Cómputo de las respuestas impulsivas bi- auriculares usando redes neurales artificiales

José Francisco Lucio Naranjo; Roberto Aizik Tenenbaum; Julio Cesar B. Torres

José Francisco Lucio Naranjo Universidad de las Américas
Roberto Aizik Tenenbaum Universidade do Estado do Rio de Janeiro
Julio Cesar B. Torres Universidade Federal do Rio de Janeiro

Resumen

Este trabajo presenta un nuevo enfoque para obtener las Respuestas Impulsivas Bi-auriculares (BIR – Binaural Impulse Response) a ser aplicadas en sistemas de aurilización, a través del uso de Redes Neurales Artificiales (ANN – Artificial Neural Network). La meta principal es implementar las modificaciones espectrales de una Respuesta Impulsiva

Relacionada a Cabeza Humana (HRIR – Head-Related Impulse Response) usando una ANN, en vez de realizar el procedimiento tradicional de procesamiento de señales que envuelve convoluciones a través de transformadas de Fourier. Los datos de entrada para la red entrenada son rayos acústicos que llevan consigo el espectro de energía y la dirección de llegada. Estos rayos son obtenidos con el método híbrido implementado en el programa de simulación acústica RAIOS. Las pruebas realizadas sobre un subconjunto de direcciones de HRIRs muestran que el nuevo método es capaz de substituir el procedimiento tradicional y generar los componentes de las RIBs con errores muy pequeños y a un costo computacional mucho menor que el del método tradicional.

Los resultados en dominio de tiempo y frecuencia son presentados y discutidos.

Citas

J. Blauert, Spatial Hearing, The MIT Press, Cambridge (1997).

A. Kulowski, Algorithmic representation of the ray tracing technique, Applied Acoustics, Vol. 18, 449-469, (1984).

J.J. Embrechts, On modeling of room acoustics by a sound energy transition approach., Acustica vol. 51, 285-295 (1982).

R.A. Tenenbaum, T.S Camilo, J.C.B. Torres and S.N.Y. Gerges, Hybrid method for numerical simulation of room acoustics: Part 1 - Theorical and numerical aspects., J. Brasilian Soc. Mech. Sci. and Eng. vol. 29, n.2, 211-221 (2006).

I. Bork, Report on the 3rd Round Robin on room acoustical computer simulation - Part II: Calculations. Acta Acustica united with Acustica, Vol. 91, 4, 753-763, (2005).

D.M. Thompson, V.R. Algazi, R.O. Duda, C. Avendano, The CIPIC HRTF database, WASSAP ‘01 IEEE ASSP Workshop on Applications of Signal Processing to Audio and Acoustics, (2001).

B. Gardner, K. Martin, HRTF Measurements of a KEMAR Dummy-Head Microphone., J.~Acoust.~Soc.~Am. vol. 97, n. 6, 3907-3908 (1995).

J.C.B. Torres, M.R. Petraglia and R.A. Tenenbaum, An Efficient wavelet-based HRTF for auralization., Acta Acustica united with Acustica vol. 90, n. 1, (2004).

M. Vorländer, Auralization - Fundamentals of Acoustics, Modeling, Simulation, Algorithms and Acoustic Virtual Reality, Springer-Verlag, Berlin, (2008).

T. Ajdler, C. Faller, L. Sbaiz and M. Vetterli, Sound Field Analysis along a Circle and Its Applications to HRTF Interpolation, J.~Aud.~Eng.~Soc. vol. 56, n. 3, 156-175 (2008).

O. De Jesús, J.M. Horn and M.T. Hagan, Analysis of Recurrent Network Training and Suggestions for Improvements, Proceedings of the International Joint Conference on Neural Networks, Washington, DC, July 15-19 (2001).

H. Demuth, M. Beale and M. Hagan, Neural Network Toolbox, User’s Guide, The MathWorks, Inc. (2010).

J.F. Lucio Naranjo, R.A. Tenenbaum and J.C.B. Torres, Using artificial neural networks to generate virtual acoustic reality applied on escape training in blind conditions, International Review of Chemical Engineering vol. 2, 754-759 (2010).