个性化的声音处理系统和设备
阅读：979发布：2020-05-15
专利汇可以提供个性化的声音处理系统和设备专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种面向个人听觉的声音处理系统；本系统通过测试个人的听 力 ，结合多年的人 耳 听觉以及 心理学 的研究数据，分析出个人听觉特征，建立个人听力模型，从而评估用户的听力健康状况；根据所评估的听力健康状况，本系统可以完成对各类音乐、歌曲的个性化处理，以达到有利于用户听力健康的，提高听觉体验的效果；本系统还可以对各类音乐、歌曲进行声学特征分析，基于用户听觉与心理特征，为用户搜索歌曲，向用户推荐音乐，达到个性化营销的目的；本系统不仅可以通过互动式语音应答或在网络上实现，还可以在终端设备上进行集成；本系统广泛适用于互联网行业和 电子 产品行业。，下面是个性化的声音处理系统和设备专利的具体信息内容。
1.声音处理系统，包括心理声学测试和声学处理器；其特征在于：所述的心理声学测试，驱动一个播放设备，将测试所需的多个声音发给一个用户；所述的用户，针对所述的声音做出相应回答；所述的回答，被收集起来，得出心理声学测试的结果；所述的测试结果，作为参数被配置到所述的声学处理器中；所述的声学处理器，分析所述的测试结果，得出用户的听力特征和听力健康状态；根据所述的听力特征，所述的声学处理器，把普通音乐处理成个性化的、专门为所述用户定制的音乐，以达到有利于用户听力健康的，提高听觉体验的效果。
2.根据权利要求1的声音处理系统，其特征在于：所述的心理声学测试被听觉生理学测试所代替。
3.根据权利要求1或2的声音处理系统，其特征在于：所述的处理，包括对输入音乐的幅度谱的个性化调整，以及对输入音乐的相位谱的调整，为所述用户提供最优化的听觉体验；所述的最优化的听觉体验，有利于所述用户的听觉系统健康，同时带来更加个性化的，更加震撼的音乐效果和更加增强的音乐感受。
4.根据权利要求2的声音处理系统，其特征在于：所述的听觉生理学测试，通过发送纯音、带通噪音，测量用户的听觉脑干响应，计算出听觉处理的群延迟，利用群延迟和相位延迟之间的关系，得到相位延迟；所述的相位延迟，被用于调整输入音乐的相位，以使所述的用户获得个人最优的听觉体验。
5.根据权利要求3的声音处理系统，其特征在于：所述的对输入音乐的相位谱的调整，是个性化的，是针对每个用户听力特征单独定制的。
6.根据权利要求1或2的声音处理系统，其特征在于：所述的处理，目的是进行个性化低音增强。
7.根据权利要求1或2的声音处理系统，其特征在于：所述的处理，目的是对音乐进行个性化的空间感增强，使音乐更加有立体感。
8.根据权利要求1或2的声音处理系统，其特征在于：多轨录音的每一轨，都被单独的个性化，然后合成为一个音乐作品。
9.根据权利要求1或2的声音处理系统，其特征在于：多轨录音的每一轨，作为一个声源；利用双耳效应，让人感觉所述声源来自声场空间的某一个点，进行个性化空间感增强；
最后，所有轨处理后的信号合成为一个作品。
10.根据权利要求1或2的声音处理系统，其特征在于：所述的声学处理器被个性化音乐搜索和个性化音乐分类所代替；所述的声学测试结果，被用于音乐搜索和分类；所述的音乐搜索和分类，为单个用户搜索出个性化的音乐，推荐个性化的音乐。
11.根据权利要求1或2的声音处理系统，其特征在于：所述的处理，根据一首歌曲的信号特征，相应地补偿，把最适合用户个性听力特性的幅度谱和相位谱，应用到所述歌曲上去。
12.根据权利要求1或2的声音处理系统，其特征在于：所述的声学处理器，为每一类风格的音乐，做个性化的幅谱调整和相位谱调整；从而，对于一个用户，所述的声学处理器根据用户选择的音乐类型不同，做出不同的处理。
13.根据权利要求1或2的声音处理系统，其特征在于：所述的声学处理器，针对双耳的互掩蔽、互时间差和互强度差的特性，个性化地提供立体声双通道的最佳播放效果。
14.根据权利要求1或2的声音处理系统，其特征在于：所述的声学处理器，根据个人的幅度响应特征和相位响应特征，推导最适合个人的空间滤波器，该滤波器能够使用户产生空间感觉；所述的空间滤波器为多个，分别并行处理音乐中的多个组成部分，使用户听到每一个组成部分来自空间的某一个点。
15.根据权利要求14的声音处理系统，其特征在于：所述的空间滤波器是随着音乐的播放而时变的；这种随着时间的变化，使用户感觉到音乐的来源在空间中随着时间的变化而移动，带来更多的身临现场的动态效果。
16.根据权利要求1或2的声音处理系统，其特征在于：所述的用户的声学测试结果，被加上密码，写入音乐文件中，形成一个包含了用户个人信息的新音乐文件；在被播放的时候，所述的新音乐文件中的个人信息，被解码得到个人声学测量结果，在播放的过程中最优化听觉体验。
17.根据权利要求1或2的声音处理系统，其特征在于：所述的一个用户的心理声学测试结果，提供了声学的曲线；所述的声学的曲线，可以用于把大的音乐文件压缩成小的音乐文件；所述这种压缩是个性化的，在被播放的时候，所述的用户不会察觉到音质的受损。
18.听力检查系统，其特征在于：通过心理声学测试，获得用户的左右耳听力曲线；左右耳听力曲线做差，得到第一条曲线；在左耳听力曲线上，每个频率点的值，与相邻频率点的值做差，得到第二条曲线；在右耳的听力曲线上，每个频率点的值，与相邻的频率点做差，得到第三条曲线；所述的三条曲线，被联合加以分析，获得用户听力特征，报告听力健康的状态。
19.根据权利要求18的听力检查系统，其特征在于：所述的左右耳听力曲线，使用纯音、噪声、噪声中的纯音、带通噪音、带阻噪声、带通噪音中的纯音和带阻噪声中的纯音这些声音中的一种以上,分别测量左右耳得出，从而获得用户听力特征，最优化音乐，增强个性化的音乐体验。
20.根据权利要求1或2的声音处理系统，其特征在于：所述的声学测试，利用时变频率信号，来测试个人听觉对音乐的群延迟；所述的测试结果，被用来增强各个频率之间的同步到达性，使用户感受最优的音色。
21.根据权利要求1或2的声音处理系统，其特征在于：所述的声学处理器，基于输入的音乐信号，产生谐波信号，谐波信号的相位谱由一个声学测试来确定，谐波的幅度谱由第二个声学测试来决定；所述的第一个声学测试，测试个人听觉的群延迟；所述的第二个声学测试，测试个人的等响曲线。
个性化的声音处理系统和设备
技术领域
[0001] 本发明涉及信号处理、心理声学和听觉生理学，更具体的说，本发明涉及一种个性化的声音处理系统，用于测试用户听力特征，报告用户的听力健康状况，并基于该用户的听力特征，将普通的音乐文件，加工成更加好听的、有利于该用户听力健康的、适于长期聆听的音乐文件。
背景技术
[0002] 一些本发明中使用的词汇，其涵义分别列出如下。
[0003] 人耳解剖结构——包括外耳、中耳、内耳、听神经、脑干和听神经中枢等。声音在外耳得到增强，中耳将空气振动转换成机械震动，内耳将机械震动转换成神经脉冲，神经脉冲经过听通路，最终到达听神经中枢，使人感觉到声音。
[0004] 声学测试——本发明所述的声学测试包括两种：心理声学测试和听觉生理学测试。心理声学是研究声音和听觉之间关系的学科，而心理声学测试是测试一个人的听觉特征的实验。在物理学中，一个声音可以从频率、幅度和相位来描述；而心理声学的描述则不同，它从人类心理的角度把一个声音的属性描述为音高、响度和音色。
[0005] 听觉生理学测试——发出声音给人听，然后记录下在听到声音之后这个人的物理特征的变化，如脑电和脑磁场的变化，这称为听觉生理学测试。常见的听觉生理学测试，包括听觉脑干响应（Auditory Brainstem Response，ABR），畸变产物耳声发射（Distortion Product Oto-Acoustic Emissions，DPOAE)，复合动作电位(Compound Action Potential，CAP)和脑电图（Electroencephalography，EEG）。
[0006] 声压强——是一种声音强度的度量单位，通常缩写为SPL (Sound Pressure Level)，也称为声压级、声音强度或强度。它的单位是 dBSPL(Decibel Sound Pressure Level)。它是一个客观的描述音量大小的物理量。0 dBSPL是人类大约能听到的最小声音，痛苦的门限值为135 dBSPL。安静的背景音乐，通常在50 dBSPL，交响乐通常达到110 dBSPL或者更高，而很响的摇滚乐可以达到120 dBSPL。
[0007] 纯音——只含有一个单一频率的声音。例如，1000Hz的正弦声波发出的声音，是一个1000赫兹的纯音。
[0008] 谐波——由一个纯音，以及它的整数倍的频率，叠加共同组成的复合声音。 [0009] 基音——谐波中最小的那个频率称为基音，也称为基频。
[0010] 泛音——谐波中，除了基音，所有其它更高的整数倍的频率成分都称为泛音。 [0011] 残余音——对于纯音, 它的音高主要决定于频率；而对于由基音和泛音组成的复合音，其音高较为复杂。自亥姆霍兹以来,普遍认为复合声的音高决定于基音的频率，因为基音的振幅在频谱中占优势。但是测试表明,若复合声的基频很弱,甚至完全被滤掉，它的音高仍维持基频的音高不变。这种失去基频仍保持音高不变的复合音，被称为残余音[1]。 [0012] 单轨录音——用单一轨道，将所有现场的声音一起录下来的技术。
[0013] 多轨录音——在音乐的制作过程中，使用许多轨将乐器和人声分别录进电脑；在后期处理中，经过合成后混为一个成品。多轨录音的作用和优势明显，它避免了“单轨录音”的两个缺点：缺点一，如果一个演奏者出了偏差，全部演奏者都要重来；缺点二，所有的乐器都录在一起，后期制作的时候，无法针对每件乐器做精细的调整。
[0014] 耳蜗群延迟效应——当声音传播到了人耳的耳蜗，对不同的频率，耳蜗会产生不同的延迟时间。也就是说，进过耳蜗之后，高频的声音到达听觉神经较快，而低频的声音到达的较慢。这种效应，称为耳蜗群延迟效应。可以看出，耳蜗群延迟扭曲了声音的相位。对于耳蜗对相位的扭曲，研究者已经确定了其特性[2,3]。德波尔(De Boer)推导出了一种调频脉冲信号，该信号能够恰好补偿人类耳蜗带来的相位扭曲[2]。
[0015] 临界频带——当两个声音的频率靠的很近时，人耳不能够区分出来。这个最小的频率差值，就称为临界频带。临界频带的宽度，一般认为1/3-1/6音程。人耳会倾向于合并在临界频带内的声音。不仅如此，不同的频带给人的感觉差异巨大， 16～60赫兹频段能给音乐以力度；提升60～250赫兹能够使音乐丰满；250～2000赫兹能赋予音色号角般的色彩；2000～4000赫兹人耳的灵敏度最好；4000～6000赫兹为清晰、明亮和主观感受的频段；5000赫兹稍加衰减定会使声音产生距离感和透明感；6000～20000赫兹则控制着声音的明亮与清晰，若稍加调整即可产生轻松、清脆和光泽感。
[0016] 响度——响度是主观感受到的声音强度，它表示的是一个声音听来有多响的程度。根据美国国家标准学会(American National Standards Institute, ANSI)的定义，响度是听觉感知的一种属性，该属性按照从安静到响亮的顺序排布。响度与声压强不同，后者是客观的声音强度。通过A加权曲线，过滤声压强，可以近似获得典型人耳的响度。响度的单位是宋（Sone）和方（Phon）。现代心理声学进行了响度的定量判断测试，并建立了响度量表。1宋的定义为1000赫兹、40 dBSPL纯音所引起的响度，大致相当于轻声说话的声级。宋量表证明，响度正比于 1000赫兹等响声压的0.6次幂，就是说，1000赫兹等响声的声压级提高10dB，响度加倍。响度和听力损伤的关系如下：如果发生听力损伤，响度的感觉就会发生变化；较低的声音就听不见了，但是很响的声音还是感觉和原来差不多，这被称为响度重振[4]。
[0017] 等响曲线——人耳对于不同的声音敏感程度不同，其中，人耳对2000-5000赫兹的频率最为敏感。这说明响度的变化不是单纯地决定于声音强度，也与频率有关。两个不同频率的纯音，虽强度相同，引起的响度却不同。总的来说，由于人耳的特点，中频纯音听来比低频和高频纯音响一些。以1000赫兹、80 dBSPL的纯音为参照声，通过响度平衡测试，可以得到一条等响线，如图1所示。在这条等响线上,纵轴是声压强，横轴是频率，各频率的纯音尽管声压级不同,但都与该曲线上的1000赫兹纯音等响。所以，此曲线上各纯音的响度级，都是80方(phon)[1]。类似的，还有100方，60方，40方，20方，0方的曲线。这一簇曲线，统称为等响曲线。等响曲线的特点：响度从0方增大到100方，等响曲线逐渐变平。这说明响度增长率，随着频率的不同而不同。最小的等响曲线，代表人类能听到的最轻的声音，被称为阈值、听力门限或绝对听力门限(Absolute Hearing Threshold)。等响曲线，由贝尔实验室的Fletcher和Munson在1933用纯音测量，并在多个人上平均得到。该等响曲线在1986年被写入了标准化文件ISO 226中。
[0018] 听力门限——声音不够一定强度不能引起听觉，人类最低能听到的声音强度称为听力门限，也称为阈值。听力门限有个体差异，因而所谓正常听力门限，只能是一些听力正常的年轻人的听力门限的统计平均值。听力门限随频率而变化：500～4000赫兹之间阈值最低；在它们之上和之下的高频声和低频声的阈值都较高，如20赫兹纯音的阈值，比1000赫兹的高约70dB，而10000赫兹纯音的阈值也比 1000赫兹的高约10dB。最敏感的频率是-113000赫兹左右，空气分子振动的振幅达到10 米，人类就可以听到[1]。
[0019] 音长——音长是声音长短的感觉，人类感觉到的音长和声音的物理时间长短是不相等的[1]。
[0020] 音程——一个频率与它的两倍频率之间的距离，称为一个音程。
[0021] 音高——声音调子高低的程度。音高主要取决于声音的频率,它随频率的升降而升降。但是,它也不是单纯地由频率决定，与声音强度也有关系。低频纯音的音高随强度增加而下降；反之，高频纯音的音高却随强度增加而上升。音高定量判断测试是让人听一系列纯音，使它们在音高上听来间隔相等。这样取得的平均判断构成了音高量表，其单位称为美。在此量表上，1000赫兹纯音的音高被定为1000美(mel)[1]。
[0022] 音色——音色是对声音音质的感觉。纯音不存在音色问题。而复合声的音色具有很多变化。例如，不同乐器所发出的声音，音色不同。小提琴和钢琴发出的中央C音,尽管它们响度和音高相同，听起来还是不一样，原因在于它们音色的差异。声音的音色取决于它们的频谱。复合声这种多量纲的特点，使得音色也具有多量纲性，不同于只有单个量纲的响度和音高。所以，音色只能用多维空间上相应的点来确定。语言的多维量表测试证明，音色的知觉空间上的点与频谱的物理空间上的点是非常吻合的[1]。
[0023] 声音设备的校准——对声音播放设备的校准，需要根据美国国家标准学会(American National Standards Institute，ANSI)的标准，或者国际标准化组织（International Standard Organization, ISO）的标准来进行。
[0024] 音乐欣赏的个人差异化——人的听觉特征参数差异显著，使用人类平均的曲线，或者任何一定固定的曲线，无法给个人带来最大化的音乐享受。
[0025] 失真——音乐设备在播放音乐的时候会带来失真。失真包括三种：群延迟失真，谐波失真和互调失真。群延迟失真，是指音乐设备对不同频率的分量，产生不同延迟，引起音色扭曲。谐波失真是指，如果播放1000赫兹的声音，由于失真会产生2000赫兹，3000赫兹,…一系列的声音；互调失真是指，播放1000赫兹的和100赫兹的声音，产生了900赫兹和1100赫兹的声音。
[0026] 双耳效应——声源定位的主要因素为两耳的时间差和强度差，也称为双耳效应。由于头部、耳廓、外耳道等的共振、反射作用,使听到的声音频谱受到调制。来自右边的声音先到达右耳，强度也比左耳收到的强。复合声的定位比纯音容易，纯音，尤其是2000～
3000赫兹的纯音, 定位特别困难。在可听声范围内，耳廓的指向性不显著，但对定位仍有作用。在低频率，两耳强度差别不大, 定位主要靠相位因素或时间差因素。在高频率, 相位变化复杂，强度差更为重要。在中频，定位更依赖时间和强度的综合作用[1]。人耳对声源定位，对于横向角度的定位精度为5度左右，甚至可以高达1-2度。如果耳廓的边缘被逐渐填满，定位的能力就逐渐消失了，消失的程度正比于填充的面积；显然，大脑利用了耳廓的反射，来确定声源。对声音中所包含的延迟时间的信息，双耳比较敏感，能够从中获取很多信息：耳廓反射所引发的延迟，在0.1毫秒的量级；左右耳的时间差非常重要，它在0.5毫秒的量级；对于1-50毫秒的延迟信号，大脑会合并到直达信号，所以大脑并不会认为这是回声；大于50毫秒的延迟，听起来会觉得是回声；50-100毫秒的延迟，给人的感觉像一个洞穴般的回声；大于400毫秒的回声，大脑可以把它和原信号区别出来，更有回声的感觉。 [0027] 最小可区别的强度差——人类最小可区别的强度差别，为1-3dB。所以，高质量的播放设备，其幅谱相应的波动，应被控制在2dB之内。但是，因为房间效应的存在，一个上下波动2dB的频率响应，在现实世界的自由空间播放是很难达到的。因此，比较现实的要求是：高质量的音乐播放设备，200-20000赫兹上下波动5dB，20-200赫兹上下波动10dB。听力门限的概念还包括差别门限，即两个（能够引起听觉差别的）声音的最小差值。就频率说,在63赫兹左右有经验的人耳能区别相差0.5赫兹的两个纯音的差别,但这种阈值在1000赫兹要增加到1.4赫兹,频率越高差别门限越大。在整个听觉范围内,可辨别的声音约34万个[1]。
3000赫兹的纯音, 定位特别困难。在可听声范围内，耳廓的指向性不显著，但对定位仍有作用。在低频率，两耳强度差别不大, 定位主要靠相位因素或时间差因素。在高频率, 相位变化复杂，强度差更为重要。在中频，定位更依赖时间和强度的综合作用[1]。人耳对声源定位，对于横向角度的定位精度为5度左右，甚至可以高达1-2度。如果耳廓的边缘被逐渐填满，定位的能力就逐渐消失了，消失的程度正比于填充的面积；显然，大脑利用了耳廓的反射，来确定声源。对声音中所包含的延迟时间的信息，双耳比较敏感，能够从中获取很多信息：耳廓反射所引发的延迟，在0.1毫秒的量级；左右耳的时间差非常重要，它在0.5毫秒的量级；对于1-50毫秒的延迟信号，大脑会合并到直达信号，所以大脑并不会认为这是回声；大于50毫秒的延迟，听起来会觉得是回声；50-100毫秒的延迟，给人的感觉像一个洞穴般的回声；大于400毫秒的回声，大脑可以把它和原信号区别出来，更有回声的感觉。 [0027] 最小可区别的强度差——人类最小可区别的强度差别，为1-3dB。所以，高质量的播放设备，其幅谱相应的波动，应被控制在2dB之内。但是，因为房间效应的存在，一个上下波动2dB的频率响应，在现实世界的自由空间播放是很难达到的。因此，比较现实的要求是：高质量的音乐播放设备，200-20000赫兹上下波动5dB，20-200赫兹上下波动10dB。听力门限的概念还包括差别门限，即两个（能够引起听觉差别的）声音的最小差值。就频率说,在63赫兹左右有经验的人耳能区别相差0.5赫兹的两个纯音的差别,但这种阈值在1000赫兹要增加到1.4赫兹,频率越高差别门限越大。在整个听觉范围内,可辨别的声音约34万个[1]。
[0028] 最小可区别的频率差——对一个年轻人，最小可区别的频率差，在1-5赫兹之内，都是正常的[5]。在1000—2000赫兹, 最小可区别的频率差是3.6 赫兹。也就是说，音高的变化超过3.6 赫兹，即能被感知到。
[0029] 冲激响应——对一个音乐处理系统，当输入信号为冲激的时候，系统的输出信号被定义为冲激响应。也即，若输入是狄拉克冲激 ,则系统输出 被称为冲激响应。如果冲激响应的傅里叶变换为 ，则频谱响应的定义为 ，幅度谱响应定义为
。
。
[0030] 均衡器——在音乐欣赏中，均衡器是一个常用的组件。它的作用就是对不同的频率增强强度或者衰减强度。通常来说，均衡器被划分成多个频率范围，低音范围（bass）从 20赫兹起；中低音范围（mid-bass），从100到500赫兹(如低音鼓，低音吉他, 话语的低频段)；中频范围（midrange），从500赫兹到4000赫兹(如吉他，话语)；高频范围（tweeters），从4000赫兹到20000赫兹。
[0031] 滤波——使用特定冲激响应的系统，对输入信号进行处理，称为滤波。 [0032] 录音设备——本发明中录音设备是可以记录下外界声音的电子设备，例如普通动圈话筒、高灵敏度的专业电容麦克等。
[0033] 数字水印技术——本发明测量出的心理声学参数，可以通过数字水印的方法，嵌入到歌曲当中去。数字水印技术，对于本领域技术人员是显而易见的。
[0034] 用户终端——在本发明中，用户终端是指用户可以控制的、能够播放声音的电子设备，例如消费电子设备、掌上设备、手机、电脑等。
[0035] 本发明所提到的群延迟有两个方面涵义：第一，群延迟失真：如果声音播放设备产生了群延迟，就能够被人类听到失真的感觉。
500赫兹人类可以听出的最小失真是3.2毫秒的延迟；1000赫兹是2毫秒；2000赫兹是1毫秒；4000赫兹是1.5毫秒；8000赫兹是2毫秒[6]。另外，群延迟会导致声音相位谱的失真。相位谱的失真，会带来音色的改变，使听者感觉到失真和扭曲。施瓦德（Schroeder）发现了这一现象,具体来说，他发现一个泛音信号，即使幅度谱保持水平，仅仅相位谱改变，就能够为人们带来音色和音质的改变[7]。
500赫兹人类可以听出的最小失真是3.2毫秒的延迟；1000赫兹是2毫秒；2000赫兹是1毫秒；4000赫兹是1.5毫秒；8000赫兹是2毫秒[6]。另外，群延迟会导致声音相位谱的失真。相位谱的失真，会带来音色的改变，使听者感觉到失真和扭曲。施瓦德（Schroeder）发现了这一现象,具体来说，他发现一个泛音信号，即使幅度谱保持水平，仅仅相位谱改变，就能够为人们带来音色和音质的改变[7]。
[0036] 第二，当声音通过人的内耳，会产生群延迟。实际上，人的内耳的解剖结构，导致了人类对高频信号反应比低频信号快。为了描述这一个物理现象，德波尔（doBoer）建立了一个内耳的群延迟数学模型[2]。如果把人耳看作近似为一个线性时不变(Linear Time-Invariant, LTI)系统，那么它可以用频率响应 来描述。假定外界的声音是，那么人类感觉到的声音是：（公式 ）
在（公式1）中， 是群延迟，是相位延迟。
在（公式1）中， 是群延迟，是相位延迟。
[0037] 推广开来，内耳、听神经末梢、以及听力系统的各个处理节点，都会对不同频率，产生不同的延迟。例如，听力脑干响应（Auditory Brainstem Response, ABR）检测，是一种临床广泛应用的，筛查新生儿听力缺陷，检测成年人听力障碍的检查手段；如果播放不同的纯音，则可以观察到听力脑干响应的延迟是不同的。
[0038] 对于个人电脑、掌上设备和便携式电子产品，由于尺寸的限制，低于125赫兹的声音，通过这些设备播放的效果，会严重下降，远远无法达到家庭影院的音响效果。即使高端的耳机，其频谱响应，在低于125赫兹的范围通常也会有10dB/音程的下降（在高频端4000赫兹以上，20dB的波动都是常见的）。
[0039] 即使很好的播放设备，其频谱响应曲线仍然不能保持平坦。而且，每个人的听力门限的曲线差异巨大。这两种效果叠加在一起，导致每个人听同一首歌，听到的感觉都不是最佳的。
[0040] 对个人来讲，叠加后的曲线有尖峰，有低谷。在低谷的地方，这个人就无法听到音乐的细节。这种情况下，音乐欣赏者倾向于调大音量。大量研究结果表明，音量与听力永久性损伤有直接的关系，如果音量超过85 dBSPL，则音量越大，收听时间越长，听力受到永久性损伤的越快。
[0041] 在不增加音量的情况下，如何给听者带来个性化的音乐、更清晰的音乐、更好听的感觉，从而保护听力健康，是本领域亟待解决的问题。
[0042] 这个问题，均衡器或者均衡设备无法解决。首先，在不了解个人听力特征的情况下，仅凭感觉调节均衡器，有可能会将音乐调的更加不健康。其次，从一个人到另一个人的听力都不一样，任何一条或者几条均衡器曲线，无法匹配个人的听力。
[0043] 音乐和人类健康之间的关系，包括四方面：第一，不适当的音乐，不适当的音乐设备，或者不适当的播放方式，能够直接损伤人类听力系统，永久性地导致听力下降，所以人类应当聆听适合自己的、有利于自己听力健康的音乐。
[0044] 第二，每个人的听力不同，如果一个人的听力在某些频率低于平均水平，这个人就无法听到音乐某些的细节。这种情况下，音乐欣赏者倾向于调大音量。大量研究结果表明，音量越大，听力永久性损伤越多。这个问题，需要个性化的音乐才能解决。
[0045] 第三，音乐能够直接影响人的生理状态，如血压和心率等，多个研究都证实了音乐疗法能够治疗疾病[8,9]。但是，不恰当的播放强度，或者不恰当的频率成分，不仅不能治疗疾病，反而会危害人体健康。例如，人类暴露在400赫兹、109 dBSPL、500毫秒下，其反应如下：4-11秒之后，动脉和静脉血压显著上升[10]。让人感觉刺激性的音乐，还会增加精神疾病的长期风险，影响心率和诱发紧张的荷尔蒙[11,12]。所以，选择适合于自己的健康的音乐，并欣赏这些音乐，能够获得音乐疗法的益处，也能够直接多方面提升健康状态。 [0046] 第四，在长期实践中，音乐工作者和音乐爱好者均发现，平坦频率响应的音乐为平淡无味和没有活力的。而且，音乐欣赏的个人差异化是显著的。所以，为每一个人提供个性化的音乐，能够最大化音乐享受。但是，现有技术和产品，无法满足这个需求。 [0047] 以上所描述的群延迟失真、低音效果不足、非平坦的频谱响应、忽视听力健康、无法获得个性化的音乐，成为本领域亟待解决的问题。
[0048] 参考文献[1]. Békésy, G.v., Experiments in Hearing. 1960: McGraw-Hill, New York.[2]. deBoer, E., Auditory physics. Physical principles in hearing theory. Phys. Rep. , 1980. 62: p. 87–174.
[3]. Shore, S.E. and A.L. Nuttall, High-synchrony cochlear compound action potentials evoked by rising frequency-swept tone bursts. J. Acoust. Soc. Am. ,
1985. 78: p. 1286-1295.
[4]. ANSI, "American national psychoacoustical terminology" S3.20 American Standards Association. American National Standards Institute, 1973.
[5]. Jourdain, R., Music, the Brain and Ecstasy. 1997: Avon Books, New York.
[6]. Blauert, J. and P. Laws, Group Delay Distortions in Electroacoustical Systems. Journal of the Acoustical Society of America, 1978. 63(5): p.
1478-1483.
[7]. Schroeder, M.R. and H.W. Strube, Flat-Spectrum Speech. J. Acoust. Soc. Am, 1986. 79(5).
[8]. Besson, M., et al., Singing in the brain: independence of lyrics and tunes. Psychol Sci., 1998. 9(494-498).
[9]. Platel, H., Neuropsychology of musical perception: new perspectives. Editorial Oxford, 2002.
[10]. Steele, K.M., J.D. Brown, and J.A. Stoeker, Failure to confirm the Rauscher and Shaw description of recovery of the Mozart effect. Percept Mot Skills, 1999. 88(843-848).
[11]. Carstens, C.B., E. Huskins, and G.W. Hounshell, Listening to Mozart may not enhance performance on the revised Minnesota Paper form Board Test. . Psychol Rep, 1995. 77(111-114).
[12]. Hughes, J.R., et al., The "Mozart effect" on epileptiform activity. Clin Electroencephalogr, 1998. 29(109-119)。
[3]. Shore, S.E. and A.L. Nuttall, High-synchrony cochlear compound action potentials evoked by rising frequency-swept tone bursts. J. Acoust. Soc. Am. ,
1985. 78: p. 1286-1295.
[4]. ANSI, "American national psychoacoustical terminology" S3.20 American Standards Association. American National Standards Institute, 1973.
[5]. Jourdain, R., Music, the Brain and Ecstasy. 1997: Avon Books, New York.
[6]. Blauert, J. and P. Laws, Group Delay Distortions in Electroacoustical Systems. Journal of the Acoustical Society of America, 1978. 63(5): p.
1478-1483.
[7]. Schroeder, M.R. and H.W. Strube, Flat-Spectrum Speech. J. Acoust. Soc. Am, 1986. 79(5).
[8]. Besson, M., et al., Singing in the brain: independence of lyrics and tunes. Psychol Sci., 1998. 9(494-498).
[9]. Platel, H., Neuropsychology of musical perception: new perspectives. Editorial Oxford, 2002.
[10]. Steele, K.M., J.D. Brown, and J.A. Stoeker, Failure to confirm the Rauscher and Shaw description of recovery of the Mozart effect. Percept Mot Skills, 1999. 88(843-848).
[11]. Carstens, C.B., E. Huskins, and G.W. Hounshell, Listening to Mozart may not enhance performance on the revised Minnesota Paper form Board Test. . Psychol Rep, 1995. 77(111-114).
[12]. Hughes, J.R., et al., The "Mozart effect" on epileptiform activity. Clin Electroencephalogr, 1998. 29(109-119)。
发明内容
[0049] 本发明利用声学测试，获得用户个人的听力特征，分析得出用户的听力健康状况，再根据所述用户的听力特征，修改音乐文件，以使所述用户获得针对性、健康的、清晰的、好听的音乐。为实现以上目的，本发明的特征是：一组声学测试，包括心理声学测试或听觉生理学测试；用户的一组听力特征，通过所述的声学测试获得；一组声音处理器，根据所述用户的听力特征，处理、提供个性化的音乐。
[0050] 如前所述，每个人的听力差异巨大；如果一个人的听力在某些频率低于平均水平，那么这个人就无法听到音乐在所述频率的细节；这时，音乐欣赏者倾向于调大音量；大量的研究表明，音量过大，是导致听力永久性损伤的重要因素。这个矛盾，可以被本发明很好的加以解决。例如，如果用户在3000赫兹的听力低于平均水平，而1000赫兹的听力较好，则本发明自动把音乐中1000赫兹的能量，移动一些到3000赫兹，而不改变总能量；这样用个性化的能量分配，不仅更健康，而且提高了音乐的细节感和清晰度。从而，本发明使用户不必增大总音量，即可获得健康、适合自己的清晰音乐。
[0052] 附图1是等响曲线，曲线上的任何一点所发出的声音，人类听到的响度都相同，这条曲线的响度为80方(Phon)。
[0053] 附图2是本发明的一个具体实施例的结构示意图，它增强了个性化重低音。 [0054] 附图3是本发明的一个具体实施例的结构示意图，它实现了个性化的最佳均衡曲线。
[0055] 附图4是本发明的一个具体实施例的结构示意图，它实现了音乐的个性化空间感。
[0056] 附图5是本发明的一个具体实施例的结构示意图，它实现了心理声学空间感的测试。
[0057] 附图6是本发明的一个具体实施例的结构示意图，它实现了音乐的空间感随时间而变化的功能。
[0058] 附图7是本发明的一个具体实施例的结构示意图，它实现了心理声学群延迟的测试。
[0059] 附图8是本发明的一个具体实施例的结构示意图，它在音乐信号处理同时采用了个性化幅谱曲线和个性化群延迟。
[0060] 附图9是本发明的一个具体的时变频率信号的波形。
具体实施方式
[0061] 在本发明的描述中，“或”具有包含性的意义，包含任何组合，所以“A、B或C”，包括下面的各种组合{“A” ，“B” ，“C” ，“A和B” ，“A和C” ，“B和C”，“A、B和C”}。本发明所提到“一个具体实施例”，意味着本发明一个特定的结构或特别的实现。而本发明各段落所提到的“一个具体实施例”，不一定指代同一个实施例。同时，本发明所提到的特定结构和特征，可以在一个或多个实施例上不受限制的以合适的方式组合。本发明可以运行在网页服务器上，也可以独立运行在用户终端上，或者通过打电话的方式进行，或者部分运行在网页服务器、部分运行在用户终端上、部分通过打电话的方式进行。本发明不仅包括系统和方法，还包括计算机程序和设备。本发明所提到所有具体实施例，均不对本发明的权利要求产生任何限定。
[0062] 在本发明的一个具体实施例中，一个心理声学测试包括多步；每一步有一个声音从用户设备中播放出来，如果用户听到了声音，则选“是”，否则选“否”；所述的心理声学测试，对左耳和右耳分别进行；最终左耳的结果和右耳的结果，分别进行比较，得出听力健康的报告。
[0063] 在本发明的一个具体实施例中，一个心理声学测试包括多步；每一步有2个或2个以上的声音从用户设备中播放出来；根据测试的要求，用户必须在多个声音中选择一个；所述的心理声学测试，对左耳和右耳分别进行；最终左耳的结果和右耳的结果，分别进行比较，得出听力健康的报告。
[0064] 在本发明的另一个具体实施例中，在心理声学测试的每一步中，用户可以多选一（即N 选1，N>1）；也可以每一步随机播放一个刺激，而后采用用户打分的方法，统计出直方图，判断出用户的测试结果。
[0065] 在本发明的一个具体实施中，心理声学测试有多个(n>1)子测试组成；每个子测试，测量一个用户的听力特征；全部的所述子测试的特征，组成一个特征矢量;其中。 ,…, 是描述第1个子测试特征的数组， ,…, 是描述第2个子测试特征的数组，…，,…, 是第n
个子测试特征的数组。
个子测试特征的数组。
[0066] 在本发明的一个具体实施中，心理声学测试由多个测试环节组成，每个环节的播放时间；一个测试环节结束之后，用户做出回答所需的时间为，然后再经过一段等待时间，另一个测试环节才开始进行；所述的等待时间 ，可以因人而异的选择，实现个性化；这个选择过程，可以是用户定制的，也可以由测试程序自动监测，动态配置。
[0067] 在本发明的一个具体实施中，心理声学测试由多个测试环节组成，每个环节的播放时间 ；一个测试环节结束之后，用户做出回答所需的时间为 ；如果在规定的等待时间 内，用户仍然未做出回答，则自动使用缺省回答，并进入下一个测试环节。
[0068] 在本发明的一个具体实施例中，心理声学测试的目标是获得响度增长曲线，检测用户的听力好坏；所述的响度增长曲线的获得，测试了多步；每一步中，用户对目前的声音的响度，进行主观打分；最后，测试的结果是一条客观音量到主观响度的映射曲线；所述的映射曲线，其斜率能够被用于检查听力好坏，如果斜率高于平均水平，则有听力受损发生；如果斜率低于平均水平过多，也是异常情况；所述的映射曲线；第二种用途如下，在多首歌曲播放的时候，或者多个音频节目播放的时候，实施自动音量控制，保证不同节目播放的音量能够自适应的个性化的调整。
[0069] 在本发明的一个具体实施例中，用户的听力门限，被加以测量；所述的测量中，有M个频率，被依次测量；第n个频率的听力门限的测量结果，作为第n+1个测量的初值；这样的做法，能够提高测试效率，加速收敛，减小测试时间。
[0070] 在本发明的另一个具体实施例中，用户使用所述的系统，检查自己的听力健康；所述的系统包括多步；每一步中，用户听到N个(N>2)声音；在这N个声音中，N-1个声音是同样的（称为参考声），只有一个特殊的声音与其它声音听起来不同；所述的N个声音被顺序播放；而特殊声音随机出现在其中一个位置；所有的声音播放结束之后，用户被要求在N 个声音中找出那个听起来不一样的声音；根据用户的回答正确或错误，测试的难度自动的加大或减小；当难度增加的时候，特殊的声音和参考声越来越相似，反之，难度减小的时候，特殊的声音和参考声差异越来越大；如果用户连续M 步(M为整数)回答都是正确的，则增大测试的难度，否则，降低测试的难度；所述的测试，跟踪了用户的听力能力；对跟踪曲线进行分段平均，就能够得到测试结果；所述的测试结果，代表了用户的听力状态和听力健康水平。
[0071] 在本发明的一个具体实施例中，用户使用心理声学测试，测试听力，建立个人听力的模型；所述的心理声学测试有2*L个子测试组成；所述的测试，一半对左耳，一半对右耳，使用的声音可以是纯音、噪音、带通噪音、带阻噪声、噪音中的纯音、带通噪音中的纯音或带阻噪声中的纯音。
[0072] 在本发明的一个具体实施例中，一个心理声学测试实施在用户上，并最终获得双耳的测试结果，该测试结果被用于一个分类算法，最终诊断和筛查听力的健康状况。 [0073] 在本发明的另一个具体实施例中，心理声学测试的结果，被用于声音疗法，提升记忆力及集中力，缓解自闭症或抑制癫痫。
[0074] 在本发明的另一个具体实施例中，心理声学的测试结果，被用于配置一个专业的声音治疗设备，为用户实施相应的治疗。
[0075] 在本发明的一个具体实施例中，用户拨打一个电话做声学测试，定制个性化的音乐；接通之后，用户做声学测试；所述的声学测试由很多步组成；在每一步中，用户听到一个或多个声音，根据测试的要求，用户通过N 选一的方式做选择，或者通过打分的方式做出响应；所述的用户响应，可以是按下一个键，也可以是口头回答；在测试结束之后，所述的用户响应，被用来计算用户的听力特征；所述的听力特征，被用来为用户提供个人定制的音乐；一旦提取了用户特征，用户就可以获得多首定制过的、个性化的音乐。
[0076] 在本发明的另一个具体实施例中，用户通过拨打电话的方式进行声学测试，测试结果可以用不同的平台给用户反馈；所述的反馈，可以用语音的方式告知用户，也可以用短信的方式、网络的方式、或者纸面的方式；所述的反馈的内容，包含向用户推荐的一组歌曲，输出用户在所有人听力中的排名，提供用户听力健康的状态，对用户听力保健做出建议，对用户聆听的音乐的建议或者对用户日常听力保健习惯的建议。
[0077] 在本发明的一个具体实施例中，用户可以拨打电话或者上网的方式，定制个性化铃音；用户进入“歌曲库”，选取一首想用来做彩铃或炫铃的歌曲；所选的歌曲，其幅度谱和相位谱被处理成多种音乐效果，播放给用户听；所述的每一种音乐效果，用户加以打分；最高分的音乐效果，被记录下来，应用到所选音乐上；用户可以反复试听、选择，直到满意为止。
[0078] 在本发明的一个具体实施例中，用户在网络上进行声学测试，以获得推荐的音乐；所述的声学测试结果，与用户偏好、用户打分、用户选择歌曲的历史、用户个人信息、文字、年龄或性别，进行联合搜索，推荐适合个人的音乐。
[0079] 结合图2，详细说明本发明的一个具体实施例，但不对本发明的权利要求作任何限定。如图2，用户的听力学特征，被用于个性化重低音；输入音乐201，通过带通滤波器202，带通滤波器203，带通滤波器204被分成N个频段；所述的带通滤波器输出带通信号，到谐波发生器205，谐波发生器206，谐波发生器207；所述的谐波发生器的输出，进入到个性化相位器208；所述的个性化相位器208，包括相位谱调整器209，相位谱调整器210，相位谱调整器211；所述的相位谱调整器，其输出到个性化幅度器215；所述的个性化幅度器包括幅度谱调整器216，幅度谱调整器217，幅度谱调整器218；所述的幅度谱调整器的输出，被加法器219相加，成为输出音乐220。
[0080] 结合图3，详细说明本发明的另一个具体实施例。如图3，本发明被用来输出一个用户的最佳均衡曲线。图中所述的均衡器库是一个二维的矩阵，矩阵的第l行、第m 列的元素，是一组均衡曲线 ，其中，l表示第l个类型的歌曲，m表示第m种用户需求，n表示第n 条均衡曲线，f是频率。如图3，用户自己的歌曲301，或者歌曲库302中的歌曲，被选择成为所选歌曲203；所述的用户对此进行聆听，根据听觉感受，从列表中选择一个需要改进的选项304；所述的选项304，表明了用户对自己需求的主管描述；所述的描述，被用于从均衡器库305（由所有的 构成）读取所需的均衡曲线；所选歌曲303，经过歌曲分析和分类器306，输出分类信息到所述的均衡器库305；所述的均衡器库305，输出N 个具有不同音乐效果的歌曲307；所述的用户对N个歌曲307进行打分，获得分数308；最高分数的歌曲就是最佳的个性化音乐309，并同时输出的最佳均衡曲线310。
[0081] 所述的 构成为：m=1，用户需求为增加背景声效如雷声、火车声等；所述的均衡曲线是增强20-40赫兹的频率；所述的均衡曲线 是减弱20-40赫兹的频率。
[0082] m=2，用户需求为增强架子鼓的嘭嘭声、增强低音感觉；所述的均衡曲线是增强60赫兹-200赫兹，减弱100-4000赫兹，增加5000赫兹；所述的均衡曲线是增加泛音。
[0083] m=3，用户需求为增强大鼓的声音；所述的均衡曲线 是轻微增强80赫兹，所述的均衡曲线 是降低多轨录音中其它乐器的音量、包括降低电声吉他的
音量。
音量。
[0084] m=4，用户需求为增强低音，增强吉他、歌声与号的热烈感觉，或者增强这些乐器的充实感；所述的均衡曲线 是增强80-200赫兹；所述的均衡曲线 ，为了增强低音，可以减小350赫兹左右，提高800赫兹。
[0085] m=5，用户需求为增强低音同时增强高音；所述的均衡曲线 是轻微降低100-4000赫兹。
[0086] m=6，用户需求为增强音乐的热烈感觉；所述的均衡曲线 是增强120赫兹以下的频率，增强程度适中，避免出现浑浊感。
[0087] m=7，用户需求为增强音乐的隆隆声、增强电影音乐的爆炸声或者动作声、增加原声吉他和钢琴的音质；所述的均衡曲线 是轻微增强120-125赫兹，这是低音喇叭的上限，也是大鼓和低音吉他的下限，同时是原声吉他和钢琴的下限，而原声吉他的主体在
240赫兹，清晰度在2500-5000赫兹；所述的 轻微减弱120-125赫兹。
240赫兹，清晰度在2500-5000赫兹；所述的 轻微减弱120-125赫兹。
[0088] m=8，用户需求为增加音乐深度、增加歌声和乐器的呈现感；所述的均衡曲线是增强120-600赫兹的频率；所述的均衡曲线 是减弱120-600赫兹的频率。
[0089] m=9，用户需求为增强音乐中钹的感觉、减少音乐中的浑浊感觉；所述的均衡曲线是增强200赫兹; 所述的均衡曲线 是减弱200赫兹。
[0090] m=10，用户需求为充实小鼓的感觉、增强原声吉他的充实感、减弱歌声以减小；所述的均衡曲线 是增强240赫兹; 所述的均衡曲线 是减弱240赫兹。
[0091] m=11，用户需求为减弱鼓声中的“纸板”声、减弱低音吉他；所述的均衡曲线是减弱350-400赫兹频率; 所述的均衡曲线是增强350-400赫兹。
[0092] m=12，用户需求为增强呈现感、增强音乐的硬度；所述的均衡曲线 是增强600-3000赫兹频率，尤其是摇滚乐; 所述的均衡曲线 是减弱600-3000赫兹。
[0093] m=13，用户需求为增强低音吉他的打击感、减弱电声吉他的劣质声音；所述的均衡曲线 是增强800赫兹的频率；所述的均衡曲线 是减弱800赫兹的频率。
[0094] m=14，用户需求为增强大鼓的鼓槌的敲打感；所述的均衡曲线 是增强2000-4000赫兹频率；所述的均衡曲线 是减弱2000-4000赫兹频率。
[0095] m=15，用户需求为增强吉他真实的丝丝声、增强低音吉他的感觉；所述的均衡曲线是增强2500赫兹频率，尤其是弹弦/击弦弹奏风格；所述的均衡曲线是减弱2500赫兹频率。
[0096] m=16，用户需求为增强原声吉他和钢琴的清晰度；所述的均衡曲线是增强2500-5000赫兹频率；所述的均衡曲线 是减弱2500-5000赫兹频率。
[0097] m=17，用户需求为增强摇滚乐的响度、增加热烈感觉；所述的均衡曲线是增强3000-7000赫兹频率；所述的均衡曲线 是减弱3000-7000赫兹频率。
[0098] m=18，用户需求为增强音乐的歌声；所述的均衡曲线 是增强4000赫兹频率所述的均衡曲线 是减弱4000赫兹频率。
[0099] m=19，用户需求为增强架子鼓的打击感、为小鼓增加的清晰尖利感、减小背景声；所述的均衡曲线 是增强5000赫兹频率；所述的均衡曲线 是减弱5000
赫兹频率。
赫兹频率。
[0100] m=20，用户需求为增强钹的质量和准确性、增加歌曲的精确度、减小歌声中的咝声；所述的均衡曲线 是增强7000赫兹以上的频率；所述的均衡曲线是减弱7000赫兹以上的频率。
[0102] m=22，用户需求为增强钢琴、风琴的清晰度；所述的均衡曲线 是增强10000赫兹频率；所述的均衡曲线 是增强10000赫兹频率。
[0103] 在本发明的另一个具体实施例，一个多轨录音的个性化混音如图3所示；所述的混音器的目的，是为了个人获得最大的音乐享受；所述的混音器，除了包含图3所述的均衡曲线 ，还增加了一个维度，就是乐器类型；所述的乐器类型是指吉他，钢琴，钹，高帽钹，大鼓，小鼓，架子鼓，风琴，歌曲等；根据不同的乐器类型，多轨录音在混音以前，可以对每一轨的乐器进行单独的均衡，均衡的方式如图3所示；最后，均衡后的单轨声再叠加在一起。
[0104] 在本发明的一个具体实施例中，心理声学测试结果，被结合于双耳效应，使人产生虚拟的空间感，把多轨录音中的歌声和多个乐器，在空间中排布开来，给人身临其境的感觉；如果在单轨录音的情况下，则单轨录音先被提取出歌声和多个乐器的声音，然后在空间排布；如图4所示，输入音乐401，通过音乐分析器，被分成N个空间信号，即空间信号403，空间信号404，空间信号405；所述的空间信号，分别进入个性化幅度均衡器406，个性化幅度均衡器407，个性化幅度均衡器408；所述的个性化幅度均衡器的输出，被个性化相位器409，个性化相位器411，个性化相位器412分别加以处理，在加法器412相加，成为个性化的音乐。
[0105] 在本发明的另一个具体实施例中，心理声学测试包含多步；每一步中，N个空间信号被播放出来，用户做出一个选择；根据所述的选择，在下一步中N个空间信号被播放出来；最终，测试结果可以显示用户的空间分辨能力；所述的空间分辨能力，可以用来个性化用户的歌曲，以产生个性化的、虚拟三维空间的感觉; 所述的具体实施例，如图5所示，空间心理声学测试501包含多步，在每一步，发射N个信号，即空间信号502, 空间信号503和空间信号504。
[0106] 在本发明的一个具体实施例中，音乐的个性化空间感，由图6的结构实现；音乐分析器分析出多个独立成分；所述的独立成分，是歌曲和多个乐器；然后随着节拍的提取，歌曲的声源可以指向虚拟空间中某一点；所述的指向性，随着时间的变化而变化，以重现歌手在舞台上的走动；这种移动，结合个性化幅度均衡器，以及个性化相位均衡器，给人以个性化的现场感；如图6所示，输入的音乐601，进入音乐分析器602，被分成N个空间信号；所述的N 个空间信号，是空间信号604，空间信号605，…，空间信号606；所述的音乐分析器602的第二个输出是音乐节拍603；所述的音乐节拍603，经过空间轨迹器613，产生随时间变化的空间轨迹，控制空间信号605，使用户的歌声随着时间变化位置，产生歌手走动的，歌声来自不同方向的感觉；所述的N 个空间信号的输出，分别连在个性化幅度均衡器607，个性化幅度均衡器608，…，个性化幅度均衡器609上；所述的个性化幅度均衡器，输出到个性化相位均衡器610，个性化相位均衡器611，…，个性化相位均衡器612上，由加法器614对信号进行相加，得到个性化的音乐615。
[0107] 用户通过用户设备，连接网络进行测试，获得测试结果；所述的测试结果，能够结合用户其它个人信息，为用户提供多种不同的个性化服务，包括听力健康咨询，网络音乐定制，音乐预处理，音乐疗法等。
[0108] 用户的声学测试，分为开放声场型和耳机型。前者是直接通过空气，播放给用户听；后者通过耳机，直接插入耳朵，覆盖在外耳，或者戴在头上收听。
[0109] 在本发明的一个具体实施例中，实验方式为开放声场型，播放激励音时，用户捂住一只耳朵，用另一只耳朵听取声音；测试一只耳朵结束后，换成另一只耳朵，重复测试。用户也可以使用耳塞或者声音隔绝工具，阻塞一只耳朵。对于本领域技术人员，选择使用耳塞的方法，是显而易见的，可以挑选噪声降低评级 (Noise Reduction Rating, NRR)高的耳塞。 [0110] 在本发明的另一个具体实施例中，声学测试使用开放声场型，对于双耳听力不平衡的用户，有一只耳朵A不好，另一只耳朵B明显较好；有可能这种情况，当测试耳朵A的听力、阻塞耳朵B时，因为需要的音量较大，导致耳朵B通过头部骨骼的漏音，听到一部分声音，这影响了对耳朵A的单耳测试效果。为求更好的测试效果，可以用一只耳机，对耳朵B播放掩蔽的噪音，同时对耳朵A进行测试。
[0111] 在本发明的另一个具体实施例中，快速测试的用户，可以在自由声场或者佩戴耳机时同时测量两个耳朵的联合听力，将测试时间减小一半。
[0112] 在本发明的一个具体实施例中，心理声学测试需要测量背景噪声的强度；在所述的测量中，用户的一只耳朵外露，另一只耳朵聆听耳机的声音。不限定性的举例，右耳外露，左耳通过耳机收听声音；耳机中的声音会逐渐增大音量，直到双耳感觉声音平衡时，用户停止测试；另一种测试方法是，耳机中声音的音量也可以从响亮到微弱，直到感觉双耳响度平衡，用户停止测试；又一种测试方法，耳机中的声音的音量，也可以从响亮到微弱，从微弱到响亮，反复多次，直到最后取算数平均值或几何平均值，即为背景噪声的强度。然后，左右耳交换位置，重复以上步骤，即可测得另一只耳朵的背景噪声强度。除非特殊的环境，左右耳的噪声强度是相同的；一旦两者有差异，则其中的一只耳朵有听力损伤。播放的声音，可以是噪音；也可以是滤波噪音，滤波噪音谱的形状，由用户个人的响应曲线决定，也可以由ANSI平均的响应曲线确定。
[0113] 在本发明的一个具体实施例中，声卡的影响在声学测试之前能够被消除掉；用户登录一个网站，用音频线把耳机输出口接在录音输入口上，点击开始，则网站播放一个或多个声音，同时录下声音；所述的录下的声音，被上传到网站，并加以分析，得到声卡的频谱响应曲线；根据所述的频率响应曲线，存在网站上，用于精准的校准该用户的心理声学测试结果；网站所播放的声音，可以是白噪声，滤波噪声，纯音，或者特定的声音文件如格雷码（Golay Code）。
[0114] 在本发明的另一个具体实施例中，声卡的影响，能够使用离线法来消除；用户下载一个或者多个声音文件，用音频线连接音频输出口到音频输入口；所述的声音文件，使用用户设备自带的播放软件播放，并同时用录音软件进行录音；最后，将录音文件用分析软件进行分析，即可获得声卡的频谱响应曲线，以校准而获得精准的心理声学测试结果。 [0115] 在本发明的一个具体实施例中，音乐设备被提前校准，以获得极为精确的心理声学测试结果；所述的音乐设备，可以从网上或者本机软件，依次播放一个特定的声音，可以是白噪声，滤波噪声，纯音；使用电压表，电流表，或者声强仪，调节音量，直到电压，电流，或者声压，达到耳机手册的标称值。
[0116] 在本发明的一个具体实施例中，用户的心理声学测试结果，通过数字水印技术，写在歌曲文件中，如写入mp3文件中；在歌曲播放的时候，需要具有解码功能的播放器；所述的播放器，解码数字水印，在播放的过程中调整歌曲的幅谱响应和相位谱响应，使用户获得实时的个性化享受。
[0117] 在本发明的另一个具体实施例中，用户的心理声学测试结果，被用数字水印技术，写在歌曲文件中，作为头信息；所述的头信息，具有防盗版功能，用户甲的播放器，无法播放用户乙的音乐文件。
[0118] 在本发明的一个具体实施例中，个性化幅谱曲线被提供给单个用户，处理输入的音乐流；所述的用户的双耳听力门限为 ，其中i=1表示左耳，i=2表示右耳，f 表示频率；所述的个性化幅谱曲线，使用 来均衡音乐，其中n, m均为整数；不加限制的举例， 的时候，均衡后的个性化音乐，给人的感觉清晰而且柔和。
[0119] 本发明的一个具体实施例中，可以随着响度的大小，自动调整均衡曲线的方法；将频带分割成符合人耳临界频带的方式，测量每个频带的能量，计算其响度，然后叠加起来。 [0120] 在本发明的一个具体实施例中，用户使用噪声中的纯音，获得自身的听力检测门限；利用此门限，获得一条幅度随着频率变化的曲线；所述的曲线，加入了掩蔽的效应，更加符合收听音乐时，用户个人对每个频段的感知能力；所述的曲线，可以被用于均衡，获得更加健康的歌曲和音乐。
[0121] 在本发明的一个具体实施例中，音乐信号处理采用了激励相位对齐技术，滤波输入的音乐流，获得个性化群延迟，从而使用户的音乐体验达到巅峰；所述的激励相位对齐技术，保证了每一个频率分量，到达耳蜗的时间，都是严格对齐的；对齐的相位，随频率变化而变化，其规律符合一个调频脉冲信号；不限定的举例，调频脉冲信号表达如下（公式2）
其中， 是群延迟时间，f是频率，k=4.78，a=165.4，d=1.1。根据群延迟时间，可以计算出相位延迟时间 ，方法如下
（公式3）
在本发明的另一个具体实施中，音乐信号处理采用了激励相位对齐技术，针对如下两个问题进行精细的修正；第一个问题是，个人的相位特性，与（公式2）的平均相位特性不完全吻合，这会破坏相位补偿关系；第二个问题是耳机带来附加的扭曲，则此补偿关系进一步遭到了破坏；所述的两种破坏有可能叠加在一起，或者单独存在，需要进一步适配，得到个性化的补偿；所述的激励相位对齐技术，利用降频的调频信号，根据图7所示的群延迟心理声学测试，搜索出用户最小可区别的降频速率；所述的最小可区别的降频速率，于公式（2）相比较，根据两者的差值，就能够计算出进一步相位补偿的程度；如图7所示，在群延迟心理声学测试中，时变频率信号702，时变频率信号703，…，时变频率信号704，共N 个信号发送给用户，用户聆听之后，被要求选择其中一个。
其中， 是群延迟时间，f是频率，k=4.78，a=165.4，d=1.1。根据群延迟时间，可以计算出相位延迟时间 ，方法如下
（公式3）
在本发明的另一个具体实施中，音乐信号处理采用了激励相位对齐技术，针对如下两个问题进行精细的修正；第一个问题是，个人的相位特性，与（公式2）的平均相位特性不完全吻合，这会破坏相位补偿关系；第二个问题是耳机带来附加的扭曲，则此补偿关系进一步遭到了破坏；所述的两种破坏有可能叠加在一起，或者单独存在，需要进一步适配，得到个性化的补偿；所述的激励相位对齐技术，利用降频的调频信号，根据图7所示的群延迟心理声学测试，搜索出用户最小可区别的降频速率；所述的最小可区别的降频速率，于公式（2）相比较，根据两者的差值，就能够计算出进一步相位补偿的程度；如图7所示，在群延迟心理声学测试中，时变频率信号702，时变频率信号703，…，时变频率信号704，共N 个信号发送给用户，用户聆听之后，被要求选择其中一个。
[0122] 在本发明的另一个具体实施中，音乐信号处理采用了激励相位对齐技术，采用如下方法做进一步的修正；用户采用听觉生理实验的方法，记录在播放纯音或带通噪声的条件下，测量出来的听觉脑干响应（Auditory Brainstem Response，ABR），畸变产物耳声发射（Distortion Product Oto-Acoustic Emissions，DPOAE)，复合动作电位(Compound Action Potential，CAP)或脑电图（Electroencephalography，EEG），然后计算出个人的群延迟曲线；所述的群延迟曲线和公式（2）相比较；两者的差值，被用于得出个性化群延迟。 [0123] 在本发明的一个具体实施例中，音乐信号处理同时采用了个性化幅谱曲线和个性化群延迟，以使音乐满足用户独特的音乐欣赏要求,其步骤如图8，输入音乐801，通过个性化幅度谱均衡803；所述的个性化幅度谱均衡803，由一个心理声学测试802的结果控制；所述的输入音乐801，通过响度分析模型805，得到响度估计值804；所述的响度估计值804，控制了个性化幅度谱均衡803；所述的个性化幅度谱均衡803的输出，通过相位均衡806，得到输出音乐807。
[0124] 在本发明的一个具体实施例中，个性化群延迟信号可以被加以简化如下（公式4）。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于听觉感知特性的语音质量客观评估的方法 | 2020-05-13 | 408 |
| 基于听觉关注度的音频质量客观评价系统及方法 | 2020-05-13 | 762 |
| 一种确定助听设备听力补偿增益的方法 | 2020-05-15 | 401 |
| 基于类脑多感觉注意切换的计算方法 | 2020-05-14 | 503 |
| 鼠的听觉、视觉记忆模型及智能化行为检测系统 | 2020-05-12 | 97 |
| 耳蜗植入物的仿生快速适配 | 2020-05-14 | 979 |
| 基于仿生听觉系统中耳蜗模型的海豚哨声信号听觉特征提取方法 | 2020-05-11 | 653 |
| 时域听觉阈值加权滤波器的构造方法和设备、编解码器 | 2020-05-13 | 710 |
| 基于计算听觉场景分析和生成对抗网络模型的语音降噪方法 | 2020-05-12 | 133 |
| 基于听觉系统模型的老年人及残障人士说话人的识别方法 | 2020-05-12 | 124 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈