[發(fā)明專利]基于可變時(shí)長(zhǎng)的音頻特征分類(lèi)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201110033410.2
• 申請(qǐng)日: 2011-01-30
• 公開(kāi)（公告）號(hào): CN102623007A
• 公開(kāi)（公告）日: 2012-08-01
• 發(fā)明（設(shè)計(jì)）人: 盧敏;竇維蓓
• 申請(qǐng)（專利權(quán)）人: 清華大學(xué)
• 主分類(lèi)號(hào): G10L15/02
• 分類(lèi)號(hào): G10L15/02;G10L15/06;G10L15/08
• 代理公司: 北京眾合誠(chéng)成知識(shí)產(chǎn)權(quán)代理有限公司 11246
• 代理人: 童曉琳

技術(shù)領(lǐng)域

本發(fā)明屬于多媒體信號(hào)處理和模式識(shí)別技術(shù)領(lǐng)域，尤其涉及一種基于可變時(shí)長(zhǎng)的音頻特征分類(lèi)方法。

背景技術(shù)

隨著通信技術(shù)的不斷發(fā)展，數(shù)字音頻處理在移動(dòng)通信、互聯(lián)網(wǎng)、廣播以及個(gè)人電子等多個(gè)領(lǐng)域得到了廣泛的應(yīng)用。以音頻編解碼技術(shù)來(lái)看，其已經(jīng)從傳統(tǒng)的以窄帶話音為主的語(yǔ)音編碼，逐漸擴(kuò)展到帶寬擴(kuò)展質(zhì)量更高的多媒體音頻編碼，3G、LTE的興起也進(jìn)一步對(duì)新一代音頻編解碼技術(shù)在對(duì)信道的適應(yīng)性、傳輸?shù)目煽啃砸约熬幗獯a質(zhì)量等方面有了更高的要求。而無(wú)論是音頻編解碼，或是音效編輯制作，音頻信號(hào)本身所具有的多樣性，使得對(duì)不同類(lèi)型的音頻信號(hào)可能需要選擇不同的處理技術(shù)。如ITU-T的G.718和G.729.1，就對(duì)音頻信號(hào)分成了語(yǔ)音和音樂(lè)兩種編碼模式，而在之后的G.718-SWB中又添加了對(duì)含正弦特性的音頻信號(hào)的編碼模式。由此可以看出，在某些應(yīng)用場(chǎng)景中，需要先對(duì)音頻信號(hào)進(jìn)行簡(jiǎn)單而高效的分類(lèi)，獲知所屬類(lèi)型。

分類(lèi)時(shí)，提取音頻信號(hào)的短時(shí)特征和長(zhǎng)時(shí)特征。由于音頻信號(hào)的短時(shí)平穩(wěn)性，通常相比短時(shí)特征，長(zhǎng)時(shí)特征的穩(wěn)定性和可區(qū)分性更好，但缺點(diǎn)是檢測(cè)延時(shí)大，對(duì)實(shí)時(shí)分類(lèi)系統(tǒng)上的應(yīng)用有一定局限性。此外，不同特征表現(xiàn)出來(lái)的平穩(wěn)周期可能不一致，若對(duì)這些特征都取定同一時(shí)長(zhǎng)下計(jì)算對(duì)應(yīng)的長(zhǎng)時(shí)特征可能并非最優(yōu)。

發(fā)明內(nèi)容

本發(fā)明的目的在于，針對(duì)常用的音頻特征分類(lèi)方法主要采用提取長(zhǎng)時(shí)特征的技術(shù)方案影響實(shí)時(shí)效果的問(wèn)題，提出一種基于可變時(shí)長(zhǎng)的音頻特征分類(lèi)方法，通過(guò)提取同一短時(shí)特征在不同時(shí)長(zhǎng)下的同一統(tǒng)計(jì)參量構(gòu)成的可變時(shí)長(zhǎng)長(zhǎng)時(shí)特征來(lái)訓(xùn)練分類(lèi)器，并利用訓(xùn)練好的分類(lèi)器進(jìn)行音頻特征分類(lèi)。

本發(fā)明的技術(shù)方案是，一種基于可變時(shí)長(zhǎng)的音頻特征分類(lèi)方法，其特征是所述方法包括下列步驟：

步驟1：將確定類(lèi)型并經(jīng)過(guò)標(biāo)注的音頻序列作為訓(xùn)練序列；

步驟2：提取訓(xùn)練序列中的音頻信號(hào)的短時(shí)特征F₁，F(xiàn)₂，...，F(xiàn)_K，構(gòu)成短時(shí)特征向量，K是短時(shí)特征向量的分量個(gè)數(shù)；

步驟3：計(jì)算各個(gè)短時(shí)特征F_k在設(shè)定時(shí)長(zhǎng)內(nèi)，當(dāng)前幀和之前的(n-1)幀的短時(shí)特征的統(tǒng)計(jì)參量，n為設(shè)定時(shí)長(zhǎng)內(nèi)的總幀數(shù)；每個(gè)短時(shí)特征F_k對(duì)應(yīng)一組由該短時(shí)特征的統(tǒng)計(jì)參量構(gòu)成的統(tǒng)計(jì)特征向量，進(jìn)而短時(shí)特征向量對(duì)應(yīng)一個(gè)統(tǒng)計(jì)特征向量，其中；1≤k≤K；

步驟4：選取P個(gè)值，N₁，N₂，...，N_P滿足N₁＜N₂＜...＜N_P，令n分別等于N₁，N₂，...，N_P，按照步驟3計(jì)算得到短時(shí)特征向量對(duì)應(yīng)的一組統(tǒng)計(jì)特征向量，由該組統(tǒng)計(jì)特征向量構(gòu)成訓(xùn)練序列的長(zhǎng)時(shí)特征向量：

步驟5：利用訓(xùn)練序列的長(zhǎng)時(shí)特征向量訓(xùn)練分類(lèi)器；

步驟6：提取測(cè)試序列中的音頻信號(hào)的短時(shí)特征，并按照步驟2和步驟3的方法計(jì)算測(cè)試序列的第i幀的統(tǒng)計(jì)特征向量以及測(cè)試序列的；

步驟7：根據(jù)測(cè)試序列的第i幀的統(tǒng)計(jì)特征向量以及測(cè)試序列的，計(jì)算測(cè)試序列的第i幀的輸入長(zhǎng)時(shí)特征向量；

步驟8：將第i幀的輸入長(zhǎng)時(shí)特征向量送入步驟5訓(xùn)練后的分類(lèi)器中，其輸出即為第i幀的分類(lèi)類(lèi)型。

所述短時(shí)特征包括對(duì)數(shù)能量、過(guò)零率和均勻子帶能量分布。

所述當(dāng)前幀和之前的(n-1)幀的短時(shí)特征的統(tǒng)計(jì)參量包括當(dāng)前幀和之前的(n-1)幀的短時(shí)特征最大值MaxF_k(n)、最小值MinF_k(n)、算術(shù)平均AvgF_k(n)或方差VarF_k(n)中的一個(gè)或多個(gè)。

所述利用訓(xùn)練序列的長(zhǎng)時(shí)特征向量訓(xùn)練分類(lèi)器具體是利用訓(xùn)練序列的長(zhǎng)時(shí)特征向量訓(xùn)練單個(gè)分類(lèi)器。

所述利用訓(xùn)練序列的長(zhǎng)時(shí)特征向量訓(xùn)練分類(lèi)器具體是使用前向特征選擇法，在訓(xùn)練序列的長(zhǎng)時(shí)特征向量中選擇有效特征構(gòu)成有效長(zhǎng)時(shí)特征向量，并利用有效長(zhǎng)時(shí)特征向量訓(xùn)練單個(gè)分類(lèi)器。

所述利用訓(xùn)練序列的長(zhǎng)時(shí)特征向量訓(xùn)練分類(lèi)器具體是利用訓(xùn)練序列的長(zhǎng)時(shí)特征向量的分向量各自分別訓(xùn)練同類(lèi)型的單個(gè)分類(lèi)器后并聯(lián)構(gòu)成的分類(lèi)器組。

所述計(jì)算測(cè)試序列的第i幀的輸入長(zhǎng)時(shí)特征向量具體利用公式

其中，q＝1，2，L，P-1，中的共有q個(gè)，中的共有P-q個(gè)。