音讯处理方法及电子装置与流程

1.本公开文件涉及一种用于处理音讯讯号的方法。更具体来说，本公开文件涉及一种用于处理关于音讯讯号的头部相关传输函数的方法。

背景技术：

2.许多声学研究人员曾多次尝试基于讯号处理技术来模拟虚拟空间声音。听者的耳朵、头部和躯干将与原始声音讯号相互作用，导致原始声音讯号的特征传递到聆听者的耳朵时发生变化、延迟或失真。上述这些聆听者感受到的变化可以用头部相关传输函数(head related transfer function,hrtf)加以描述。

技术实现要素：

3.本公开文件提供了一种音讯处理方法包括以下步骤。接收第一头部相关传输函数其中定义多个音讯频率上多个第一音讯特征值，该些第一音讯特征值分布于一球坐标系内以一第一空间解析度排列多个第一交叉节点上。采用一球形卷积神经网络模型将该第一头部相关传输函数上升取样为一第二头部相关传输函数，其中该第二头部相关传输函数当中定义对应该些音讯频率上多个第二音讯特征值，该些第二音讯特征值分布于该球坐标系内以一第二空间解析度排列的多个第二交叉节点上，该第二空间解析度高于该第一空间解析度，在该第二头部相关传输函数中对应单一个音讯频率上每一个第二音讯特征值各自是由该第一头部相关传输函数中对应多个音讯频率之一频率组合中的该些第一音讯特征值进行卷积计算得到，其中多个音讯频率的该频率组合包含不同于该单一个音讯频率的至少一音讯频率。
4.于一些实施例中，音讯处理方法进一步包含：利用该第二头部相关传输函数将一音讯讯号定位到空间当中一特定点，以产生一立体音讯讯号；以及将定位后的该立体音讯讯号传送至一播音器。
5.于一些实施例中，其中该第一头部相关传输函数中的该些第一音讯特征值针对每一个第一交叉节点包含落在c个不同频道上的c个音讯幅度/相位值，该c个不同频道对应多个不同的音讯频率，以及该第一头部相关传输函数定义在该球坐标系中的n个第一交叉节点，该第一头部相关传输函数中的该些第一音讯特征值针对该n个第一交叉节点一共包含落在该c个不同频道的n*c个音讯幅度/相位值，n和c分别为大于1的正整数。
6.于一些实施例中，将该第一头部相关传输函数上升取样为该第二头部相关传输函数的步骤包含：将该球形卷积神经网络模型的一第一球形卷积块套用至该第一头部相关传输函数以生成一第一隐藏张量；以及将该第一隐藏张量中的该些音讯幅度/相位值的数量扩展r倍以形成该第二头部相关传输函数，该第二头部相关传输函数定义该球坐标系中的n*r个第二交叉节点，r为大于1的有理数且n*r为整数。
7.于一些实施例中，上升取样该第一头部相关传输函数至该第二头部相关传输函数的该步骤包含：将该第一头部相关传输函数中的该些音讯幅度/相位值的数量扩展r倍以形
成一第二隐藏张量，该第二隐藏张量定义该球坐标系中的n*r个第二交叉节点，r为大于1的有理数且n*r为整数；以及将该球形卷积神经网络模型的一第二球形卷积块套用至该第二隐藏张量以生成该第二头部相关传输函数。
8.于一些实施例中，上升取样该第一头部相关传输函数至该第二头部相关传输函数的该步骤包含：将该球形卷积神经网络模型的一第一球形卷积块套用至该第一头部相关传输函数以生成一第一隐藏张量；将该第一隐藏张量中的该些音讯幅度/相位值的数量扩展r倍以形成一第二隐藏张量，该第二隐藏张量定义该球坐标系中的n*r个第二交叉节点，r为大于1的有理数且n*r为整数；以及将该球形卷积神经网络模型的一第二球形卷积块套用至该第二隐藏张量以生成该第二头部相关传输函数。
9.于一些实施例中，将该第一隐藏张量扩展r倍的步骤包含：基于该n个第一交叉节点和该n*r个第二交叉节点的空间位置，在每个通道独立地内插计算该n*r个第二交叉节点上的该些音讯幅度/相位值。
10.于一些实施例中，将该第一隐藏张量扩展r倍的步骤包含：将该些第一交叉节点当中一目标交叉节点上单个通道的单个音讯幅度/相位值复制r次，并将r个复制后的音讯幅度/相位值映射到该球坐标系中该些第二交叉节点的r个节点上，其中该些第二交叉节点的该r个节点的位置邻近于该球坐标系中该些第一交叉节点当中的该目标交叉节点。
11.于一些实施例中，第一球形卷积块或该第二球形卷积块包含一球形卷积神经网络层，该球形卷积神经网络层是由一基于图像神经网络的球形卷积网络实现。
12.于一些实施例中，该球形卷积块进一步包含一正规化层、一非线性活化层或一填充层。
13.于一些实施例中，该球形卷积神经网络模型的多个参数由一头部相关传输函数资料库而得到，该头部相关传输函数资料库包括多个头部相关传输函数配对，该些头部相关传输函数配对的每一对包括一低解析度头部相关传输函数和一高解析度头部相关传输函数，该低解析度头部相关传输函数是透过对该高解析度头部相关传输函数下降取样而产生。
14.本公开文件还提供了一种资料储存器以及处理器。资料储存器用以储存一球形卷积神经网络模型。处理器连接至该资料储存器，其中该处理器用以接收一第一头部相关传输函数，该第一头部相关传输函数当中定义多个第一音讯特征值，该些第一音讯特征值对应多个音讯频率且分布于一球坐标系中以一第一空间解析度排列的多个第一交叉节点上，其中该些第一交叉节点在该球坐标系中，该处理器更用以采用一球形卷积神经网络模型将该第一头部相关传输函数进行上升取样产生一第二头部相关传输函数，该第二头部相关传输函数当中定义多个第二音讯特征值，该些第二音讯特征值对应该些音讯频率且分布于该球坐标系中以一第二空间解析度排列的多个第二交叉节点上，该第二空间解析度高于该第一空间解析度，在该第二头部相关传输函数中对应单一个音讯频率的每一个第二音讯特征值是各自根据该第一头部相关传输函数中对应一音讯频率组合的该些第一音讯特征值的一卷积结果进行计算，其中该音讯频率组合包含不同于该单一个音讯频率的至少一音讯频率。
15.于一些实施例中，处理器用以将该第二头部相关传输函数套用至一音讯讯号以将该音讯讯号定位到空间中一特定点以生成一立体音讯讯号，并将定位后的该立体音讯讯号
传送到一播音器。
16.于一些实施例中，第一头部相关传输函数中的该些第一音讯特征值针对每一个第一交叉节点包含落在c个不同频道上的c个音讯幅度/相位值，该c个不同频道对应多个不同的音讯频率，该第一头部相关传输函数定义该球坐标系中的n个第一交叉节点，该第一头部相关传输函数中的该些第一音讯特征值包含对应于该n个第一交叉节点且落在该c个不同频道一共n*c个音讯幅度/相位值，n和c分别为大于1的正整数。
17.于一些实施例中，处理器将该第一头部相关传输函数上升采样产生该第二头部相关传输函数是透过：将该球形卷积神经网络模型的一第一球形卷积块套用至该第一头部相关传输函数以生成一第一隐藏张量；以及将该第一隐藏张量中的该些音讯幅度/相位值扩展r倍为该第二头部相关传输函数，该第二头部相关传输函数定义该球坐标系中的n*r个第二交叉节点，r是一个大于1的有理数且n*r是一个整数。
18.于一些实施例中，处理器将该第一头部相关传输函数上升采样产生该第二头部相关传输函数是透过：将该第一头部相关传输函数中的该些音讯幅度/相位值扩展r倍为一第二隐藏张量，该第二隐藏张量定义该球坐标系中的n*r个第二交叉节点，r是一个大于1的有理数且n&r是一个整数；以及将该球形卷积神经网络模型的一第二球形卷积块套用至该第二隐藏张量以产生该第二头部相关传输函数。
19.于一些实施例中，处理器将该第一头部相关传输函数上升采样产生该第二头部相关传输函数是透过：将该球形卷积神经网络模型的一第一球形卷积块套用至该第一头部相关传输函数以产生一第一隐藏张量；将该第一隐藏张量中的数个该些音讯幅度/相位值扩展r倍大到一第二隐藏张量，该第二隐藏张量定义该球坐标系中的n*r个第二交叉节点，r是一个大于1的有理数且n*r是一个整数；以及将该球形卷积神经网络模型的一第二球形卷积块套用至该第二隐藏张量以生成该第二头部相关传输函数。
20.于一些实施例中，处理器将该第一隐藏张量扩展r倍产生为该第二隐藏张量是透过：基于该n个第一交叉节点和该n*r个第二交叉节点的空间位置，在每个通道独立地内插计算该n*r个第二交叉节点上的该些音讯幅度/相位值。
21.于一些实施例中，处理器将该第一隐藏张量扩展r倍产生为该第二隐藏张量是透过：将该些第一交叉节点当中一目标交叉节点上单个通道的单个音讯幅度/相位值复制r次，并将r个复制后的音讯幅度/相位值映射到该球坐标系中该些第二交叉节点的r个节点上，其中该些第二交叉节点的该r个节点的位置邻近于该球坐标系中该些第一交叉节点当中的该目标交叉节点。
22.于一些实施例中，第一球形卷积块或该第二球形卷积块包含一球形卷积神经网络层，该球形卷积神经网络层是由一基于图像神经网络的球形卷积网络实现，该第一球形卷积块或该第二球形卷积块进一步包括一正规化层、一非线性活化层或一填充层。
23.从外部来源传输到电子装置的第一头部相关传输函数具有相对较低的空间解析度。因此，第一头部相关传输函数可以在相对较小的频宽上传输。电子装置能够将第一头部相关传输函数进行上升取样而转换为具有高空间解析度的第二头部相关传输函数，藉此提高头部相关传输函数的解析度。第二头部相关传输函数有利于以更高的精确度定位音讯讯号。
附图说明
24.通过阅读以下实施例的详细描述，并结合附图，可以更完全地了解本公开文件：
25.图1绘示根据本公开文件的一实施例的电子装置示意图。
26.图2a绘示本公开文件的一些实施例中第一头部相关传输函数的示意图。
27.图2b绘示本公开文件的一些实施例中第二头部相关传输函数示意图。
28.图3绘示本公开文件的一些实施例中音讯处理方法的方法流程图。
29.图4a绘示本公开文件的一些实施例中第一球形卷积层和第一头部相关传输函数之间的卷积计算流程的示意图。
30.图4b与图4c绘示本公开文件的一些实施例中不同取样区大小各自在第一球形卷积层中所对应的卷积核的示意图。
31.图5a为本公开文件的一些实施例中第一球形卷积层和第一头部相关传输函数之间的卷积计算流程的示意图。
32.图5b绘示本公开文件的一些实施例中第二隐藏张量和第三隐藏张量的示意图。
33.图5c绘示本公开文件的一些实施例中第三球形卷积层和第三隐藏张量之间的卷积计算流程的示意图。
34.图6绘示本公开文件的一些实施例中根据球形卷积神经网络模型从第一头部相关传输函数卷积到第二头部相关传输函数中的一个音讯幅度值的示意图。
35.图7绘示本公开文件的一些实施例中音讯处理方法的流程图。
36.符号说明：
37.100:电子装置
38.120:资料储存器
39.140:处理器
40.142:上升取样模组
41.142a:球形卷积计算器
42.144:音讯处理单元
43.200:播音器
44.300:音讯处理方法
45.s310,s320,s330,s321,s322,s323:步骤
46.n1a,n1b:第一交叉节点
47.n2a,n2b,n2c,n2d:第二交叉节点
48.n2e,n2f,n2g,n2h:第二交叉节点
49.mf1,mf2,mf9:幅度值
50.pf1,pf2,pf9:相位值
51.mf1’,mf2’,mf9’:幅度值
52.pf1’,pf2’,pf9’:相位值
53.hrtf1:第一头部相关传输函数
54.hrtf2:第二头部相关传输函数
55.auin:音讯讯号
56.aul:立体音讯讯号
57.scnn:球形卷积神经网络模型
58.scb1:第一球形卷积块
59.scblast:最后一个球形卷积块
60.caa1:空间坐标
61.aa1,aa2:取样区域
62.t1:第一隐藏张量
63.c1:列
64.nmc_1,nmc_2,nmc_2c:特征值
65.maa1:矩阵
66.ker,ker_1,ker_2,ker_2c:卷积核
67.l0,l1,l2:可学习参数
具体实施方式
68.现在将详细参考本公开文件的现行实施例，其范例在附图中说明。在可能的情况下，附图与描述中所使用的参考标记指的是相同或相似的部件。
69.请参阅图1，其绘示根据本公开文件的一实施例中一种电子装置100示意图。电子装置100适用于处理或运算头部相关传输函数(head related transfer function,hrtf)，其中头部相关传输函数可以用在音讯讯号的定位应用。
70.如图1所示，电子装置100包含资料储存器120和处理器140。处理器140与资料储存器120连接。在一个实施例中，资料储存器可以透过存储器、硬盘、快取、非暂时性计算机可读媒体、暂存器、资料储存阵列或任何等效资料储存物件来实现。在一个实施例中，处理器可以由中央处理单元、处理电路、图形处理单元(gpu)、专用集成电路(asic)或任何具相似功能的运算电路来实现。
71.在一些实施例中，电子装置100可以从外部来源(图中未绘示)接收第一头部相关传输函数hrtf1。第一头部相关传输函数hrtf1可以用来描述声音传输特性的函数，可以用来描述由空间中特定声源传递到聆听者耳朵这个过程中的声音传输特性。第一头部相关传输函数hrtf1可能因为不同的聆听者彼此之间人体构造的差异、耳朵构造的差异以及在空间中与声源相对位置的差异而有所变化。第一头部相关传输函数hrtf1可以提供有关于如何对音讯讯号auin进行空间定位的资讯。在一些实施例中，音讯讯号auin可以是单声道讯号。在一些其他实施例中，音讯讯号auin可以是立体声讯号。
72.一般而言，头部相关传输函数若具有较高的空间坐标解析度则可以相当精准的定位效果，可以将原始声音传递至聆听者的效果精确模拟至空间中的某个位置。然而，高解析度的头部相关传输函数其资料量庞大，在实际应用中，若高解析度的头部相关传输函数需要透过网络进行传输，采用需要相当大的网络频宽才能够即时地传递到目标装置上。
73.如图1所示，资料储存器120储存球形卷积神经网络模型scnn的参数。处理器140连接至资料储存器120。处理器140包括上升取样模组142。上升取样模组142用以根据球形卷积神经网络模型scnn将第一头部相关传输函数hrtf1上升取样而产生第二头部相关传输函数hrtf2。此处所谓的上升取样是指对头部相关传输函数在空间节点的数目进行拓增，不同于提高音讯时间讯号(audio time signal)在间隔时间上的取样率。关于如何根据球形卷
积神经网络模型scnn进行上升取样的进一步细节将在后续段落中讨论。在一些实施例中，上取样模组142可以由处理器140或专用集成电路(application specific integrated circuit,asic)所执行的可编程指令代码来实现。
74.进一步参考图2a和图2b。图2a绘示本公开文件的一些实施例中第一头部相关传输函数hrtf1的示意图。图2b绘示本公开文件的一些实施例中第二头部相关传输函数hrtf2的示意图。
75.如图2a所示，第一头部相关传输函数定义分布在球坐标系中第一交叉节点(例如，图2a中的第一交叉节点n1a、n1b)的音讯特征值。值得注意的是，球坐标系中线段与线段彼此交会的节点上均有第一交叉节点。例如，第一头部相关传输函数hrtf1可以包含总共256个第一交叉节点。为简洁起见，在图中示意性标记了两个第一交叉节点n1a和n1b以进行说明。第一交叉节点n1a用以标记相对于球体中心(聆听者所在位置)的特定空间位置。如果音源相对于聆听者所在的方向与第一交叉节点n1a相同，可将第一交叉节点n1a上的音讯特征值(幅度值mf1～mf9和相位值pf1～pf9)用来处理音讯讯号auin，藉此以模拟音源的位置。在一些实施例中，若分别设置有两个独立的头部相关传输函数各自对应右耳和左耳。假设音讯讯号auin本身为单声道讯号，则可以根据两个独立的头部相关传输函数对此一单声道讯号进行处理以提供立体声效果。假设音讯讯号auin本身为立体声讯号，则可以根据两个的头部相关传输函数分别独立地对立体声讯号的声道进行处理，以提供更佳的立体声效果。图2a绘示的第一头部相关传输函数hrtf1展示了其中一个耳朵的头部相关传输函数，实际应用中可以对应另一个耳朵设定另一组头部相关传输函数(图中未绘示)。
76.如图2a所示，在一些实施例中，第一交叉节点n1a上的音讯特征值(幅度值mf1～mf9和相位值pf1～pf9)可以包括多个不同音讯频率f1～f9上的多个幅度值mf1～mf9和多个相位值pf1～pf9。举例来说，多个音讯频率f1～f9可以是2000hz、3000hz、4000hz，5000hz、6000hz、7000hz、8000hz、9000hz和10000hz。幅度值mf1表示在音讯频率2000hz时由第一交叉节点n1a至聆听者的强度调整水平。幅度值mf2表示在音讯频率3000hz时由第一交叉节点n1a至聆听者的强度调整水平。同理，幅度值mf9表示在音讯频率10000hz时由第一交叉节点n1a至聆听者的强度调整水平。相位值pf1表示在音讯频率2000hz时由第一交叉节点n1a到聆听者的相位调整值。相位值pf2表示在音讯频率3000hz时由第一交叉节点n1a到聆听者的相位调整值。同理，相位值pf9表示在音讯频率10000hz时由第一交叉节点n1a到聆听者的相位调整值。
77.值得注意的是，在九个不同的音讯频率上，有九个幅度值mf1～mf9和九个相位值pf1～pf9。换句话说，在第一交叉节点n1a上，共有18个幅度/相位值mf1～mf9和pf1～pf9分布在18个不同频道上(以这个例子来说，频道数c＝18)。此公开文件不局限于18个频道。在一些其他的实施例中，若在更多频率或更少频率上定义了幅度/相位值，频道数可以依此调整。换句话说，第一头部相关传输函数hrtf1在球坐标系中定义了一共n个第一交叉节点。第一头部相关传输函数hrtf1其中的n个第一交叉节点各自具有c个不同频道的情况下，第一头部相关传输函数hrtf1共包含n*c个音讯幅度/相位值(例如，幅度值mf1～mf9和相位值pf1～pf9)。n和c为大于1的正整数。上述例子只考虑左耳或右耳其中一耳相关的头部相关传输函数，如果双耳的头部相关传输函数都考虑进来，则频道数会变两倍(c＝36)。
78.如上述例子所提到，图2a中的第一头部相关传输函数hrtf1可以包含总共256个第
一交叉节点。换句话说，对聆听者而言，第一头部相关传输函数hrtf1可以模拟256个声源方向。在一些进阶的应用当中，希望更精确地定位音讯讯号auin进而提供更高品质的音讯讯号auin。上升取样模组142用以对如图2a所示的第一头部相关传输函数hrtf1进行上升取样(up-sample)以产生如图2b所示的第二头部相关传输函数hrtf2。
79.如图2b所示，第二头部相关传输函数hrtf2在球坐标系中定义了分布在第二交叉节点(例如，第二交叉节点n2a～n2h)的第二音讯特征值。值得注意的是，在球坐标系中，线段与线段彼此交会的节点上均有第二交叉节点。举例来说，第二头部相关传输函数hrtf2共包含1024个第二交叉节点。为说明上的简洁，示意性地标记其中八个第二交叉节点n2a～n2h以进行说明。
80.第二头部相关传输函数hrtf2中第二交叉节点彼此排列的空间解析度高于第一头部相关传输函数中第一交叉节点彼此排列的空间解析度。在图2a和图2b的实施例中，第二头部相关传输函数hrtf2的空间解析度是第一头部相关传输函数hrtf1的空间分配率的四倍。因此，第二头部相关传输函数hrtf2在处理音讯讯号auin时，可以用来提供更准确的定位效果。
81.如图1所示，在上升取样模组142产生第二头部相关传输函数hrtf2之后，处理器140中的音讯处理单元144可以将第二头部相关传输函数hrtf2套用至音讯讯号auin，藉此将音讯讯号auin定位到空间中特定的一点，以产生立体音讯讯号aul。之后，音讯处理单元144可将定位后的立体音讯讯号aul传送至播音器200。在一些实施例中，播音器200可以是喇叭、耳机、扬声器、或任何等效音讯播放单元。在一些实施例中，音讯处理单元144可以由处理器140或专用集成电路(application specific integrated circuit,asic)所执行的可编程指令代码来实现。
82.在一些实施例中，从外部来源传输到电子装置100的第一头部相关传输函数hrtf1具有相对较低的空间解析度。因此，第一头部相关传输函数hrtf1可以在相对较小的频宽上传输。电子装置100能够将第一头部相关传输函数hrtf1进行上升取样而转换为具有高空间解析度的第二头部相关传输函数，藉此提高头部相关传输函数的解析度。第二头部相关传输函数hrtf2有利于以更高的精确度定位音讯讯号auin。
83.在这种情况下，电子装置100可以在较小传输频宽下接收的第一头部相关传输函数(低空间解析度)，并藉以产生及利用第二头部相关传输函数(高空间解析度)来精确定位音讯讯号auin。
84.在其他实施例中，当电子装置100未拨放音讯讯号时，电子装置100中的资料储存器120可储存第一头部相关传输函数hrtf1。具有较低空间解析度的第一头部相关传输函数hrtf1在资料储存器120中仅需占用较小的储存空间(相较于第二头部相关传输函数hrtf2)。当电子装置100需要拨放音讯讯号时，处理器140可将第一头部相关传输函数hrtf1进行上升取样为第二头部相关传输函数hrtf2，并利用第二头部相关传输函数hrtf2精确定位音讯讯号auin。
85.进一步参考图3，图3为本公开文件一些实施例中的音讯处理方法300的方法流程图。在一些实施例中，图3中的音讯处理方法可由图1中的电子装置100执行。
86.如图1和图3所示，在步骤s310中，电子装置100接收如图2a中的第一头部相关传输函数hrtf1，接着上升取样模组142执行步骤s320，对图2a中的第一头部相关传输函数hrtf1
进行上升取样产生如图2b中的第二头部相关传输函数hrtf2。
87.在一些实施例中，步骤s320进一步包含步骤s321～s323，如图3所示。在步骤s321中，上升取样模组142将球形卷积神经网络模型scnn的第一球形卷积块scb1套用至第一头部相关传输函数hrtf1以计算第一隐藏张量(hidden tensor)t1，第一隐藏张量t1包含在m个不同频道上的n*m个隐藏特征值。换句话说，第一隐藏张量t1包含n个交叉节点和m个频道。
88.请一并参考图4a、图4b、图4c以及图5a。图4a绘示根据本公开文件的一些实施例中步骤s321中第一球形卷积块scb1和第一头部相关传输函数hrtf1之间进行卷积计算的示意图。图4b与图4c绘示根据本公开文件的一些实施例中第一球形卷积块scb1中若采用不同大小的取样区域aa1和aa2以及其对应卷积核ker的示意图。图5a为根据本公开文件的一些实施例中步骤s321中第一球形卷积块scb1和第一头部相关传输函数hrtf1之间卷积计算的示意图。
89.如图4a所示，第一头部相关传输函数hrtf1定义了多个交叉节点。第一头部相关传输函数hrtf1上的每个交叉节点将分别独立执行一次的卷积运算。为说明上的简便，将以交叉节点n1a所执行的卷积运算进行说明。对应交叉节点n1a，在球坐标系上选取一个围绕交叉节点n1a的取样区域aa1。第一头部相关传输函数和第二头部相关传输函数中各自可分别用一个二维矩阵加以表示，二维矩阵的其中一维度表示不同的节点，二维矩阵的的另一维度表示此节点所具有的音讯特征值(例如，不同频道上的幅度值或相位值)。首先，如图4a所示，沿着节点的维度选择一子矩阵，且子矩阵包含在取样区域aa1中的所有节点。在一些实施例中，第一球形卷积块scb1包含一个球形卷积层，用于执行球形卷积计算，且球形卷积层包含多个卷积核ker_1、ker_2
…
ker_2c，如图4a所示。球形卷积神经网络可以用基于图像神经网络的球形卷积网络或其他应用球形卷积的神经网络来实现，但不以此为限。在矩阵maa1分别和第一球形卷积块scb1的球形卷积层中的所有卷积核ker_1、ker_2
…
ker_2c每一者分别执行一次的卷积运算，共进行2c次卷积运算。上升取样模组142中的球形卷积计算器142a将根据输入矩阵(例如矩阵maa1)、可共享的卷积核(例如，第一球形卷积块scb1中的卷积核ker_1、ker_2
…
ker_2c)、取样区域aa1中所选的空间坐标caa1、以及选定的球形卷积演算法进行球形计算。举例来说，在矩阵maa1和卷积核ker_1之间进行卷积计算，得出一个第一频道上的特征值nmc_1；在矩阵maa1和卷积核ker_2之间进行另一卷积计算，得出一个第二频道上的特征值nmc_2；以及在矩阵maa1和卷积核ker_2c之间进行另一卷积计算，得出一个第2c频道上的特征值nmc_2c。如图4a所示，这些特征值nmc_1、nmc_2、
…
、nmc_2c一起构成了第一隐藏张量t1的其中一列c1的数据。当选取球坐标系上另一个交叉节点(交叉节点n1a之外的另一个交叉节点)对应的取样区域aa1时，可以再次重复上述卷积计算，以得出第一隐藏张量t1的另一列(类似于图4a当中所示的一列c1)。
90.如图5a所示，当矩阵maa1和第一球形卷积块scb1中的单一个卷积核ker进行卷积运算时，将生成一个频道中第一隐藏张量t1中的一个特征值nmc1。值得注意的是，在图5a中，矩阵maa1是以3维张量加以表示。3维张量表示的矩阵maa1其中两个维度对应空间坐标caa1，3维张量表示的矩阵maa1中的另一维度对应不同的频道。当取样区域aa1移动到球坐标系上的其他坐标时，会产生第一隐藏张量t1在其中一个频道(对应单一个卷积核ker)上的其他特征值，从而如图5a所示可以产生生成在一个频道(对应单一个卷积核ker)上的特
征值矩阵mmc1。如图4a和图5a所示，第一球形卷积块scb1中有共2c个(基于上述实施例，此处2c的数目等于36)卷积核ker_1、ker_2
…
ker_2c，将在36个频道上共生成36个不同的特征值矩阵(各自类似于图5a中的特征值矩阵mmc1)，这36个特征值矩阵即为第一隐藏张量t1。换句话说，第一隐藏张量t1包含分布在n个交叉节点且在2c个不同频道上所有特征值。
91.值得注意的是，第一隐藏张量t1包含2c个频道作为范例展示。然而，本公开文件并不以此为限。在其他实施例中，若第一球形卷积块scb1包含不同数量的卷积核，第一隐藏张量t1将具有对应数量的频道。举例来说，当第一球形卷积块scb1包含m个不同的卷积核时，第一隐藏张量t1中的频道数量将为m，其中m可以是大于2的正整数。
92.换句话说，如图3所示第一隐藏张量t1包含分布在n个交叉节点和m个通道上的特征值，。在图4a所示的实施例中，是以通道数m等于2c进行举例，但本公开文件并不以此为限。
93.如图4b所示，取样区域aa1可以设定为包含交叉节点n1a及其相邻节点(这些相邻节点是交叉节点n1a为中心一个单位距离内的其他节点)。在球坐标系上，交叉节点n1a和交叉节点n1a周围一个距离单位内的相邻节点类似3*3矩阵。为理解上的方便，球坐标系上的取样区域aa1可以示意性地用3*3矩阵表示。值得注意的是，本公开文件中的取样区域aa1实际上是在球坐标系上的球面上进行取样，并不是二维平面上进行取样。图4b还展示了对应取样区域aa1的球形卷积块scb1的卷积核ker的一个频道具有两个可学习参数l0和l1。其中一个可学习的参数l0设定在3*3矩阵的中心。另一个可学习的参数l1排列在3*3矩阵的外环处。
94.本公开文件并不限于图4b所示取样区域aa1的大小。图4c绘示了另一种大小的取样区域aa2的示意图。如图4c所示，取样区域aa2可以是包含交叉节点n1a及其相邻节点(这些相邻节点是以交叉节点n1a为中心且位在周围两个单位距离内的其他节点)。为方便理解，球坐标系上的取样区域aa2可以示意性地用5*5矩阵表示。值得注意的是，本公开文件中的取样区域aa2实际上是在球坐标系上的球面上进行取样，并不是二维平面上进行取样。图4c同时展示了对应取样区域aa2的球形卷积块scb1的卷积核ker的一个频道具有三个可学习参数。其中一个可学习的参数l0排列在5*5矩阵的中心。另一个可学习的参数l1排列在5*5矩阵的中段环处(围绕5*5矩阵的中心)。再一个可学习的参数l2排列在5*5矩阵的外环处。
95.在一些实施例中，球形卷积网络模组scnn中的球形卷积块scb1除了前述的球形卷积层(包含卷积核ker_1、ker_2
…
ker_2c)之外还可以包含额外的附加层，这些附加层可以包含图中未绘示的正规化层(normalizationlayer)、非线性活化层(non-linear activation layer)和/或填充层(paddinglayer)，举例来说，非线性活化层可以是整流线性单位函式层(rectified linear unit,relu)。球形卷积块scb1中的正规化层和非线性活化层设置在球形卷积层(包含卷积核ker_1、ker_2
…
ker_2c)之后。
96.在步骤s322中，对资料大小为n*l(n个交叉节点和l个频道)的隐藏张量tx使用内插演算法(interpolation algorithm)，将隐藏张量tx当中的资料的笔数扩展r倍，其提高后的结果为隐藏张量tx+1，隐藏张量tx+1当中包含nr*l笔隐藏资料。换句话说，隐藏张量tx+1共包含nr个交叉节点和l个频道。在nr为整数的条件下，r大于1。
97.在一些实施例中，如图3所示，若步骤s321之后立即进行步骤s322，则此时l等于2c且隐藏张量tx等于在步骤s321中产生的隐藏张量t1。
98.在一些实施例中，球形卷积神经网络模型scnn在步骤s321和步骤s322之间可能包含一个或多个球形卷积块(类似于步骤s321中的第一球形卷积块scb1)，且这一或多个球形卷积块可以将隐藏张量t1处理成隐藏张量tx。举例来说，球形卷积神经网络模型scnn可在步骤s321的第一球形卷积块scb1之后额外包含另一个球形卷积块，这个额外的球形卷积块也同样用在将隐藏张量t1转换为隐藏张量tx的卷积运算过程，在这种情况下，l便与可能与2c不同，此情况下l的数值受另一个球形卷积块中的卷积核数量影响。
99.在其他一些实施例中，可以在接收到第一头部相关传输函数hrtf1后立即进行步骤s322中的扩展操作(也就是跳过步骤s321，也就是第一球形卷积块scb1将不会被套用到隐藏张量t1)，在这种情况下，l等于c。
100.进一步参考图5b，图5b绘示在本公开文件的一些实施例中若采用最近相邻(nearest-neighbor)演算法进行内插演算时得到的隐藏张量tx和隐藏张量tx+1两者关系的示意图。在步骤s322中，上升取样模组142将目标第一交叉节点nta对应的l个频道上的音讯幅度/相位值复制r次，并将r个复制的音讯幅度/相位值映射到球坐标系中的数个第二交叉节点dnta上。这数个第二交叉节点dnta在球坐标系中与目标第一交叉节点nta在空间位置上相邻。在图5c所示的实施例中，r等于4；换句话说，在隐藏张量tx中，与目标第一交叉节点nta对应的l频道上的音讯幅度/相位值被复制并映射到隐藏张量tx+1其球坐标系的四个第二交叉节点dnta上。在这种情况下，隐藏张量tx+1中交叉节点的空间解析度增加为原始隐藏张量tx中交叉节点空间解析度的4倍。
101.上升取样模组142不限于对音讯幅度/相位值进行单纯复制。在一些实施例中，根据隐藏张量tx中的n个第一交叉节点和隐藏张量tx+1中的n*r个第二交叉节点的位置关系，上升取样模组142能够在每个频道独立地在隐藏张量tx+1中的n*r个第二交叉节点的位置上内插音讯幅度/相位值(参考隐藏张量tx中附近的第一交叉节点上的数值进行内插计算)，，内插计算方法可以采用最近相邻内插(nearest-neighbor interpolation)或线性内插(linear interpolation)，但本公开文件并不以此为限。
102.进一步参考图5c绘示根据本公开文件的一些实施例中在步骤s323由最后一个球形卷积块scblast对最后一个隐藏张量t-1进行卷积运算的示意图。在图5c所示的实施例中最后一个隐藏张量t-1包含n个交叉节点和k个频道。
103.在步骤s323中，上升取样模组142将球形卷积神经网络模型scnn的最后一个球形卷积块scblast套用至最后一个隐藏张量t-1以计算第二头部相关传输函数hrtf2，其中第二头部相关传输函数hrtf2包含c个不同频道上的nr*c个音讯幅度/相位值。换句话说，第二头部相关传输函数包含nr个交叉节点和c个频道。值得注意的是，隐藏张量t-1与第二头部相关传输函数两者各自包含较多数量的交叉节点，其数量为隐藏张量t1或tx各自交叉节点的数量的4倍。为说明上的简便，图5c并未完整显示最后一个隐藏张量t-1中的所有交叉节点。
104.图5c所示步骤s323的细节与图4a至图4c和图5a所示步骤s321的细节相似。图5c绘示球形卷积块scblast中的一个卷积核ker进行说明。在一些实施例中，球形卷积块scblast包含c个不同的卷积核(各自类似于图5c中的卷积核ker)，用来产生具有c个不同频道的第二头部相关传输函数hrtf2。
105.在一些实施例中，可以在步骤s321和步骤s322之间或步骤s322和步骤s323之间或
两者之间添加更多的球形卷积块。
106.在一些实施例中，最后一个球形卷积块scblast包含一个球形卷积层，用于执行球形卷积计算，且最后一个球形卷积块scblast中的球形卷积层包含多个卷积核(参见如图4a中所示的卷积核ker_1、ker_2
…
ker_2c)。球形卷积神经网络可以透过基于图神经网络(graph neural network,gnn)的球形卷积网络或其他应用球形卷积的神经网络来实现，但本公开文件并不以此为限。
107.在一些实施例中，球形卷积神经网络模型scnn中的最后一个球形卷积块scblast除了上述的球形卷积层外还包含其他的附加层。这些附加层可以包含图中未绘示的正规化层和/或非线性活化层，举例来说，非线性活化层可以是整流线性单位函式层(rectified linear unit,relu)。最后一个球形卷积块scblast中的正规化层和非线性活化层可以设置在球形卷积层之后。
108.进一步参考图6，图6绘示在本公开文件的一些实施例中以球形卷积神经网络模型scnn对第一头部相关传输函数hrtf1进行卷积计算产生第二头部相关传输函数hrtf2当中一个音讯幅度值mf1’的示意图。基于上述关于步骤s321至步骤s323中的实施例说明，第二头部相关传输函数hrtf2当中的特定一个音讯频率上的每个第二音讯特征值(例如，图6所示的音讯幅度值mf1’)不仅参考第一头部相关传输函数hrtf1中相同音讯频率上的第一音讯特征值，而是参考第一头部相关传输函数hrtf1中多个音讯频率的频率组合上的第一音讯特征值进行卷积计算的结果。这个频率组合包含了至少一个或多个音讯频率是不同于前述特定一个音讯频率。举例来说，第二头部相关传输函数hrtf2中在第一频率f1上的音讯幅度值mf1’是根据球形卷积神经网络模型scnn基于第一头部相关传输函数hrtf1中所有音讯频率f1～f9上的音讯特征值mf1～mf9和pf1～pf9的卷积结果来计算的。如图6所示，在第二头部相关传输函数中hrtf2的单一个频道上的音讯幅度值mf1’的卷积计算是参照第一头部相关传输函数hrtf1中所有频道的第一音讯特征值mf1～mf9和pf1～pf9并且是参照第一头部相关传输函数hrtf1中取样区域aa1内交叉节点的音讯特征值。
109.如图1和图3所示，执行步骤s330由上升取样模组142将产生的第二头部相关传输函数hrtf2输出至音讯处理单元144。如图1所示，音讯处理单元144可以根据第二头部相关传输函数hrtf2来处理音讯讯号auin并产生定位后的立体音讯讯号aul。
110.在图3所示的前述实施例中，音讯处理方法300包含对头部相关传输函数进行r倍解析度的上升取样的步骤s320。然而，本公开文件并不以此为限。
111.在其他一些实施例中，可以利用音讯处理方法更进一步对头部相关传输函数重复进行上升取样。进一步参考图7，图7绘示根据本公开文件一些实施例中的音讯处理方法700的方法流程图。在一些实施例中，图7中的音讯处理方法700是可由图1中的电子装置100来执行。
112.图7中的音讯处理方法700当中的步骤s710、步骤s720(包含步骤s721～s723)以及步骤s730与图3的实施例中的音讯处理方法300的步骤s310、步骤s320(包含步骤s321～s323)以及步骤s330相似。值得注意的是，音讯处理方法700可多次重复步骤s721～s723以进一步提升第二头部相关传输函数hrtf2的空间解析度。如图7所示，步骤s721～s723可以重复m个回合，以将第二头部相关传输函数的空间解析度重复提高为第一头部相关传输函数其空间解析度的r^m倍。m是一个大于1的正整数。举例来说，步骤s721～s723可以重复3个
回合，使得第二头部相关传输函数的空间解析度为第一头部相关传输函数空间解析度的r*r*r(即r^3)倍。步骤s710、步骤s720(包含步骤s721～s723)和步骤s730的进一步细节在此不再赘述。
113.在一些实施例中，如图1所示，球形卷积神经网络模型scnn可以由训练代理程序(training agent)根据训练数据(training data)进行训练。在一些实施例中，训练代理程序可以由处理器140或专用集成电路所执行的可编程指令代码来实现。在其他实施例中，球形卷积神经网络模型scnn可以由电子装置100以外的外部系统(图中未显示)来训练。
114.训练数据包含配对后的hrtf训练输入资料(低解析度的头部相关传输函数)以及其对应hrtf训练目标(高解析度的头部相关传输函数)。在实际应用中，训练数据包含大量配对后的(例如，100个配对到10000个配对)的hrtf训练输入资料和hrtf训练目标。在一些实施例中，可以对已知的hrtf训练目标(也就是高解析度的头部相关传输函数)进行下降取样(down-sample)来产生与其配对的hrtf训练输入资料。换句话说，可将已知的hrtf训练目标当中的多个节点彼此合并为hrtf训练输入资料中的一个节点，藉此完成下降取样。
115.每次训练迭代中，将hrtf训练输入资料传输至上升取样模组142，由上升取样模组142根据球形卷积神经网络模型scnn(基于上述实施例中的步骤s321～s323或s721～s723)对hrtf训练输入资料进行处理并产生上升取样结果。之后，将已知的hrtf训练目标与本次训练迭代产生的上升取样结果进行比较，得出一个损失值，并使用损失值计算并更新下一次训练迭代采用的球形卷积神经网络模型scnn的模型参数。经过一定次数的训练迭代，球形卷积神经网络模型scnn所能达到的上升取样结果将会相当接近已知的hrtf训练目标。
116.虽然本公开内容已以实施方式公开如上，然其并非用以限定本发明。任何熟悉此技术的人，在不脱离本公开内容的精神及范围内，当可作各种修改及改进。本公开内容的保护范围当视后附的申请专利范围所界定者为准。

技术特征：

1.一种音讯处理方法，其特征在于，该音讯处理方法，包含：接收一第一头部相关传输函数其中定义多个音讯频率上多个第一音讯特征值，该些第一音讯特征值分布于一球坐标系内以一第一空间解析度排列多个第一交叉节点上；以及采用一球形卷积神经网络模型将该第一头部相关传输函数上升取样为一第二头部相关传输函数，其中该第二头部相关传输函数当中定义对应该些音讯频率上多个第二音讯特征值，该些第二音讯特征值分布于该球坐标系内以一第二空间解析度排列的多个第二交叉节点上，该第二空间解析度高于该第一空间解析度，在该第二头部相关传输函数中对应单一个音讯频率上每一个第二音讯特征值各自是由该第一头部相关传输函数中对应多个音讯频率之一频率组合中的该些第一音讯特征值进行卷积计算得到，其中多个音讯频率的该频率组合包含不同于该单一个音讯频率的至少一音讯频率。2.根据权利要求1所述的音讯处理方法，进一步包含：利用该第二头部相关传输函数将一音讯讯号定位到空间当中一特定点，以产生一立体音讯讯号；以及将定位后的该立体音讯讯号传送至一播音器。3.根据权利要求1所述的音讯处理方法，其中该第一头部相关传输函数中的该些第一音讯特征值针对每一个第一交叉节点包含落在c个不同频道上的c个音讯幅度/相位值，该c个不同频道对应多个不同的音讯频率，以及该第一头部相关传输函数定义在该球坐标系中的n个第一交叉节点，该第一头部相关传输函数中的该些第一音讯特征值针对该n个第一交叉节点一共包含落在该c个不同频道的n*c个音讯幅度/相位值，n和c分别为大于1的正整数。4.根据权利要求3所述的音讯处理方法，其中将该第一头部相关传输函数上升取样为该第二头部相关传输函数的步骤包含：将该球形卷积神经网络模型的一第一球形卷积块套用至该第一头部相关传输函数以生成一第一隐藏张量；以及将该第一隐藏张量中的该些音讯幅度/相位值的数量扩展r倍以形成该第二头部相关传输函数，该第二头部相关传输函数定义该球坐标系中的n*r个第二交叉节点，r为大于1的有理数且n*r为整数。5.根据权利要求3所述的音讯处理方法，其中上升取样该第一头部相关传输函数至该第二头部相关传输函数的该步骤包含：将该第一头部相关传输函数中的该些音讯幅度/相位值的数量扩展r倍以形成一第二隐藏张量，该第二隐藏张量定义该球坐标系中的n*r个第二交叉节点，r为大于1的有理数且n*r为整数；以及将该球形卷积神经网络模型的一第二球形卷积块套用至该第二隐藏张量以生成该第二头部相关传输函数。6.根据权利要求3所述的音讯处理方法，其中上升取样该第一头部相关传输函数至该第二头部相关传输函数的该步骤包含：将该球形卷积神经网络模型的一第一球形卷积块套用至该第一头部相关传输函数以生成一第一隐藏张量；将该第一隐藏张量中的该些音讯幅度/相位值的数量扩展r倍以形成一第二隐藏张量，
该第二隐藏张量定义该球坐标系中的n*r个第二交叉节点，r为大于1的有理数且n*r为整数；以及将该球形卷积神经网络模型的一第二球形卷积块套用至该第二隐藏张量以生成该第二头部相关传输函数。7.根据权利要求6所述的音讯处理方法，其中将该第一隐藏张量扩展r倍的步骤包含：基于该n个第一交叉节点和该n*r个第二交叉节点的空间位置，在每个通道独立地内插计算该n*r个第二交叉节点上的该些音讯幅度/相位值。8.根据权利要求6所述的音讯处理方法，其中将该第一隐藏张量扩展r倍的步骤包含：将该些第一交叉节点当中一目标交叉节点上单个通道的单个音讯幅度/相位值复制r次，并将r个复制后的音讯幅度/相位值映射到该球坐标系中该些第二交叉节点的r个节点上，其中该些第二交叉节点的该r个节点的位置邻近于该球坐标系中该些第一交叉节点当中的该目标交叉节点。9.根据权利要求6所述的音讯处理方法，其中该第一球形卷积块或该第二球形卷积块包含一球形卷积神经网络层，该球形卷积神经网络层是由一基于图像神经网络的球形卷积网络实现。10.根据权利要求9所述的音讯处理方法，其中该球形卷积块进一步包含一正规化层、一非线性活化层或一填充层。11.根据权利要求1所述的音讯处理方法，其中该球形卷积神经网络模型的多个参数由一头部相关传输函数资料库而得到，该头部相关传输函数资料库包括多个头部相关传输函数配对，该些头部相关传输函数配对的每一对包括一低解析度头部相关传输函数和一高解析度头部相关传输函数，该低解析度头部相关传输函数是透过对该高解析度头部相关传输函数下降取样而产生。12.一种电子装置，其特征在于，该电子装置包含：一资料储存器，用以储存一球形卷积神经网络模型；以及一处理器，连接至该资料储存器，其中该处理器用以接收一第一头部相关传输函数，该第一头部相关传输函数当中定义多个第一音讯特征值，该些第一音讯特征值对应多个音讯频率且分布于一球坐标系中以一第一空间解析度排列的多个第一交叉节点上，其中该些第一交叉节点在该球坐标系中，该处理器更用以采用一球形卷积神经网络模型将该第一头部相关传输函数进行上升取样产生一第二头部相关传输函数，该第二头部相关传输函数当中定义多个第二音讯特征值，该些第二音讯特征值对应该些音讯频率且分布于该球坐标系中以一第二空间解析度排列的多个第二交叉节点上，该第二空间解析度高于该第一空间解析度，在该第二头部相关传输函数中对应单一个音讯频率的每一个第二音讯特征值是各自根据该第一头部相关传输函数中对应一音讯频率组合的该些第一音讯特征值的一卷积结果进行计算，其中该音讯频率组合包含不同于该单一个音讯频率的至少一音讯频率。13.根据权利要求12所述的电子装置，其中该处理器用以将该第二头部相关传输函数套用至一音讯讯号以将该音讯讯号定位到空间中一特定点以生成一立体音讯讯号，并将定位后的该立体音讯讯号传送到一播音器。14.根据权利要求12所述的电子装置，其中该第一头部相关传输函数中的该些第一音讯特征值针对每一个第一交叉节点包含落在c个不同频道上的c个音讯幅度/相位值，该c个
不同频道对应多个不同的音讯频率，该第一头部相关传输函数定义该球坐标系中的n个第一交叉节点，该第一头部相关传输函数中的该些第一音讯特征值包含对应于该n个第一交叉节点且落在该c个不同频道一共n*c个音讯幅度/相位值，n和c分别为大于1的正整数。15.根据权利要求14所述的电子装置，其中该处理器将该第一头部相关传输函数上升采样产生该第二头部相关传输函数是透过：将该球形卷积神经网络模型的一第一球形卷积块套用至该第一头部相关传输函数以生成一第一隐藏张量；以及将该第一隐藏张量中的该些音讯幅度/相位值扩展r倍为该第二头部相关传输函数，该第二头部相关传输函数定义该球坐标系中的n*r个第二交叉节点，r是一个大于1的有理数且n*r是一个整数。16.根据权利要求14所述的电子装置，其中该处理器将该第一头部相关传输函数上升采样产生该第二头部相关传输函数是透过：将该第一头部相关传输函数中的该些音讯幅度/相位值扩展r倍为一第二隐藏张量，该第二隐藏张量定义该球坐标系中的n*r个第二交叉节点，r是一个大于1的有理数且n&r是一个整数；以及将该球形卷积神经网络模型的一第二球形卷积块套用至该第二隐藏张量以产生该第二头部相关传输函数。17.根据权利要求14所述的电子装置，其中该处理器将该第一头部相关传输函数上升采样产生该第二头部相关传输函数是透过：将该球形卷积神经网络模型的一第一球形卷积块套用至该第一头部相关传输函数以产生一第一隐藏张量；将该第一隐藏张量中的数个该些音讯幅度/相位值扩展r倍大到一第二隐藏张量，该第二隐藏张量定义该球坐标系中的n*r个第二交叉节点，r是一个大于1的有理数且n*r是一个整数；以及将该球形卷积神经网络模型的一第二球形卷积块套用至该第二隐藏张量以生成该第二头部相关传输函数。18.根据权利要求17所述的电子装置，其中该处理器将该第一隐藏张量扩展r倍产生为该第二隐藏张量是透过：基于该n个第一交叉节点和该n*r个第二交叉节点的空间位置，在每个通道独立地内插计算该n*r个第二交叉节点上的该些音讯幅度/相位值。19.根据权利要求17所述的电子装置，其中该处理器将该第一隐藏张量扩展r倍产生为该第二隐藏张量是透过：将该些第一交叉节点当中一目标交叉节点上单个通道的单个音讯幅度/相位值复制r次，并将r个复制后的音讯幅度/相位值映射到该球坐标系中该些第二交叉节点的r个节点上，其中该些第二交叉节点的该r个节点的位置邻近于该球坐标系中该些第一交叉节点当中的该目标交叉节点。20.根据权利要求17所述的电子装置，其中该第一球形卷积块或该第二球形卷积块包含一球形卷积神经网络层，该球形卷积神经网络层是由一基于图像神经网络的球形卷积网
络实现，该第一球形卷积块或该第二球形卷积块进一步包括一正规化层、一非线性活化层或一填充层。

技术总结

一种音讯处理方法用以对第一头部相关传输函数进行上升取样产生第二头部相关传输函数。第一头部相关传输函数其中定义多个音讯频率上多个第一音讯特征值，该些第一音讯特征值以一第一空间解析度排列。第一头部相关传输函数透过球形卷积神经网络模型上升取样为第二头部相关传输函数，第二头部相关传输函数当中定义对应该些音讯频率上多个第二音讯特征值，该些第二音讯特征值以高于第一空间解析度的一第二空间解析度排列。音讯处理方法能够将第一头部相关传输函数进行上升取样而转换为具有高空间解析度的第二头部相关传输函数。有高空间解析度的第二头部相关传输函数。有高空间解析度的第二头部相关传输函数。