[發(fā)明專利]音頻分類方法

有效

• 申請?zhí)枺?/td>: 200610127413.1
• 申請日: 2006-09-13
• 公開（公告）號: CN101145345A
• 公開（公告）日: 2008-03-19
• 發(fā)明（設(shè)計）人: 郭利斌;馬付偉
• 申請（專利權(quán)）人: 華為技術(shù)有限公司
• 主分類號: G10L19/14
• 分類號: G10L19/14;G10L19/12;G10L19/00
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司
• 代理人: 逯長明

技術(shù)領(lǐng)域

本發(fā)明涉及信息處理領(lǐng)域，尤其涉及一種音頻分類方法。

背景技術(shù)

在擴展寬帶自適應(yīng)多碼率(AMR-WB+，Extended?Adaptive?Multi-Ratc-Wideband)編碼標準中核心編碼有兩種模式即代數(shù)碼本激勵線性預(yù)測(ACELP，Algebraic?Code?Excited?Linear?Prediction)和傳輸變換編碼激勵(TCX，Transform?Coded?Excitation)模式，ACELP模式比較適合語音信號，而TCX模式對音樂信號的編碼效果比較好。在AMR-WB+標準中需要對每一幀信號進行預(yù)先編碼，然后再選擇采用哪種最佳模式進行編碼，但是對每幀信號都要進行預(yù)先編碼處理，這樣會導(dǎo)致計算量非常龐大，故需要對信號進行預(yù)先分類以減少計算量。而語音和音樂是音頻信號中最主要的兩類數(shù)據(jù)，因此對語音和音樂信號進行區(qū)分也是提取音頻內(nèi)容語義和結(jié)構(gòu)的重要手段之一。

現(xiàn)有技術(shù)一是采用簡單決策樹分類方法對音頻信號進行多步多層次分類，該分類方法每一步都要根據(jù)一種或者幾種音頻特征及其閾值判斷音頻所屬的類別，其中，一般選擇的特征參數(shù)包含：過零率、基因周期、頻帶中心、子帶能量、頻譜平滑(SF，Spectrum?Flux)、Mel頻率倒譜參數(shù)(MCFF，Mel?FrequencyCepstral?Coefficients)等。該現(xiàn)有技術(shù)對特征參數(shù)的選擇要求比較高，選擇的特征參數(shù)除必須具有較高的有效性、合理性和分類性能較好的特點外，還需要能夠充分表示音頻的重要分類特性，以及對環(huán)境具有較好的魯棒性和一般性，其中，一般性是指特征參數(shù)對各種類型的距離度量方法都能取到比較好的結(jié)果。

現(xiàn)有技術(shù)二是采用分類器對音頻信號進行分類，比較常見的分類器包括隱馬爾可夫模型(HMM，Hidden?Markov?Model)、高斯混合模型(GMM，GaussianMixture?Model)和神經(jīng)網(wǎng)絡(luò)等，例如，HMM實質(zhì)上是一種雙隨機過程的有限狀態(tài)自動機，它具有刻畫信號的時間隨機統(tǒng)計特性能力，并根據(jù)極大似然準則判決音頻的類別。

現(xiàn)有技術(shù)一中每步都需要根據(jù)一種或幾種音頻特征及其閾值判斷音頻所屬的類別，因此該現(xiàn)有技術(shù)在提取性能較好的特征參數(shù)時的運算量比較大，例如，提取MFCC參數(shù)需要進行Mel濾波、離散余弦變換(DCT，Discrete?CosineTransform)等，故而增加了計算量，并且現(xiàn)有技術(shù)一還要受多個特征參數(shù)先后判斷順序的影響。另外，現(xiàn)有技術(shù)二中事先要對分類器進行大量數(shù)據(jù)的訓(xùn)練，整個過程計算量較大，并且不易于硬件實現(xiàn)。因此，現(xiàn)有技術(shù)的缺陷是在音頻信號分類的過程中運算量比較大。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是提供一種音頻分類方法，該方法在對音頻信號進行有效分類的同時又大大減少了運算量。

為解決上述技術(shù)問題，本發(fā)明提供了一種音頻分類方法，該方法包括：

對輸入的音頻信號進行預(yù)處理，再計算預(yù)處理過的音頻信號的線性預(yù)測編碼系數(shù)；

根據(jù)線性預(yù)測編碼系數(shù)得到信號的頻譜包絡(luò)，再由計算得到的導(dǎo)譜對參數(shù)確定幅度差異值；

根據(jù)幅度差異值的統(tǒng)計結(jié)果設(shè)置門限，再根據(jù)門限對音頻信號進行分類。

可選地，采用杜賓算法、格型算法或舒爾算法計算音頻信號的線性預(yù)測編碼系數(shù)。

可選地，上述根據(jù)線性預(yù)測編碼系數(shù)得到信號的頻譜包絡(luò)包括：

根據(jù)線性預(yù)測編碼系數(shù)得到線性預(yù)測誤差濾波器的傳遞函數(shù)，并由傳遞函數(shù)計算得到導(dǎo)譜對參數(shù)；

根據(jù)導(dǎo)譜對參數(shù)設(shè)置濾波系數(shù)，再由濾波系數(shù)得到信號導(dǎo)譜對頻譜包絡(luò)。

可選地，上述根據(jù)線性預(yù)測編碼系數(shù)得到信號的頻譜包絡(luò)包括：

根據(jù)線性預(yù)測編碼系數(shù)計算得到線性預(yù)測誤差濾波器的傳遞函數(shù)，再由傳遞函數(shù)得到信號的線性預(yù)測編碼頻譜包絡(luò)。

可選地，上述由計算得到的導(dǎo)譜對參數(shù)確定幅度差異值包括：

確定導(dǎo)譜對參數(shù)在信號頻譜包絡(luò)中對應(yīng)的幅度值，再計算導(dǎo)譜對參數(shù)對應(yīng)幅度值之間的比值就可以得到幅度差異值。

可選地，上述由計算得到的導(dǎo)譜對參數(shù)確定幅度差異值包括：

選取相鄰導(dǎo)譜對參數(shù)之間的幅度值作為頻譜的代表點，再計算代表點對應(yīng)幅度值之間的比值就可以得到幅度差異值。

其中，根據(jù)幅度差異值的統(tǒng)計結(jié)果設(shè)置門限包括：

計算幅度值對應(yīng)頻率點之間的差值，再計算幅度差異值和該差值的比值得到幅度差異值的變化量；

對幅度差異值的變化量進行統(tǒng)計，再根據(jù)統(tǒng)計結(jié)果設(shè)置門限。

可選地，根據(jù)幅度差異值的統(tǒng)計結(jié)果設(shè)置門限包括：