CN105208501A - 对电声换能器的频率响应特性进行建模 - Google Patents

Abstract

本发明的实施例涉及信号处理。公开了用于生成特定于一种电声换能器的类别的频率响应特性的模型的方法。该方法包括针对该类别的至少一个电声换能器获得频率响应特性的至少一个测量。该方法还包括基于该至少一个测量来生成该模型。还公开了相应的系统和计算机程序产品。

Description

对电声换能器的频率响应特性进行建模

技术领域

本发明总体上涉及信号处理，更具体地，涉及对电声换能器的频率响应特性进行建模。

背景技术

在使用音频增强技术的一些应用中需要已知电声换能器的频率响应特性，这些应用诸如双耳渲染和噪声补偿(或消除)。如本文所用，电声换能器可以包括例如耳机、麦克风、扬声器以及可以将电信号转换为声信号的任何其他设备。而且，频率响应特性可以包括耳机到耳膜转移函数、麦克风到耳膜转移函数、耳机的传输损耗、麦克风的传输损耗等。

在噪声补偿的应用中，例如，计算用于由耳机播放的音频信号的适当增益以补偿该音频信号外部的周围环境中的环境噪声信号。在此应用中，为了计算该增益，通常测量耳机的频率响应特性和与该耳机相关联的麦克风的频率响应特性，以估计感知到的音频信号和环境噪声信号。如本文所用，与耳机相关联的麦克风是指可以对可以影响耳机播放的音频信号的感知的环境噪声信号进行记录的麦克风，该麦克风可以嵌入到该耳机中或者位于该耳机附近。通常由声学工程师使用专业测量设备来执行该测量。然而，此方式可能代价高并且费时。

发明内容

为了解决上述问题，本发明提出用于对电声换能器的频率响应特性进行建模的方法和系统。

在第一方面，本发明的实施例提供一种用于生成特定于一种电声换能器的类别的频率响应特性的模型的方法。该方法包括：针对该类别的至少一个电声换能器获得频率响应特性的至少一个测量；以及基于该至少一个测量来生成该模型。这方面的实施例还包括相应的计算机程序产品。

在第二方面，本发明的实施例提供一种用于生成特定于一种电声换能器的类别的频率响应特性的模型的系统。该系统包括：测量获得单元，被配置为针对该类别的至少一个电声换能器获得频率响应特性的至少一个测量；以及模型生成单元，被配置为基于该至少一个测量来生成该模型。

在第三方面，本发明的实施例提供一种用于估计电声换能器的频率响应特性的方法。该方法包括：确定电声换能器的类别；获取特定于该类别的频率响应特性的模型；以及至少部分地基于该模型来估计电声换能器的频率响应特性，其中该模型是根据本发明的第一方面的方法生成的。这方面的实施例还包括相应的计算机程序产品。

在第四方面，本发明的实施例提供一种用于估计电声换能器的频率响应特性的系统。该系统包括：确定单元，被配置为确定电声换能器的类别；获取单元，被配置为获取特定于该类别的频率响应特性的模型；以及估计单元，被配置为至少部分地基于该模型来估计电声换能器的频率响应特性，其中该模型是根据本发明的第一方面的方法生成的。

通过下文描述将会理解，根据本发明的实施例，可以基于针对一种电声换能器的类别的至少一个电声换能器的频率响应特性的至少一个测量来生成特定于该类别的频率响应特性的模型，并且继而可以基于该模型来估计该类别的任意所选电声换能器的频率响应特性。以此方式，不需要对每个个体电声换能器执行频率响应特性的测量，并且因此可以节省费用和时间。

本发明的实施例所带来的其他益处将通过下文描述而清楚。

附图说明

通过参考附图阅读下文的详细描述，本发明实施例的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例而非限制性的方式示出了本发明的若干实施例，其中：

图1示出了根据本发明的某些示例实施例的用于生成特定于一种电声换能器的类别的频率响应特性的模型的方法的流程图；

图2示出了根据本发明的某些其他示例实施例的用于生成特定于一种电声换能器的类别的频率响应特性的模型的方法的流程图；

图3示出了根据本发明的某些示例实施例的用于生成特定于一种电声换能器的类别的频率响应特性的模型的系统的框图；

图4示出了根据本发明的某些示例实施例的用于估计电声换能器的频率响应特性的方法的流程图；

图5示出了根据本发明的某些示例实施例的用于估计电声换能器的频率响应特性的系统的框图；以及

图6示出了适于实现本发明的示例实施例的计算机系统的框图。

在各个附图中，相同或对应的标号表示相同或对应的部分。

具体实施例

下面将参考附图中示出的若干示例实施例来描述本发明的原理。应当理解，描述这些实施例仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。

如上，用于获得电声换能器的频率响应特性的示例方法是声学工程师使用专业测量设备来测量电声换能器的频率响应特性。这种方式可能代价高并且费时，因为可能需要对每个个体电声换能器执行测量。

为了解决上述以及其他潜在的问题，本发明的某些实施例提供了一种用于生成特定于一种电声换能器的类别的频率响应特性的模型的方法和系统。在该方法和系统中，考虑了相似电声换能器的共同特性。根据本发明的实施例，电声换能器可以基于其声学特性被分成多个类别，其中电声换能器的每个类别具有相似的声学特性。然而，可以生成特定于一种电声换能器的类别的频率响应特性的模型。以此方式，不需要对每个个体电声换能器执行频率响应特性的测量，并且因此可以节省费用和时间。

首先参照图1，其示出了根据本发明的某些示例实施例的用于生成特定于一种电声换能器的类别的频率响应特性的模型的方法100的流程图。

如图1所示，在方法100的步骤S101，针对一种电声换能器的类别的至少一个电声换能器获得频率频率响应特性的至少一个测量。

如上，根据本发明的实施例，电声换能器可以基于其声学特性被分成多个类别。由于一种电声换能器的类别可以具有相似的声学特性，因此该种类别的电声换能器可以具有相似的频率响应特性。例如，如果以耳机作为电声换能器的示例，则耳机的类别可以包括过耳式耳机、耳塞式耳机、入耳式耳机等。

在本发明的一个实施例中，类别的数目可以随着应用不同而变化。例如，如果应用要求特定于一种电声换能器的类别的频率响应特性的较准确的模型，则类别的数目较多，反之亦然。

根据本发明的该实施例，针对一种类别，可以例如由声学工程师使用专业测量设备来测量至少一个电声换能器的频率响应特性。在一个实施例中，该至少一个电声换能器可以包括一个电声换能器，如果该电声换能器可以充分代表该类型。在另一实施例中，该至少一个电声换能器可以包括多个电声换能器，以便增强所生成的特定于该类型的频率响应特性的模型的准确性。

方法100继而进行到步骤S102，其中基于针对一种电声换能器的类别的至少一个电声换能器获得的频率响应特性的至少一个测量来生成特定于该类别的频率响应特性的模型。因此，可以基于电声换能器的该类别的共同特性来对特定于该类别的频率响应特性进行建模。

利用方法100，可以针对一种电声换能器的类别来对频率响应特性进行建模，并且因此不需要对每个个体电声换能器执行频率响应特性的测量。以此方式，可以节省费用和时间。

在本发明的某些实施例中，在方法100的步骤S102处特定于一种电声换能器的类型的频率响应特性的模型的生成可以基于针对该类型的至少一个电声换能器获得的频率响应特性的至少一个测量的平均来执行。

在本发明的一个实施例中，可以将至少一个测量的平均值作为模型。如以上所讨论的，该至少一个测量可以包括一个或多个测量。如果获得了一个测量，则平均值可以是该测量本身。

备选地，在另一实施例中，如果获得了多于一个测量，则可以将这些测量中的最大值和最小值的平均值作为该模型。通过平均方式，可以基本上导出频率响应特性的至少一个测量的公共频谱形状，并且复杂度可以很低。

该平均方式可以适合于具有较大误差容忍度的应用。为了进一步提高特定于一种电声换能器的类别的频率响应特性的模型的准确性，在本发明的一个实施例中，还可以至少部分地基于频带的感知重要性来生成该模型。例如，由于不同频带对于音频信号的感知的贡献可能是不同的，所以在平均处理期间，可以针对较重要的频带赋予较大的权重。

现在返回到方法100的步骤S102，在本发明的某些其他实施例中，可以执行特定于一种电声换能器的类别的频率响应特性的模型的生成，以使得该模型相对于该至少一个测量的畸变可以被优化。

在该实施例中，可以基于某个优化目标来导出优化的模型，该优化目标可以利用某些畸变计算准则。例如，优化目标可以针对于确保模型与至少一个测量之间的欠估计误差和过估计误差最小。如本文所使用，欠估计误差是指由于模型小于至少一个测量而导致的误差，而过估计误差是指由于模型大于至少一个测量而导致的误差。

利用该优化方式，可以提高特定于一种电声换能器的类别的频率响应特性的模型的准确性。与如上的平均方式相似，在本发明的一个实施例中，在优化处理期间，可以至少部分地基于频带的感知重要性来生成该模型，以便进一步提高模型的准确性。例如，可以针对较重要的频带赋予较大的权重。

备选地或者附加地，在本发明的另一实施例中，为了在优化处理期间进一步提高模型的准确性，可以对针对至少一个电声换能器的频率响应特性的至少一个测量进行归一化，继而可以基于归一化的测量来生成该模型。通过归一化处理，可以消除电声换能器之间的灵敏度差异，并且因此可以更准确的导出频率响应特性的至少一个测量的共同频谱形状。

具体而言，在一个实施例中，假设针对一种电声换能器的类别的频率响应特性有N个测量。如果f_h，n代表电声换能器h的频率响应特性n，则针对f_h，n的宽带归一化偏移量e_h，n可以由下式给出：

$e_{h,n}=\frac{1}{K}(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\α}}_n\left(k\right)\·f_{h,n}\left(k\right)-\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\α}}_n\left(k\right)\·f_{\mathrm{mean},n}\left(k\right))---\left(1\right)$

其中k(1≤k≤K)代表频带索引，K代表总频带数，α_n(k)代表针对频带k的重要性权重，并且

归一化的f_h，n(由表示)由下式给出：

$\stackrel{\‾}{f_{h,n}}=f_{h,n}-e_{h,n}---\left(2\right)$

应当注意，如以上所讨论的归一化算法仅出于说明目的，而无意限制本发明的范围。

图2示出了根据本发明的某些其他示例实施例的用于生成特定于一种电声换能器的类别的频率响应特性的模型的方法200的流程图。根据本发明的实施例，其中以耳机作为电声换能器的示例。

如上，在噪声补偿的应用中，耳机和相关联的麦克风的频率响应特性联合影响将要施加于由耳机所播放的音频信号的增益，以便对该音频信号外部的周围环境中的环境噪声信号进行补偿。例如，如果耳机的频率响应增加，则增益将减小；如果相关联的麦克风的频率响应增加，则增益将增加；反之亦然。

因此，在此应用中，需要耳机和相关联的麦克风的频率响应特性二者。如图2所示的方法200可以适合于这种应用。

如图2所示，在方法200中的步骤S201，获得针对一种耳机的类别的至少一个耳机的频率响应特性的至少一个第一测量以及针对与该至少一个耳机相关联的至少一个麦克风的频率响应特性的至少一个第二测量。

如以上参照图1所描述的，基于耳机的声学特性，耳机可以被分成若干类别，该类别例如包括过耳式耳机、耳塞式耳机、入耳式耳机等。同样，类别的数目可以随着应用不同而变化。

在本发明的一个实施例中，针对一种耳机的类别，可以测量至少一个耳机的频率响应特性。附加地，可以测量与该至少一个耳机相关联的至少一个麦克风的频率响应特性。如上，可以例如由声学工程师使用专业测量设备来执行该测量。

方法200继而进行到步骤S202，其中基于针对一种耳机的类别的至少一个耳机的频率响应特性的至少一个第一测量以及针对至少一个相关联的麦克风的频率响应特性的至少一个第二测量来生成特定于该类别的频率响应特性的模型。

利用方法200，可以联合地基于相关联的麦克风的频率响应特性来生成特定于一种耳机的类别的频率响应特性的模型，并且因此可以确保模型的准确性。

同样，如以上参照图1所描述的，可以采用归一化方式。附加地，可以考虑频带的感知重要性。备选地或附加地，可以采用对至少一个耳机的频率响应特性的至少一个第一测量和至少一个相关联的麦克风的频率响应特性的至少一个第二测量的归一化。

具体而言，在一个实施例中，优化准则可以包括找出f_opt，HETF(k)和f_opt，METF(k)对，以使得下式最小：

$\underset{h}{\max }\left|\right|(\mathrm{\η}\left(k\right)\·f_{\mathrm{opt},\mathrm{HETF}}\left(k\right)-\mathrm{\μ}\left(k\right)\·f_{\mathrm{opt},\mathrm{METF}}\left(k\right))-(\mathrm{\η}\left(k\right)\·\stackrel{\‾}{f_{h,\mathrm{HETF}}}\left(k\right)-\mathrm{\μ}\left(k\right)\·\stackrel{\‾}{f_{h,\mathrm{METF}}}\left(k\right))\left|\right|$

其中，

$\underset{h}{\min }\left(\stackrel{\‾}{f_{h,\mathrm{HETF}}}\left(k\right)\right)\≤f_{\mathrm{opt},\mathrm{HETF}}\left(k\right)\≤\underset{h}{\max }\left(\stackrel{\‾}{f_{h,\mathrm{HETF}}}\left(k\right)\right)$

$\underset{h}{\min }\left(\stackrel{\‾}{f_{h,\mathrm{METF}}}\left(k\right)\right)\≤f_{\mathrm{opt},\mathrm{METF}}\left(k\right)\≤\underset{h}{\max }\left(\stackrel{\‾}{f_{h,\mathrm{METF}}}\left(k\right)\right)$

$\stackrel{\‾}{f_{h,\mathrm{HETF}}}=f_{h,\mathrm{HETF}}-e_{h,\mathrm{HETF}}$

$\stackrel{\‾}{f_{h,\mathrm{METF}}}=f_{h,\mathrm{METF}}-e_{h,\mathrm{METF}}$

η(k)其中代表针对频带k的HETF的重要性权重

μ(k)其中代表针对频带k的METF的重要性权重

并且其中HETF代表耳机的频率响应特性，METF代表与该耳机相关联的麦克风的频率响应特性，f_h，HETF代表耳机h的频率响应特性，f_h，METF代表与耳机h相关联的麦克风的频率响应特性，e_h，HETF代表针对f_h，HETF的宽带归一化偏移量，并且e_h，METF代表针对f_h，METF的宽带归一化偏移量。

并且继而优化准则可以包括在所选f_opt，HETF(k)和f_opt，METF(k)对之中，找出使下式最小的f_opt，HETF(k)和f_opt，METF(k)对：

$\begin{array}{c}\mathrm{\η}\left(k\right)\·\left|\right|f_{\mathrm{opt},\mathrm{HETF}}\left(k\right)-0.5\·(\underset{h}{\max }\left(\stackrel{\‾}{f_{h,\mathrm{HETF}}}\left(k\right)\right)-\underset{h}{\min }\left(\stackrel{\‾}{f_{h,\mathrm{HETF}}}\left(k\right)\right))\left|\right|\\ +\mathrm{\μ}\left(k\right)\·\left|\right|\stackrel{\‾}{f_{h,\mathrm{METF}}}\left(k\right)-0.5\·(\underset{h}{\max }\left(\stackrel{\‾}{f_{h,\mathrm{METF}}}\left(k\right)\right)-\underset{h}{\min }\left(\stackrel{\‾}{f_{h,\mathrm{METF}}}\left(k\right)\right))\left|\right|\end{array}$

在本发明的一个实施例中，如果模型的生成基于频率响应特性的至少一个测量的线性组合，则优化目标针对于针对每个频带找出频率响应特性的集合f_opt，n，以使得下式最小：

$\underset{h}{\max }\left|\right|\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\β}}_n\left(k\right)\·f_{\mathrm{opt},n}\left(k\right)-\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\β}}_n\left(k\right)\·\stackrel{\‾}{f_{h,n}}\left(k\right)\left|\right|$

其中β_n(k)代表针对频带k的第n个频率响应特性的权重。

应当注意，如以上所讨论的频率响应特性的至少一个测量的组合的方式可以不是线性的。还应当注意，如以上所讨论的优化准则仅出于说明目的，并且可以使用任何其他优化准则来执行联合优化。这样，本发明的范围在此方面不受限制。

图3示出了根据本发明的某些示例实施例的用于生成特定于一种电声换能器的类别的频率响应特性的模型的系统300的框图。

如图3中所示，系统300可以包括测量获得单元301和模型生成单元302。测量获得单元301可以被配置为针对该类别的至少一个电声换能器获得频率响应特性的至少一个测量。模型生成单元302可以被配置为基于该至少一个测量来生成模型。

在本发明的某些实施例中，模型生成单元302还可以被配置为至少部分地基于频带的感知重要性来生成模型。

备选地或附加地，在本发明的某些实施例中，模型生成单元302还可以被配置为生成模型以使得该模型相对于至少一个测量的畸变被优化。

在本发明的某些实施例中，系统300还可以包括归一化单元，该归一化单元被配置为对至少一个测量进行归一化。在该实施例中，模型生成单元302可以被配置为基于归一化的测量来生成模型。

在本发明的某些实施例中，电声换能器可以是耳机。在该实施例中，测量获得单元301可以被配置为针对一种耳机的类别的至少一个耳机获得频率响应特性的至少一个第一测量并且针对与至少一个耳机相关联的至少一个麦克风获得频率响应特性的至少一个第二测量。模型生成单元302可以被配置为基于至少一个第一测量和至少一个第二测量来生成特定于该类别的频率响应特性的模型。

在本发明的某些实施例中，系统300还可以包括平均单元，该平均单元被配置为对至少一个测量进行平均。在该实施例中，模型生成单元302可以被配置为基于平均的测量来生成模型。

为清晰起见，在图3中没有示出系统300的某些可选部件。然而，应当理解，上文参考图1和2所描述的各个特征同样适用于系统300。而且，系统300中的各部件可以是硬件模块，也可以是软件单元模块。例如，在某些实施例中，系统300可以部分或者全部利用软件和/或固件来实现，例如被实现为包含在计算机可读介质上的计算机程序产品。备选地或附加地，系统300可以部分或者全部基于硬件来实现，例如被实现为集成电路(IC)、专用集成电路(ASIC)、片上系统(SOC)、现场可编程门阵列(FPGA)等。本发明的范围在此方面不受限制。

上面已经参照图1到图3描述了根据本发明的一个方面的某些实施例的用于增强语音内容的可理解性的方法和系统，该方法和系统可通过在调整语音分量的局部响度时引入对语音内容的可理解性程度的评估而使得增强的可理解性达到某个可理解性水平。

图4示出了根据本发明的某些示例实施例的用于估计电声换能器的频率响应特性的方法400的流程图。

如图4所示，在方法400中，在步骤S401，确定该电声换能器的类别。

在本发明的一个实施例中，可以基于用户输入的关于类别的信息来确定电声换能器的类别。例如，用户可以输入所选电声换能器的名称，并且继而可以在预定义的表中获取其类别。备选地，用户可以拍摄所选电声换能器的图片，并且继而可以基于该图片来确定其类别。

在确定了电声换能器的类别之后，方法400进行到步骤S402，其中获取特定于该类别的频率响应特性的模型。

在本发明的实施例中，可以根据如以上参照图1和2地方法100和200来生成该模型。

继而，在方法400的步骤S403，可以至少部分地基于该模型来估计该电声换能器的频率响应特性。

利用方法400，可以基于特定于任意所选电声换能器的类别的频率响应特性的模型来估计该所选电声换能器的频率响应特性，从而可以容易地获得任意所选电声换能器的频率响应特性。

在本发明的一个实施例中，可以将获取的模型作为所选电声换能器估计的频率响应特性。

备选地，在本发明的另一实施例中，可以基于该模型和所选电声换能器的灵敏度来估计该电声换能器的频率响应特性。以此方式，在估计处理期间，可以将电声换能器的灵敏度考虑在内，以使得估计结果的准确性被提高。

根据本发明的实施例，特定于一种电声换能器的类型的频率响应特性的模型可以对应于用于确定该模型的至少一个样本电声换能器的组合灵敏度。这样，在所选电声换能器的灵敏度和样本电声换能器的组合灵敏度之间可能存在一偏移量。这种偏移量可以反映为选定电声换能器的估计频率响应相对于特定于该类型的频率响应特性的模型的上移和下移。

在一个实施例中可以确定灵敏度的该偏移量以使得可以基于该偏移量来校正所选电声换能器的估计频率响应特性。

在确定偏移量的一个示例方式中，可以预先已知所选电声换能器的类型的代表性电声换能器的频率响应特性。继而，通过使用相同的激励，可以获得该代表性电声换能器的灵敏度与所选电声换能器的灵敏度之间的差别。

备选地，在确定偏移量的另一示例方式中，可以基于用户输入来确定该偏移量。例如，在获得选定电声换能器的估计频率响应特性之后，用户可以输入指示估计电声换能器的感知灵敏度的信息。

如上，本发明的某些实施例可以应用于噪声补偿的应用中，其中可以基于与耳机相关联的麦克风的频率响应特性来对耳机的频率响应特性进行建模。在此应用中，可以基于特定于耳机的类别的频率响应特性的模型、耳机的第一灵敏度、以及与耳机相关联的麦克风的第二灵敏度来估计耳机的频率响应特性。

图5示出了根据本发明的某些示例实施例的用于估计电声换能器的频率响应特性的系统500的框图。

如图5中所示，系统500包括确定单元501、获取单元502和估计单元503。确定单元501可以被配置为确定电声换能器的类别。获取单元502可以被配置为获取特定于该类别的频率响应特性的模型。估计单元503可以被配置为至少部分地基于该模型来估计电声换能器的频率响应特性。在本发明的实施例中，该模型可以是根据如以上参照图1和2的方法100和200生成的。

在本发明的某些实施例中，估计单元503可以被配置为基于该模型和电声换能器的灵敏度来估计电声换能器的频率响应特性。

在本发明的某些实施例中，电声换能器可以是耳机。在该实施例中，估计单元503可以被配置为基于特定于耳机的类别的频率响应特性的模型、耳机的第一灵敏度和与耳机相关联的麦克风的第二灵敏度来估计耳机的频率响应特性。

为清晰起见，在图5中没有示出系统500的某些可选部件。然而，应当理解，上文参照图4所描述的各个特征同样适用于系统500。而且，系统500中的各部件可以是硬件模块，也可以是软件单元模块。例如，在某些实施例中，系统500可以部分或者全部利用软件和/或固件来实现，例如被实现为包含在计算机可读介质上的计算机程序产20品。备选地或附加地，系统500可以部分或者全部基于硬件来实现，例如被实现为集成电路(IC)、专用集成电路(ASIC)、片上系统(SOC)、现场可编程门阵列(FPGA)等。本发明的范围在此方面不受限制。

下面参照图6，其示出了适于用来实现本发明实施例的计算机系统600的示意性框图。如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM603中，还存储有设备600操作所需的各种程序和数据。CPU601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本发明的实施例，上文参照图2-5、7和8描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，该计算机程序包含用于执行方法200、300、400和/或700的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。

一般而言，本发明的各种示例实施例可以在硬件或专用电路、软件、逻辑，或其任何组合中实施。某些方面可以在硬件中实施，而其他方面可以在可以由控制器、微处理器或其他计算设备执行的固件或软件中实施。当本发明的实施例的各方面被图示或描述为框图、流程图或使用某些其他图形表示时，将理解此处描述的方框、装置、系统、技术或方法可以作为非限制性的示例在硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备，或其某些组合中实施。

而且，流程图中的各框可以被看作是方法步骤，和/或计算机程序代码的操作生成的操作，和/或理解为执行相关功能的多个耦合的逻辑电路元件。例如，本发明的实施例包括计算机程序产品，该计算机程序产品包括有形地实现在机器可读介质上的计算机程序，该计算机程序包含被配置为实现上文描述方法的程序代码。

在公开的上下文内，机器可读介质可以是包含或存储用于或有关于指令执行系统、装置或设备的程序的任何有形介质。机器可读介质可以是机器可读信号介质或机器可读存储介质。机器可读介质可以包括但不限于电子的、磁的、光学的、电磁的、红外的或半导体系统、装置或设备，或其任意合适的组合。机器可读存储介质的更详细示例包括带有一根或多根导线的电气连接、便携式计算机磁盘、硬盘、随机存储存取器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、光存储设备、磁存储设备，或其任意合适的组合。

用于实现本发明的方法的计算机程序代码可以用一种或多种编程语言编写。这些计算机程序代码可以提供给通用计算机、专用计算机或其他可编程的数据处理装置的处理器，使得程序代码在被计算机或其他可编程的数据处理装置执行的时候，引起在流程图和/或框图中规定的功能/操作被实施。程序代码可以完全在计算机上、部分在计算机上、作为独立的软件包、部分在计算机上且部分在远程计算机上或完全在远程计算机或服务器上执行。

另外，尽管操作以特定顺序被描绘，但这并不应该理解为要求此类操作以示出的特定顺序或以相继顺序完成，或者执行所有图示的操作以获取期望结果。在某些情况下，多任务或并行处理会是有益的。同样地，尽管上述讨论包含了某些特定的实施细节，但这并不应解释为限制任何发明或权利要求的范围，而应解释为对可以针对特定发明的特定实施例的描述。本说明书中在分开的实施例的上下文中描述的某些特征也可以整合实施在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以分离地在多个实施例或在任意合适的子组合中实施。

针对前述本发明的示例实施例的各种修改、改变将在连同附图查看前述描述时对相关技术领域的技术人员变得明显。任何及所有修改将仍落入非限制的和本发明的示例实施例范围。此外，前述说明书和附图存在启发的益处，涉及本发明的这些实施例的技术领域的技术人员将会想到此处阐明的本发明的其他实施例。

将会理解，本发明的实施例不限于公开的特定实施例，并且修改和其他实施例都应包含于所附的权利要求范围内。尽管此处使用了特定的术语，但是它们仅在通用和描述的意义上使用，而并不用于限制目的。

Claims (20)

1.一种用于生成特定于一种电声换能器的类别的频率响应特性的模型的方法，所述方法包括：

针对所述类别的至少一个电声换能器获得所述频率响应特性的至少一个测量；以及

基于所述至少一个测量来生成所述模型。

2.根据权利要求1所述的方法，其中所述模型还至少部分地基于频带的感知重要性来生成。

3.根据权利要求1或2所述的方法，其中生成所述模型包括：

生成所述模型以使得所述模型相对于所述至少一个测量的畸变被优化。

4.根据权利要求1到3任一项所述的方法，其中所述方法还包括对所述至少一个测量进行归一化，并且

其中生成所述模型包括基于归一化的所述测量来生成所述模型。

5.根据权利要求1到4任一项所述的方法，其中所述电声换能器是耳机，并且其中所述方法包括：

针对一种耳机的类别的至少一个耳机获得所述频率响应特性的至少一个第一测量并且针对与所述至少一个耳机相关联的至少一个麦克风获得所述频率响应特性的至少一个第二测量；以及

基于所述至少一个第一测量和所述至少一个第二测量来生成特定于所述类别的所述频率响应特性的所述模型。

6.根据权利要求1或2所述的方法，其中所述方法还包括对所述至少一个测量进行平均，并且

其中生成所述模型包括基于平均的所述测量来生成所述模型。

7.一种用于估计电声换能器的频率响应特性的方法，所述方法包括：

确定所述电声换能器的类别；

获取特定于所述类别的所述频率响应特性的模型；以及

至少部分地基于所述模型来估计所述电声换能器的所述频率响应特性，

其中所述模型是根据权利要求1到6任一项所述的方法生成的。

8.根据权利要求7所述的方法，其中估计所述电声换能器的所述频率响应特性包括：

基于所述模型和所述电声换能器的灵敏度来估计所述电声换能器的所述频率响应特性。

9.根据权利要求8所述的方法，其中所述电声换能器是耳机，并且其中估计所述电声换能器的所述频率响应特性包括：

基于特定于所述耳机的所述类别的所述频率响应特性的所述模型、所述耳机的第一灵敏度和与所述耳机相关联的麦克风的所述第二灵敏度来估计所述耳机的所述频率响应特性。

10.一种用于生成特定于一种电声换能器的类别的频率响应特性的模型的系统，所述系统包括：

测量获得单元，被配置为针对所述类别的至少一个电声换能器获得所述频率响应特性的至少一个测量；以及

模型生成单元，被配置为基于所述至少一个测量来生成所述模型。

11.根据权利要求10所述的系统，其中所述模型生成单元还被配置为至少部分地基于频带的感知重要性来生成所述模型。

12.根据权利要求10或11所述的系统，其中所述模型生成单元被配置为生成所述模型以使得所述模型相对于所述至少一个测量的畸变被优化。

13.根据权利要求10到12任一项所述的系统，其中所述系统还包括归一化单元，所述归一化单元被配置为对所述至少一个测量进行归一化，并且

其中所述模型生成单元被配置为基于归一化的所述测量来生成所述模型。

14.根据权利要求10到13任一项所述的系统，其中所述电声换能器是耳机，并且其中

所述测量获得单元被配置为针对一种耳机的类别的至少一个耳机获得所述频率响应特性的至少一个第一测量并且针对与所述至少一个耳机相关联的至少一个麦克风获得所述频率响应特性的至少一个第二测量；以及

所述模型生成单元被配置为基于所述至少一个第一测量和所述至少一个第二测量来生成特定于所述类别的所述频率响应特性的所述模型。

15.根据权利要求10或11所述的系统，其中所述系统还包括平均单元，所述平均单元被配置为对所述至少一个测量进行平均，并且

其中所述模型生成单元被配置为基于平均的所述测量来生成所述模型。

16.一种用于估计电声换能器的频率响应特性的系统，所述系统包括：

确定单元，被配置为确定所述电声换能器的类别；

获取单元，被配置为获取特定于所述类别的所述频率响应特性的模型；以及

估计单元，被配置为至少部分地基于所述模型来估计所述电声换能器的所述频率响应特性，

其中所述模型是根据权利要求1到6任一项所述的方法生成的。

17.根据权利要求16所述的系统，其中所述估计单元被配置为基于所述模型和所述电声换能器的灵敏度来估计所述电声换能器的所述频率响应特性。

18.根据权利要求17所述的系统，其中所述电声换能器是耳机，并且其中所述估计单元被配置为基于特定于所述耳机的所述类别的所述频率响应特性的所述模型、所述耳机的第一灵敏度和与所述耳机相关联的麦克风的所述第二灵敏度来估计所述耳机的所述频率响应特性。

19.一种用于生成特定于一种电声换能器的类别的频率响应特性的模型的计算机程序产品，所述计算机程序产品被有形地存储在非瞬态计算机可读存储介质上，并且包括机器可执行指令，所述指令在被执行时使得所述机器执行根据权利要求1到6任一项所述的方法的步骤。

20.一种用于估计电声换能器的频率响应特性的计算机程序产品，所述计算机程序产品被有形地存储在非瞬态计算机可读存储介质上，并且包括机器可执行指令，所述指令在被执行时使得所述机器执行根据权利要求7到9任一项所述的方法的步骤。