[發(fā)明專利]信號(hào)處理裝置、信號(hào)處理方法及程序

有效

• 申請(qǐng)?zhí)枺?/td>: 201110329985.9
• 申請(qǐng)日: 2011-10-21
• 公開（公告）號(hào): CN102568474A
• 公開（公告）日: 2012-07-11
• 發(fā)明（設(shè)計(jì)）人: 澁谷崇;東山惠祐;安部素嗣
• 申請(qǐng)（專利權(quán)）人: 索尼公司
• 主分類號(hào): G10L15/02
• 分類號(hào): G10L15/02;G10L11/00
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 陳煒;李德山

技術(shù)領(lǐng)域

本公開涉及信號(hào)處理裝置、信號(hào)處理方法及程序，并且更具體地涉及能夠從混合有樂曲和噪聲的輸入信號(hào)中識(shí)別該樂曲的信號(hào)處理裝置、信號(hào)處理方法及程序。

背景技術(shù)

在相關(guān)技術(shù)中，為了識(shí)別作為輸入信號(hào)而輸入的樂曲，進(jìn)行將輸入信號(hào)的特征量與作為要被識(shí)別的樂曲的候選的參考信號(hào)的特征量相匹配的匹配處理。然而，例如，當(dāng)電視節(jié)目(諸如戲劇)的廣播聲源作為輸入信號(hào)被輸入時(shí)，該輸入信號(hào)通常包括作為背景音樂(BGM)的樂曲的信號(hào)分量以及除了該樂曲以外的諸如人類對(duì)話或噪聲(環(huán)境噪聲)的噪聲分量(在下文中也被稱為噪聲)，并且由噪聲導(dǎo)致的該輸入信號(hào)的特征量的變化影響匹配處理的結(jié)果。

因此，已經(jīng)提出了如下技術(shù)：該技術(shù)通過利用對(duì)輸入信號(hào)的特征量中的低可靠性分量進(jìn)行屏蔽的屏蔽模式而只使用高可靠性分量來進(jìn)行匹配處理。

特別地，已經(jīng)提出了如下技術(shù)：該技術(shù)準(zhǔn)備與表示輸入信號(hào)的特征量的特征矩陣的預(yù)定時(shí)頻域相對(duì)應(yīng)的、用于屏蔽矩陣分量的多種屏蔽模式，并且使用所有屏蔽模式來進(jìn)行將該輸入信號(hào)的特征量與數(shù)據(jù)庫中的多個(gè)參考信號(hào)的特征量相匹配的匹配處理，從而將具有最高相似程度的參考信號(hào)的樂曲識(shí)別為輸入信號(hào)的樂曲，其中該輸入信號(hào)被轉(zhuǎn)換為該時(shí)頻域中的信號(hào)(例如，參見日本未審查專利申請(qǐng)公開2009-276776)。

還提出了如下技術(shù)：該技術(shù)假定輸入信號(hào)中具有高平均功率的時(shí)間段的分量是疊加有除樂曲以外的噪聲的分量，并且創(chuàng)建允許只使用輸入信號(hào)中具有低平均功率的時(shí)間段的特征量來進(jìn)行匹配處理的屏蔽模式(例如，參見日本未審查專利申請(qǐng)公開2004-326050)。

發(fā)明內(nèi)容

然而，由于難以預(yù)測(cè)輸入信號(hào)中疊加了噪聲的時(shí)間段和疊加了噪聲的頻率，并且也難以預(yù)先準(zhǔn)備適合于這種輸入信號(hào)的屏蔽模式，所以在日本未審查專利申請(qǐng)公開2009-276776中公開的技術(shù)并未進(jìn)行適當(dāng)?shù)钠ヅ涮幚恚也荒芤愿呔_度從混合了樂曲和噪聲的輸入信號(hào)中識(shí)別出該樂曲。

在日本未審查專利申請(qǐng)公開2004-326050中所公開的技術(shù)中，能夠創(chuàng)建與輸入信號(hào)相對(duì)應(yīng)的屏蔽模式，但是由于沒有考慮頻率分量，因此很難說這個(gè)屏蔽模式是適合于該輸入信號(hào)的屏蔽模式。如圖1左側(cè)所示，當(dāng)時(shí)頻域中的輸入信號(hào)中的樂曲的信號(hào)分量Dm中包括了基于人類對(duì)話的噪聲Dv的時(shí)候，日本未審查專利申請(qǐng)公開2004-326050中所公開的技術(shù)能夠僅使用人類對(duì)話中斷的區(qū)域S1和S2中的幾個(gè)時(shí)間段的特征量來進(jìn)行匹配處理，因而很難以高精確度從混合了該樂曲和噪聲的輸入信號(hào)中識(shí)別出該樂曲。為了以高精確度從混合了樂曲和噪聲的輸入信號(hào)中識(shí)別出該樂曲，優(yōu)選地，應(yīng)該使用如圖1右側(cè)所示的區(qū)域S3和S4中的該樂曲的信號(hào)分量Dm的特征量來進(jìn)行匹配處理。

期望以高精確度從輸入信號(hào)中識(shí)別樂曲。

根據(jù)本公開的一個(gè)實(shí)施例，提供一種通過將輸入信號(hào)與僅包括樂曲的多個(gè)參考信號(hào)進(jìn)行比較而識(shí)別所述輸入信號(hào)的樂曲的信號(hào)處理裝置，所述信號(hào)處理裝置包括：權(quán)重分布生成部，用于生成與變換到時(shí)頻域的所述輸入信號(hào)的各區(qū)域中的音樂類似度對(duì)應(yīng)的權(quán)重分布；以及相似度計(jì)算部，用于以基于所述權(quán)重分布的權(quán)重設(shè)置為基礎(chǔ)，計(jì)算變換到所述時(shí)頻域的所述輸入信號(hào)的各區(qū)域中的特征量和變換到所述時(shí)頻域的所述參考信號(hào)的各區(qū)域中的特征量之間的相似程度。

所述權(quán)重分布生成部可以生成所述權(quán)重分布，所述權(quán)重分布通過基于表示所述音樂類似度的音樂度對(duì)所述音樂度大于預(yù)定閾值的區(qū)域進(jìn)行權(quán)重設(shè)置來屏蔽所述音樂度不大于所述預(yù)定閾值的區(qū)域。

所述信號(hào)處理裝置可以進(jìn)一步包括：檢測(cè)部，用于從所述輸入信號(hào)中檢測(cè)信號(hào)分量的功率譜為最大值的點(diǎn)；以及音樂度計(jì)算部，用于基于預(yù)定時(shí)間段中所述最大值點(diǎn)的出現(xiàn)頻度計(jì)算所述音樂度。

所述出現(xiàn)頻度可以是每個(gè)頻率的最大值點(diǎn)的出現(xiàn)頻度。

所述相似度計(jì)算部可以計(jì)算所述輸入信號(hào)的特征量和所述多個(gè)參考信號(hào)的特征量之間的相似程度。在此情況下，所述信號(hào)處理裝置可以進(jìn)一步包括確定部，該確定部將各相似程度當(dāng)中被計(jì)算出比預(yù)定閾值高的最高相似程度的參考信號(hào)的樂曲確定為所述輸入信號(hào)的樂曲。

所述相似度計(jì)算部可以計(jì)算所述輸入信號(hào)的特征量和所述多個(gè)參考信號(hào)的特征量之間的相似程度。在此情況下，所述信號(hào)處理裝置可以進(jìn)一步包括確定部，該確定部將各相似程度當(dāng)中被計(jì)算出比預(yù)定閾值高的相似程度的多個(gè)參考信號(hào)的樂曲確定為所述輸入信號(hào)的樂曲。