[發明專利]一種選擇編碼模式的方法及裝置

有效

• 申請號: 201310135975.0
• 申請日: 2013-04-18
• 公開（公告）號: CN104112451B
• 公開（公告）日: 2017-07-28
• 發明（設計）人: 肖瑋;王月明;陸楨騏;蔣三新;劉佩林;應忍冬
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G10L19/02
• 分類號: G10L19/02;G10L25/27
• 代理公司: 深圳中一專利商標事務所44237
• 代理人: 張全文

1.一種選擇編碼模式的方法，其特征在于，所述方法包括：

提取樂音信號的3階梅爾頻率cepstrum系數MFCC；

根據所述3階MFCC和迭代二叉樹3代ID3判決樹對所述樂音信號進行分類，并將分類結果存入一個先入先出FIFO數據組，所述FIFO數據組包括buffer1數據組和buffer2數據組；

對所述分類結果進行平滑處理，所述平滑處理包括語音和樂音幀間首次切換的初始狀態設置、靜音幀的處理、分類結果的修正、分類結果切換頻度的限制；

當分類結果為打擊樂時，采用頻段復制編碼模式CT-SBR編碼模式進行高頻重建；

當分類結果為管弦樂時，采用諧和頻段復制編碼模式hSBR進行高頻重建。

2.根據權利要求1所述的方法，其特征在于，所述提取樂音信號的3階MFCC，包括：

對樂音信號進行分幀，將所述樂音信號的幀長為2048點的單幀均分為兩個幀長為1024點的子幀，所述兩個子幀的重疊長度為0；

利用hanning窗對每一個所述子幀進行加窗；

分別對加窗后的兩個子幀的進行快速傅立葉變換FFT，使得所述樂音信號從時域映射到頻率域，對頻率域信號取模，得到所述頻率域信號的幅度值；

利用一組梅爾頻域上線性分布的三角窗濾波器對所述幅度值進行濾波；

取濾波后數值的對數，對所述對數做離散余弦變換DCT，得到3階MFCC。

3.根據權利要求1或2所述的方法，其特征在于，所述根據所述3階MFCC和迭代二叉樹3代ID3判決樹對所述樂音信號進行分類，包括：

通過訓練得到ID3判決樹的各節點值，使用多層的if-else嵌套對所述3階MFCC進行判斷，每一幀得到一個分類結果。

4.根據權利要求3所述的方法，其特征在于，所述對所述分類結果進行平滑處理，所述平滑處理包括語音和樂音幀間首次切換的初始狀態設置、靜音幀的處理、分類結果的修正、分類結果切換頻度的限制，包括：

初始化所述buffer1數據組﹑buffer2數據組和變量premode，所述變量premode表示前一幀的狀態，初始化時設置所述樂音信號所有幀的狀態都為管弦樂狀態；

計算所述buffer1數據組的狀態平均值；

根據所述狀態平均值判斷當前計算幀狀態是否是靜音幀；

當判斷所述當前計算幀狀態是靜音幀時，則將所述buffer2數據組中的所述幀狀態修改為前一幀的狀態；

當判斷所述當前計算幀狀態不是靜音幀且所述buffer1數據組中打擊樂狀態數量占多數時，則將所述buffer2數據組中的所述幀狀態修改為打擊樂狀態；

當判斷所述當前計算幀狀態不是靜音幀且所述buffer1數據組中管弦樂狀態數量占多數時，則將所述buffer2數據組中的所述幀狀態修改為管弦樂狀態；

計算所述buffer2數據組中的狀態變換次數，當所述當前計算幀狀態變換次數超過一定閾值時，將所述當前計算幀狀態修改為前一幀狀態。

5.一種選擇編碼模式的裝置，其特征在于，所述裝置包括:

提取單元，用于提取樂音信號的3階梅爾頻率cepstrum MFCC系數；

分類單元，用于根據所述3階MFCC和迭代二叉樹3代ID3判決樹對所述樂音信號進行分類，并將分類結果存入一個FIFO數據組，所述FIFO數據組包括buffer1數據組和buffer2數據組；

平滑單元，用于對所述分類結果進行平滑處理，所述平滑處理包括語音和樂音幀間首次切換的初始狀態設置、靜音幀的處理、分類結果的修正、分類結果切換頻度的限制；

高頻重建單元，用于當分類結果為打擊樂時，采用頻段復制編碼模式CT-SBR編碼模式進行高頻重建；當分類結果為管弦樂時，采用諧和頻段復制編碼模式hSBR進行高頻重建。