[發(fā)明專利]一種音頻信號(hào)檢測方法和裝置

無效

• 申請(qǐng)?zhí)枺?/td>: 201210151383.3
• 申請(qǐng)日: 2009-10-15
• 公開（公告）號(hào): CN102693720A
• 公開（公告）日: 2012-09-26
• 發(fā)明（設(shè)計(jì)）人: 王喆
• 申請(qǐng)（專利權(quán)）人: 華為技術(shù)有限公司
• 主分類號(hào): G10L11/00
• 分類號(hào): G10L11/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及音頻領(lǐng)域的信號(hào)檢測技術(shù)，尤其是一種音頻信號(hào)檢測方法和裝置。

背景技術(shù)

在通信系統(tǒng)中，通常對(duì)輸入的音頻信號(hào)進(jìn)行編碼后傳輸?shù)綄?duì)端。在通信系統(tǒng)中，尤其是無線/移動(dòng)通信系統(tǒng)中，信道帶寬是一個(gè)比較稀缺的資源。在一個(gè)雙向的通話中，某一方說話的時(shí)間大概只占總通話時(shí)間的一半左右，另一半都處在靜音狀態(tài)。在信道帶寬比較緊張的情況下，如果通信系統(tǒng)只在人說話的時(shí)候傳輸信號(hào)，而在靜音時(shí)停止信號(hào)的傳輸，將可以節(jié)省出大量的帶寬分配給其它用戶。為了達(dá)到這個(gè)目的，通信系統(tǒng)需要知道通話人何時(shí)開始說話，何時(shí)停止說話，即需要知道語音何時(shí)是激活的，這就需要語音激活檢測（voice?activity?detection，VAD）。一般在語音激活時(shí)，語音編碼器會(huì)采用較高的速率編碼，而在無語音的背景信號(hào)階段，編碼器會(huì)采用較低的速率編碼。通過語音激活檢測技術(shù)，通信系統(tǒng)能夠區(qū)分輸入的音頻信號(hào)是語音還是背景噪音，并采用不同的編碼技術(shù)進(jìn)行編碼。

這種體制在通常的背景環(huán)境下都是可行的，但是當(dāng)背景信號(hào)是音樂信號(hào)時(shí)，較低速率的編碼會(huì)極大的影響聽者的主觀感受。因此一種新的需求被提出來，即VAD系統(tǒng)需要能夠有效的識(shí)別出背景音樂的場景，并有針對(duì)性的提高背景音樂的編碼質(zhì)量。

在AMR?VAD1中，有一種檢測復(fù)雜信號(hào)的技術(shù)，一般來說，這里的復(fù)雜信號(hào)就是指音樂信號(hào)。在該VAD中，對(duì)每一幀信號(hào)，從AMR編碼器中獲得該幀的最大相關(guān)向量best_corr_hpm，并將其歸一化在[0-1]的范圍之內(nèi)。對(duì)歸一化后的最大相關(guān)向量best_corr_hpm求其長時(shí)的滑動(dòng)平均相關(guān)向量corr_hp，計(jì)算方法為：

corr_hp＝α·corr_hp+(1-α)·best_corr_hp_m,

其中α為取值范圍在[0.8,0.98]之間的遺忘系數(shù)

將每幀的corr_hp都與一高一低兩個(gè)門限進(jìn)行比較，如果出現(xiàn)連續(xù)8幀corr_hp都高于高門限的幀時(shí)，或者出現(xiàn)連續(xù)15幀corr_hp都高于低門限的幀時(shí)，則一個(gè)復(fù)雜信號(hào)標(biāo)志complex_warning被設(shè)為1，表示復(fù)雜信號(hào)被檢測到了。

發(fā)明人在實(shí)現(xiàn)本發(fā)明的過程中，發(fā)現(xiàn)現(xiàn)有技術(shù)至少存在以下缺點(diǎn)：

上述技術(shù)雖然可以檢測出音樂信號(hào)，但是并不能區(qū)分出是前景音樂還是背景音樂，因而不能根據(jù)帶寬情況對(duì)背景音樂信號(hào)采用適合的編碼技術(shù)。并且，上述技術(shù)可能把一些常規(guī)的背景噪聲如babble噪聲也當(dāng)做是復(fù)雜信號(hào)，從而較大的影響了節(jié)省帶寬。

發(fā)明內(nèi)容

本發(fā)明的實(shí)施例提供一種音頻信號(hào)檢測方法和裝置，能夠從音頻信號(hào)中檢測出背景音樂。

根據(jù)本發(fā)明的一實(shí)施例，提供一種音頻信號(hào)檢測方法，包括：

將輸入的音頻信號(hào)分為多個(gè)音頻信號(hào)幀；

對(duì)每一幀音頻信號(hào)幀進(jìn)行前景/背景檢測；

當(dāng)檢測到背景信號(hào)幀時(shí)，將一個(gè)背景幀計(jì)數(shù)器加上一個(gè)步長值；獲得所述背景信號(hào)幀的音樂特征值，將所述音樂特征值累加到一個(gè)背景音樂特征累加值；

當(dāng)背景幀計(jì)數(shù)器達(dá)到一個(gè)預(yù)先設(shè)定的數(shù)量時(shí)，將背景音樂特征累加值與一個(gè)門限做比較，當(dāng)背景音樂特征累加值符合門限判定法則時(shí)，則檢測到背景音樂。

根據(jù)本發(fā)明的另一實(shí)施例，提供一種編碼器，包括：

背景幀識(shí)別器，用于對(duì)輸入的每一幀音頻信號(hào)進(jìn)行檢測，輸出背景信號(hào)幀或前景信號(hào)幀的檢測結(jié)果；

背景音樂識(shí)別器，用于當(dāng)檢測到背景信號(hào)幀時(shí)，根據(jù)所述背景信號(hào)幀的音樂特征值對(duì)所述背景信號(hào)幀進(jìn)行檢測，輸出檢測到背景音樂的檢測結(jié)果；其中，所述背景音樂識(shí)別器包括：

背景幀計(jì)數(shù)器，用于當(dāng)檢測到背景信號(hào)幀時(shí)，將步長值加到其值上；

音樂特征值獲得單元，用于獲得所述背景信號(hào)幀的音樂特征值；

音樂特征值累加器，用于累加所述音樂特征值；

判決器，用于在背景幀計(jì)數(shù)器達(dá)到預(yù)先設(shè)定的數(shù)量時(shí)，確定背景特征累加值符合門限判定法則，輸出檢測到背景音樂的檢測結(jié)果。

本發(fā)明實(shí)施例，對(duì)于背景信號(hào)進(jìn)一步的根據(jù)音樂特征值進(jìn)行判斷，從而能夠檢測出背景音樂，提高語音/音樂分類器的分類性能；并能夠提供更加靈活的對(duì)背景音樂的處理方案，有針對(duì)性的調(diào)整背景音樂的編碼質(zhì)量。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。