[發(fā)明專利]一種提取歌曲副歌的方法、裝置和系統(tǒng)

無效

• 申請?zhí)枺?/td>: 201110216520.2
• 申請日: 2011-07-29
• 公開（公告）號: CN102903357A
• 公開（公告）日: 2013-01-30
• 發(fā)明（設(shè)計）人: 李偉;梁達文;顧旻瑋;楊素娟
• 申請（專利權(quán)）人: 華為技術(shù)有限公司;復(fù)旦大學(xué)
• 主分類號: G10H1/40
• 分類號: G10H1/40;G10H7/10;G10L15/02
• 代理公司: 深圳市深佳知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44285
• 代理人: 彭愿潔;李文紅

1.一種提取歌曲副歌的方法，其特征在于，包括：

獲取音頻信號；

對所述音頻信號進行節(jié)拍追蹤，得到節(jié)拍追蹤結(jié)果；

根據(jù)節(jié)拍追蹤結(jié)果，以節(jié)拍為單位提取音高特征分布向量chroma特征向量；

根據(jù)chroma特征向量選擇副歌估計片段；

根據(jù)預(yù)置條件對副歌估計片段進行評分，得到評分結(jié)果；

根據(jù)評分結(jié)果從副歌估計片段中選擇副歌。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)chroma特征向量選擇副歌估計片段包括：

利用chroma特征向量進行自距離矩陣計算；

根據(jù)自距離矩陣中每一個元素所表示的距離大小對自距離矩陣進行二值化處理，得到二值化結(jié)果；

根據(jù)二值化結(jié)果選擇副歌估計片段。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，

所述利用chroma特征向量進行自距離矩陣計算包括：根據(jù)音頻信號的總節(jié)拍數(shù)和chroma特征向量定義自距離矩陣，從自距離矩陣的主對角線開始向左下方平移，計算每一條子對角線上所有矩陣元素的平均值，得到元素平均值，計算第一函數(shù)的極小值，其中，第一函數(shù)為一個以k為自變量，元素平均值為函數(shù)值的函數(shù)；

則所述根據(jù)自距離矩陣中每一個元素所表示的距離大小對自距離矩陣進行二值化處理，得到二值化結(jié)果包括：根據(jù)第一函數(shù)的極小值獲取對應(yīng)的子對角線，將獲取到的對角線上的矩陣元素與預(yù)置第一閾值進行比較，若矩陣元素大于所述第一閾值，則將矩陣元素設(shè)置為0，若矩陣元素小于等于所述第一閾值，則將矩陣元素設(shè)置為1；

所述根據(jù)二值化結(jié)果選擇副歌估計片段包括：若連續(xù)出現(xiàn)1的音頻信號片段的長度大于預(yù)置的第二閾值，則確定該音頻信號片段為副歌估計片段。

4.根據(jù)權(quán)利要求1至3中任一項所述的方法，其特征在于，所述對音頻信號進行節(jié)拍追蹤具體為：

對音頻信號進行音符開端檢測，得到音符開端檢測結(jié)果；

根據(jù)音符開端檢測結(jié)果進行節(jié)拍追蹤，使得節(jié)拍的開端盡可能與音符開端重合，并且使得兩個節(jié)拍之間的時間長度恒定。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述對音頻信號進行音符開端檢測，得到音符開端檢測結(jié)果具體為：

將音頻信號劃分為第一預(yù)置長度的幀；

對劃分為幀的音頻信號通過短時傅立葉變換映射到頻域；

對映射到頻域的音頻信號進行頻譜分析，得到音符開端檢測函數(shù)。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述根據(jù)音符開端檢測結(jié)果進行節(jié)拍追蹤，使得節(jié)拍的開端盡可能與音符開端重合，并且使得兩個節(jié)拍之間的時間長度恒定包括：

將音符開端檢測函數(shù)與預(yù)置的衡量標準函數(shù)的和作為目標函數(shù)，所述衡量標準函數(shù)為用于衡量速率的一個標準；

計算可以使得所述目標函數(shù)的值最大的節(jié)拍序列；

則所述根據(jù)節(jié)拍追蹤結(jié)果，以節(jié)拍為單位提取chroma特征向量具體為：根據(jù)所述節(jié)拍序列，以節(jié)拍為單位提取chroma特征向量。

7.根據(jù)權(quán)利要求1至3中任一項所述的方法，其特征在于，所述根據(jù)節(jié)拍追蹤結(jié)果，以節(jié)拍為單位提取chroma特征向量包括：

將音頻信號劃分為第二預(yù)置長度的幀；

將每一幀內(nèi)的音頻信號通過傅里葉變換由時域映射到頻域；

在頻域中將對應(yīng)于不同八度但對應(yīng)同一音名頻率的部分映射到對應(yīng)的半音音名中，產(chǎn)生一個12維向量，其中，每一維對應(yīng)于一個八度中的一個半音；

根據(jù)節(jié)拍追蹤結(jié)果將劃分后的幀與節(jié)拍同步；

計算屬于同一個節(jié)拍內(nèi)的所有幀的12維向量的平均值，得到與該節(jié)拍同步的chroma特征向量。

8.根據(jù)權(quán)利要求1至3中任一項所述的方法，其特征在于，所述根據(jù)預(yù)置條件對副歌估計片段進行評分，得到評分結(jié)果包括：

根據(jù)副歌估計片段在音頻信號中位置對副歌估計片段進行評分，得到評分結(jié)果；和/或，

根據(jù)副歌估計片段對應(yīng)的音頻信號的平均能量以及在自距離矩陣中的平均距離對副歌估計片段進行評分，得到評分結(jié)果。

9.根據(jù)權(quán)利要求1至3中任一項所述的方法，其特征在于，所述根據(jù)評分結(jié)果從副歌估計片段中選擇副歌，包括：

對評分結(jié)果進行預(yù)置的權(quán)值處理，得到總分數(shù)；

選取總分數(shù)最高的副歌估計片段為副歌。