时通信。在电脑端采用DirectSound进行声卡录音,模拟实时采集声源的过程;在Android端,通过头相关传输函数(Head Related Transfer Function,HRTF)插值算法进行目标声场信息的添加、播放,实现VR音频。该直播系统仅需一对耳机就能极大地提高用户的听觉体验,具有应用价值。
文摘本文设计实现了一个深度神经网络模型,根据人体生理参数及角度信息重建个性化头相关传递函数(Head Related Transfer Function,HRTF),仅需一次训练即可得到全部方向的预测HRTFs。网络模型由将人体测量参数作为输入的深度神经网络、将角度信息作为输入的展开层以及将前两者的输出作为输入的深度神经网络组成。最后对所提出方法的整体性能进行了客观评价。
