[發明專利]從單音音頻信號分離音頻信源的神經網絡分類器

無效

• 申請號: 200680041405.3
• 申請日: 2006-10-03
• 公開（公告）號: CN101366078A
• 公開（公告）日: 2009-02-11
• 發明（設計）人: D·V·施穆克
• 申請（專利權）人: DTS公司
• 主分類號: G10L19/00
• 分類號: G10L19/00;G10L15/00;G10L21/00;G10L21/04
• 代理公司: 中國國際貿易促進委員會專利商標事務所
• 代理人: 馬浩

1.一種從單音音頻信號分離音頻信源的方法，包括：

(a)提供包括多個未知音頻信源的下混合的單音音頻信號；

(b)將所述音頻信號分離成一系列基線幀；

(c)對每幀加窗；

(d)從每個基線幀提取多個音頻特征，其用于區分所述音頻信源；以及

(e)將所述音頻特征施加到神經(NN)網絡分類器，其中所述神經(NN)網絡分類器使用具有所述音頻特征的音頻信源的代表性集合被訓練，所述神經網絡分類器輸出被包括在所述單音音頻信號的每個所述基線幀內的音頻信源的至少一個度量。

2.權利要求1所述的方法，其中從包括至少語音、管弦樂以及打擊樂的音樂信源集合中選擇所述多個未知的音頻信源。

3.權利要求1所述的方法，還包括：

對不同的幀尺寸重復步驟(b)到步驟(d)以在多個分辨率下提取特征；以及

將不同分辨率下提取的音頻特征縮放為所述基線幀。

4.權利要求3所述的方法，還包括：將每種分辨率下的所述縮放特征施加到所述NN分類器。

5.權利要求3所述的方法，還包括：將每種分辨率下的所述縮放特征融合為施加到所述NN分類器的單個特征。

6.權利要求1所述的方法，還包括：將所述幀濾波成多個頻率子帶并且從所述子帶提取所述音頻特征。

7.權利要求1所述的方法，還包括：對所述分類器輸出進行低通濾波。

8.權利要求1所述的方法，其中從包括音色分量、聲調/噪聲比(TNR)和倒譜峰的集合中選擇一個或更多音頻特征。

9.權利要求8所述的方法，其中通過如下步驟提取所述音色分量：

(f)將頻率變換施加到每幀的加窗信號；

(g)計算頻率變換中的譜線的幅值；

(h)估計噪聲基底；

(i)將超過所述噪聲基底一定閾值量的譜分量識別為音色分量；

(j)將所述音色分量的數目輸出作為所述音色分量特征。

10.權利要求9所述的方法，其中所述頻率變換的長度等于一定時間-頻率分辨率下的所述幀內的音頻取樣數目。

11.權利要求10所述的方法，還包括：

對于不同的幀和變換長度重復步驟(f)到步驟(i)；以及

輸出每個時間-頻率分辨率下的音色分量的累積數目。

12.權利要求8所述的方法，其中通過如下步驟提取所述TNR：

(k)將頻率變換施加到每幀的加窗信號；

(l)計算頻率變換中的譜線的幅值；

(m)估計噪聲基底；

(n)確定識別出的音色分量的能量與所述噪聲基底的比率；以及

(o)輸出所述比率作為所述TNR特征。

13.權利要求12所述的方法，其中所述頻率變換的長度等于一定時間-頻率分辨率下的所述幀內的音頻取樣數目。

14.權利要求13所述的方法，還包括：

對于不同的幀和變換長度重復步驟(k)到步驟(n)；以及

在等于所述基線幀的時間段上對來自不同分辨率的所述比率求平均。

15.權利要求12所述的方法，其中通過如下步驟估計所述噪聲基底：

(p)對譜線的幅值施加低通濾波器；

(q)對遠在所述濾波器輸出之上的分量進行標記；

(r)用所述低通濾波器輸出替代所述標記分量；

(s)將步驟(a)到步驟(c)重復多次；以及

(t)輸出所得到的分量作為所述噪聲基底估計。

16.權利要求1所述的方法，其中所述神經網絡分類器包括多個輸出神經元，所述多個輸出神經元中的每一個指示所述單音音頻信號中的某音頻信源的存在。

17.權利要求16所述的方法，其中所述每個輸出神經元的值指示所述基線幀包括所述某音頻信源的置信度。

18.權利要求1所述的方法，還包括：使用所述度量將所述單音音頻信號重新混合到多個音頻信道，用于所述代表性集合中的各個音頻信源。