[發(fā)明專利]一種選擇編碼模式的方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201310135975.0
• 申請(qǐng)日: 2013-04-18
• 公開（公告）號(hào): CN104112451B
• 公開（公告）日: 2017-07-28
• 發(fā)明（設(shè)計(jì)）人: 肖瑋;王月明;陸楨騏;蔣三新;劉佩林;應(yīng)忍冬
• 申請(qǐng)（專利權(quán)）人: 華為技術(shù)有限公司
• 主分類號(hào): G10L19/02
• 分類號(hào): G10L19/02;G10L25/27
• 代理公司: 深圳中一專利商標(biāo)事務(wù)所44237
• 代理人: 張全文

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)據(jù)處理領(lǐng)域，尤其涉及一種選擇編碼模式的方法及裝置。

背景技術(shù)

語音信號(hào)和樂音信號(hào)在編碼壓縮中通常采用不同的建模方式，語音信號(hào)通常基于人的發(fā)聲模型，采用線性預(yù)測(cè)的方式進(jìn)行編碼；與此相對(duì)，樂音信號(hào)則通常利用人耳的聽覺遮掩效應(yīng)，采用變換域編碼的方式。實(shí)際使用過程中通常存在語音信號(hào)和樂音信號(hào)交替出現(xiàn)或同時(shí)出現(xiàn)的場合，這樣單一的編碼方式必將對(duì)編碼后的音質(zhì)產(chǎn)生巨大影響。針對(duì)這種不足，動(dòng)態(tài)圖像專家組(Moving Pictures Experts Group，MPEG)提出了聯(lián)合語音樂音編碼(Unified Speech Audio Coding，USAC)標(biāo)準(zhǔn)。USAC編碼標(biāo)準(zhǔn)聯(lián)合了當(dāng)前最佳的語音編碼標(biāo)準(zhǔn)AMR-WB+及當(dāng)前最佳的樂音編碼標(biāo)準(zhǔn)AAC+作為其核心編碼器，同時(shí)，對(duì)輸入信號(hào)的高頻部分采用頻段復(fù)制編碼技術(shù)(Coding Thechnology Spectral Band Replication，CT-SBR)或諧和頻段復(fù)制(Harmonic Spectral Band Replication，hSBR)的高頻重建方式。在USAC編碼標(biāo)準(zhǔn)中，其首先對(duì)輸入信號(hào)的類型進(jìn)行判斷，然后根據(jù)判斷的結(jié)果分別采用不同的壓縮編碼方式，當(dāng)輸入信號(hào)為語音信號(hào)時(shí)，將采用AMR-WB+方式，當(dāng)輸入信號(hào)為音樂信號(hào)時(shí)，則采用AAC+的方式。因此，準(zhǔn)確的語音/音樂分類算法將對(duì)USAC的編碼音質(zhì)產(chǎn)生至關(guān)重要的影響。

通常CT-SBR高頻重建方式適合于語音信號(hào)，而hSBR更適合于樂音信號(hào)。樂音信號(hào)的諧波結(jié)構(gòu)明顯比語音信號(hào)的好，對(duì)于諧波結(jié)構(gòu)比較好的樂音信號(hào)來說，若用CT-SBR算法進(jìn)行高頻重建的話，會(huì)在分頻頻率處產(chǎn)生噪聲，從而影響音質(zhì)。為此，USAC編碼標(biāo)準(zhǔn)中針對(duì)諧波結(jié)構(gòu)比較好的樂音信號(hào)信號(hào)引入了另一種頻帶擴(kuò)展方法－h(huán)SBR。此方法很好的解決了上述存在的問題。然而，研究中我們發(fā)現(xiàn)：并不是所有類型的樂音信號(hào)都具有良好的諧波結(jié)構(gòu)，例如：以管或弦等發(fā)聲的樂音信號(hào)通常具有豐富的諧波結(jié)構(gòu)，但以打擊或敲擊發(fā)聲的樂音信號(hào)其頻譜類似于噪聲，則通常沒有明顯的諧波結(jié)構(gòu)。而USAC編碼標(biāo)準(zhǔn)卻根據(jù)輸入信號(hào)的分類算法來選擇信號(hào)的高頻重建方式。若輸入信號(hào)被判斷為樂音信號(hào)，則統(tǒng)一采用hSBR。這將導(dǎo)致樂音信號(hào)中諧波結(jié)構(gòu)不明顯的打擊樂信號(hào)也選擇hSBR方式來進(jìn)行高頻重建，從而影響到重建樂音信號(hào)的質(zhì)量。為此，需要對(duì)樂音信號(hào)進(jìn)行打擊樂和管弦樂的進(jìn)一步分類。

打擊樂/管弦樂的分類通常包括兩部分：樂音信號(hào)特征值提取部分和分類算法部分。總體上，樂音信號(hào)特征可分為兩大類：時(shí)域特征和頻域特征。同時(shí)，為了更加符合人耳的聽覺特性，又提出了Bark域、Mel倒譜等第三類特征值。具體來說，當(dāng)前已知的特征提取方法有：上升沿檢測(cè)、MPEG-7特征、基于小波變換的特征值提取、基于Bark域的模糊表、Mel倒譜系數(shù)(MFCC)等。

分類算法部分現(xiàn)有技術(shù)有：決策樹，貝葉斯，神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)，k-臨近法，遺傳算法，模糊邏輯技術(shù)等。雖然現(xiàn)今技術(shù)有多種，但是由于各有其特點(diǎn)，某些技術(shù)并不適用于USAC平臺(tái)。支持向量機(jī)(Support Vector Machine，SVM)是一種監(jiān)督式學(xué)習(xí)的方法，它廣泛的應(yīng)用于統(tǒng)計(jì)分類以及回歸分析中。支持向量機(jī)屬于一般化線性分類器。他們也可以認(rèn)為是提克洛夫規(guī)范化(Tikhonov Regularization)方法的一個(gè)特例。這族分類器的特點(diǎn)是他們能夠同時(shí)最小化經(jīng)驗(yàn)誤差與最大化幾何邊緣區(qū)。因此支持向量機(jī)也被稱為最大邊緣區(qū)分類器。

現(xiàn)有的特征值提取方法主要存在如下缺點(diǎn)：

1.MPEG-7的諧波特征值都是基于之前算出的基樂音信號(hào)率算出的，一旦基樂音信號(hào)率算錯(cuò)或者誤差太大，會(huì)造成特征值誤差過大；

2.MPEG-7特征值對(duì)于混合的樂音判決效果不好；

3.基于Bark域的模糊表經(jīng)過測(cè)試，正確率低于70％，效果不理想。

現(xiàn)有的分類算法主要存在如下缺點(diǎn)：

1.k-臨近每次分類需要讀入訓(xùn)練集的所有特征值，不滿足系統(tǒng)的實(shí)時(shí)性要求；

2.SVM算法當(dāng)樣本數(shù)目很大時(shí)，存儲(chǔ)和計(jì)算耗費(fèi)資源過多，可能造成較大的處理時(shí)間消耗；

3.SVM算法的核函數(shù)選擇需要經(jīng)過測(cè)試，核函數(shù)選擇不合適會(huì)造成維數(shù)過大，存儲(chǔ)和計(jì)算耗時(shí)過大。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例的目的在于提供一種選擇編碼模式的方法，旨在解決如何優(yōu)化特征值的選取、減少特征值的數(shù)量、優(yōu)化判決樹的生成、減少在分類結(jié)果中的頻繁切換。

第一方面，一種選擇編碼模式的方法，所述方法包括：