导读:本文包含了心理声学模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:声学,心理,模型,掩蔽,小波,水印,噪声。
心理声学模型论文文献综述
陈亮[1]（2019）在《心理声学模型在数字音频水印中的应用》一文中研究指出音频数字水印技术在数字音频作品版权保护中的地位越来越重要,是解决数字音频作品版权问题的有效手段。提出了一种基于心理声学模型的数字水印算法,能够保证好的音频信号质量,具体实现在小波变换域中。把音频信号的小波系数嵌入到音频水印的小波低频系数中,将音频中的水印信息抽取出来,从而确认数字音频产品真正的所有权。(本文来源于《黑龙江科学》期刊2019年06期）
熊笑颜,陈栩,黄灿英,陈艳[2]（2017）在《基于自适应心理声学模型的智能语音识别系统》一文中研究指出针对包含环境噪声和信道失真等噪声的语音处理问题,提出了一种基于自适应心理声学模型的智能语音识别系统,并建立了听觉模型.该模型将心理声学和耳声发射(OAE)合并到了自动语音识别(ASR)系统中,利用AURORA2数据库分别在清洁训练条件和多训练条件下进行试验.结果表明,所提出的特征提取方法可以显着提高词识别率,优于梅尔频率倒谱系数(MFCC)、前向掩蔽(FM)、侧向抑制(LI)和倒谱平均值及方差归一化(CMVN)算法,能够有效地提高智能语音识别系统的性能.(本文来源于《沈阳工业大学学报》期刊2017年06期）
杨杰[3]（2016）在《心理声学模型在HDTV数字音频中的应用》一文中研究指出数字音频是高清晰度电视(HDTV)中非常重要的一环。在数字音频编解码中,心理声学模型的引入,大大降低了编解码的复杂度。对心理声学模型的基本原理及各心理声学模型在HDTV音频中的应用及其算法的详细阐述,有助于我们明确HDTV音频中心理声学模型的发展方向。(本文来源于《芜湖职业技术学院学报》期刊2016年02期）
方源,章桐,陈霏霏,郭荣[4]（2015）在《电动车噪声品质心理声学主客观评价模型》一文中研究指出以某电动车在匀速行驶时采集到的噪声样本为评价对象,结合人类听觉系统建立适用于电动车的客观评价指标——敏感频带能量比,采用等级评分法对电动车噪声品质焦躁度进行主观评价试验,分析并计算各噪声样本的心理声学客观参数。通过相关分析和回归分析,建立了可描述主观评价与客观参量相关性的焦躁度评价模型。研究结果表明:传统车噪声在低频段能量较为集中,最大值在中心频率为200 Hz的频带,峰值达到37%,而电动车噪声能量集中在中心频率高于1kHz的频率段上,峰值达到30%;敏感频带能量比与主观评价值的相关性达到0.958,优于其他心理声学参数;电动车噪声品质焦躁度主要受粗糙度、抖动度和频带能量比等心理声学客观参数影响。(本文来源于《西安交通大学学报》期刊2015年08期）
章佩,王松,董石,姜林[5]（2014）在《基于频域线性预测心理声学掩蔽模型的音频编解码器》一文中研究指出频域线性预测给出了信号的希尔伯特包络的近似。基于频域线性预测的编解码器运用长时分割,很好地保持了时域包络信息。该编解码器能够重建高质量的信号,但是编码效率不高。将频域掩蔽引入到时域线性预测编解码器用以减少比特率。频域掩蔽是一个听音现象,如果另一个强度较大的声音出现,关注声音的听音阈值将增加。心理声学模型用于估计频域线性预测载波信号的听力阈值和绝对听力阈值。频域子带频域线性预测载波信号的比特配置根据听力阈值和绝对听力阈值计算得到。应用频率掩蔽,比特率下降5%。该文方法的效果应用音频质量感知评价和MUSHRA方法进行了测试。(本文来源于《工业控制计算机》期刊2014年06期）
蒋爱华[6]（2014）在《基于心理声学模型的广播音质实时监测方法》一文中研究指出提出了一种基于心理声学模型的广播音质实时监测方法,该方法利用软件模拟心理声学模型算法,考虑到人耳对音质的心理感知特性,以测试HD Radio系统不同节目的音质变化情况。提出的基于心理声学模型的广播音质实时监测方法,克服了SNR测试不能反映人耳实际感受、测试者主观打分不能保证监测的实时性和反复性的缺点,具有广泛的应用前景。(本文来源于《电声技术》期刊2014年04期）
周静雷,李颖[7]（2013）在《小波包分解对心理声学模型的改进》一文中研究指出为了改变常用心理声学模型中均匀谱分析造成的时频分辨率不足的问题,采用小波包分解对信号进行分析。通过Matlab对信号进行小波包分解处理,代替常用心理声学模型的FFT,改善了时频分辨率不足的问题,且通过小波包分解得到的频带划分,比常用心理声学模型得到的频带划分更接近于人耳的临界频带,更适应于人耳的听觉特性。(本文来源于《电子设计工程》期刊2013年03期）
李颖[8]（2012）在《心理声学模型在扬声器异常声检测中的应用》一文中研究指出中国是扬声器生产的第一大国，扬声器的年产量可达到几亿只。扬声器由于设计和生产过程中无法预知的一些情况，造成扬声器故障。所以，在扬声器被生产出来后，进行的第一道产品质量检测工序是“纯音”检测。“纯音”检测就是检测扬声器的纯音性能，即将额定功率的扫频信号施加给扬声器，检测扬声器产生的响应信号是否满足用户的质量要求。目前，扬声器“纯音”性能在线检测方法主要还是依靠人耳监听待测扬声器是否含有影响人耳听觉感受的声音，这种依赖主观特性很强的检测方法，不利于生产质量的保证和生产效率的提升，因为这种方法很大程度依赖于人的经验和听觉，况且工作环境中的噪声以及个体的工作状态同样会对检测结果有着很大的影响。且这种检测方式会对人耳朵的听力造成损害，所以，各种检测扬声器性能的仪器应运而生。在扬声器的异常声中，影响人们听音的是人耳可闻的那一部分，所以，这部分异常声对判断扬声器的好坏有着重要的作用。但是，在常用的扬声器异常声检测仪器中，大多数都是对所有的异常缺陷进行检测，这种方法对于一些制造商来说是必要的，可对生产线缺陷进行纠正。但是，对于有高产量要求的生产企业，特别是一些小型廉价扬声器，比如手机、笔记本扬声器生产商，更倾向于检测扬声器是否含有人耳可感知的异常声，这就刺激了对可感知异常音检测研究的需求。心理声学模型可以将人耳可闻的异常声提取出来，作为在线检测的判断依据。本文就将心理声学模型应用于扬声器异常声检测技术中，为扬声器生产商纠正生产线缺陷提供良好技术指标。本课题源自陕西省教育厅项目，结合电声行业的需求，研究了心理声学模型在扬声器异常声检测中的应用。本文利用信号源激励被测扬声器，对扬声器的声响应用传声器传输至计算机中，进行模数转换后，运用希尔伯特黄算法对声响应进行分析，提取扬声器的高阶微弱信号，将此信号送入心理声学模型算法中，提取人耳可闻的异常音，为接下来的模式识别模块准备数据，判断扬声器故障类型。本课题的研究成果主要包括：（1）运用希尔伯特黄算法分析扬声器的声响应，提取声响应中的异常声。（2）针对希尔伯特黄算法出现的模态混迭现象，选用集合经验模态分解算法改进不足。（3）运用心理声学模型I，处理希尔伯特黄算法提取的异常声，最终输出真正影响人耳听觉感受的可闻异常音。（4）针对心理声学模型I中的时频分辨率不足的问题，选用小波包分解进行改进。（5）将希尔伯特黄算法和心理声学模型I算法Matlab程序移植到C++环境中，实现和扬声器异音检测系统其它模块的衔接。本文从理论和实践两方面对心理声学模型在扬声器异音检测系统中的应用进行了研究，通过播放心理声学模型模块提取出的人耳可闻异常音，以及和去除人耳可闻异常音后的声响应进行对比，得出结论：将心理声学模型应用在扬声器异音检测系统中，能够有效的提取影响人耳听觉感受的异常音，为扬声器生产的在线检测提供简洁、准确、高效的方法。(本文来源于《西安工程大学》期刊2012-12-06）
李秀滢,段晓毅,王建新[9]（2013）在《一种心理声学模型的自同步音频水印方案》一文中研究指出提出了一种鲁棒的数字音频水印方案,该方案主要特点:(1)应用双重置乱机制,保证水印的安全性;(2)利用心理声学模型算法,确定水印嵌入强度;(3)应用同步机制,实现水印的自同步检测;(4)在离散小波变换(DWT)域嵌入水印,提高水印的抗攻击能力;(5)利用高效的嵌入算法,提高水印的检测效率。仿真实验表明,该方案不但具有良好的不可感知性,还对诸如重采样、重量化、迭加噪声、低通滤波、MP3压缩等攻击具有较好的鲁棒性。(本文来源于《计算机工程与应用》期刊2013年08期）
沈公奇[10]（2011）在《车内噪声声品质心理声学主客观评价模型研究》一文中研究指出随着人民生活品质的提高，汽车噪声产生的问题越来越得到人们的关注。车内噪声声品质优劣与否是衡量汽车噪声的一个重要方面。本文在总结前人研究成果的基础上，研究了车内噪声声品质心理声学主客观评价模型。本文首先根据GB/T18697汽车车内噪声测量标准，采集了在不同工况下实验车辆的车内噪声，对采集到的数据进行预处理并建立噪声数据库。基于传统的声学粗糙度模型，对其算法进行改进和优化，提出了新的声学粗糙度计算模型；参照相关标准，编制了基于Matlab的响度、尖锐度和粗糙度等心理声学参数的计算程序。通过对现有主观评价实验方法的分析对比，组织了声品质评审团，采用带有参考信号的语义细分法对噪声样本进行主观评价，并对结果进行分析与检验；分别以心理声学参数与评审团主观评价结果作为输入与输出量，采用BP神经网络建立声品质综合评价模型，通过调整神经网络的拓扑结构和参数来优化网络性能，最后对声品质网络的预测结果进行实验验证与分析。研究表明：自主编制的粗糙度计算程序计算结果与主观评价实验结果基本吻合，说明本文所提出的优化粗糙度模型具有较高的精度；采用优化训练后的神经网络评价模型对车内噪声的声品质预测结果与主观评价结果基本一致，可见本文提出的声品质网络综合评价模型是正确有效的；此模型可直接用于车内噪声的声品质检测，对汽车的声学设计和改进具有指导意义。(本文来源于《上海工程技术大学》期刊2011-12-01）
心理声学模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对包含环境噪声和信道失真等噪声的语音处理问题,提出了一种基于自适应心理声学模型的智能语音识别系统,并建立了听觉模型.该模型将心理声学和耳声发射(OAE)合并到了自动语音识别(ASR)系统中,利用AURORA2数据库分别在清洁训练条件和多训练条件下进行试验.结果表明,所提出的特征提取方法可以显着提高词识别率,优于梅尔频率倒谱系数(MFCC)、前向掩蔽(FM)、侧向抑制(LI)和倒谱平均值及方差归一化(CMVN)算法,能够有效地提高智能语音识别系统的性能.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
心理声学模型论文参考文献
[1].陈亮.心理声学模型在数字音频水印中的应用[J].黑龙江科学.2019
[2].熊笑颜,陈栩,黄灿英,陈艳.基于自适应心理声学模型的智能语音识别系统[J].沈阳工业大学学报.2017
[3].杨杰.心理声学模型在HDTV数字音频中的应用[J].芜湖职业技术学院学报.2016
[4].方源,章桐,陈霏霏,郭荣.电动车噪声品质心理声学主客观评价模型[J].西安交通大学学报.2015
[5].章佩,王松,董石,姜林.基于频域线性预测心理声学掩蔽模型的音频编解码器[J].工业控制计算机.2014
[6].蒋爱华.基于心理声学模型的广播音质实时监测方法[J].电声技术.2014
[7].周静雷,李颖.小波包分解对心理声学模型的改进[J].电子设计工程.2013
[8].李颖.心理声学模型在扬声器异常声检测中的应用[D].西安工程大学.2012
[9].李秀滢,段晓毅,王建新.一种心理声学模型的自同步音频水印方案[J].计算机工程与应用.2013
[10].沈公奇.车内噪声声品质心理声学主客观评价模型研究[D].上海工程技术大学.2011
论文知识图
