基于听觉与认知的复杂音频质量客观评价方法研究

数字音频制作、传输、处理、播放等设备的广泛使用，推动了数字音频应用的快速普及。然而，复杂的音频技术和落后的音频质量评价方法之间的矛盾日益突出。音频质量的评价研究成为制约音频技术和设备进一步发展的瓶颈。本项目研究基于听觉与认知的复杂音频质量客观评价方法，旨在通过研究人对音频质量评价的听觉机理和认知过程，建立统一的复杂音频质量评价模型。课题的创新性研究包括：(1)基于时频混合变换的听觉感知模型，提高客观评价的听觉一致性；(2)音色和空间质量的特征参数提取和选择方法，提高客观评价的认知完备性；(3)基于Bootstrap重采样的时延神经网络认知模型，提高客观评价的认知鲁棒性；最终形成与人类主观感受相一致的复杂音频质量客观评价系统。

本研究针对复杂音频质量的客观评价开展。研究方案紧密围绕人耳听觉感知模型和深度认知学习方法，取得了如下创新成果：（1）根据功率谱估计PSE理论，提出了循环分帧处理方法，完善了听觉模型的预处理机制；（2）对包含外中内耳的计算听觉感知CASP模型进行改进，提出了带有频域扩散和掩蔽效应的改进CASP听觉感知模型，改善了音频客观质量评价的性能；（3）提出了基于改进CASP的双耳听觉感知模型，用于空间声的声源位置评价；（4）基于结构相似度理论，提出了听觉模型调制域结构相似度特征提取方法；（5）针对空间声评价问题，提出了双耳听觉模型的双耳差异特征提取方法；（6）基于深度学习，提出了无监督的音频质量评价的特征提取方法。（7）基于线性认知和非线性认知的机器学习理论，提出了基于深层认知学习的客观质量分数回归方法。这些结果论证了我们提出的通过人耳听觉模型和大脑认知机理客观评价复杂音频的质量，为新一代通信、娱乐、影视等领域的听感客观评价提供了理论支撑。