[發明專利]一種音頻信號的處理方法、裝置及設備

無效

• 申請號: 201310587304.8
• 申請日: 2013-11-20
• 公開（公告）號: CN103680517A
• 公開（公告）日: 2014-03-26
• 發明（設計）人: 徐德著;顧鳳香;趙翔宇
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G10L25/48
• 分類號: G10L25/48;G10L25/78;H04S1/00
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 黃厚剛

技術領域

本發明涉及音頻處理領域，特別涉及一種音頻信號的處理方法、裝置及設備。

背景技術

單聲道或雙聲道歌曲的每個聲道信號一般包括人聲和伴奏兩種音頻信號。如果用戶想提取出歌曲中的人聲或伴奏，可以采用人聲或伴奏分離技術將人聲或伴奏從歌曲中提取出來。

以人聲分離為例，介紹一下現有分離方式，其包括以下步驟：第一步，分別將歌曲的左右聲道信號由時域轉換為頻域；第二步，計算左右聲道信號的相應頻點對的歸一化互相關值；第三步，對左右聲道信號相應頻點對的均值信號加權人聲增益，人聲增益與當前頻點對的歸一化互相關值成正比例取值；第四步，將加權人聲增益后的左聲道信號和右聲道信號的均值信號由頻域轉換為時域提取出人聲。

現有分離方式依據歌曲的左右聲道信號的相關性給予音樂成分不同增益，不同頻點對的增益不同，且不同頻點對的增益取值相互獨立，沒有一定的相關性，取不同增益時會改變音色特征，導致人聲失真；這樣，提取出的人聲效果比較差，無法滿足高品質人聲的提取要求。

發明內容

為了解決現有技術的問題，本發明實施例提供了一種音頻信號的處理方法、裝置及設備。所述技術方案如下：

第一方面，本發明實施例提供了一種音頻信號的處理方法，所述方法包括：

將歌曲的單聲道信號從時域轉換成頻域，得到第一頻域信號，所述第一頻域信號包括諧波類樂聲成分、敲擊類樂聲成分和人聲成分；

采用諧波類/敲擊類音樂分離HPSS算法從所述第一頻域信號中分離出第二頻域信號，所述第二頻域信號包括所述敲擊類樂聲成分和所述人聲成分；

采用最相似相鄰幀間的中值濾波NNMF算法從所述第二頻域信號中提取出所述人聲成分。

在第一方面的第一種實現方式中，所述采用諧波類/敲擊類音樂分離HPSS算法從所述第一頻域信號中分離出第二頻域信號，包括：

對所述第一頻域信號中每個頻點取幅值，得到第一矩陣；

對所述第一矩陣中每一列進行中值濾波，得到第二矩陣，并對所述第一矩陣中每一行進行中值濾波，得到第三矩陣；

根據所述第二矩陣和所述第三矩陣，通過以下公式，從所述第一頻域信號中分離出所述第二頻域信號；

（（P.*P）./（（H.*H）+（P.*P）））.*X

H表示所述第二矩陣，P表示所述第三矩陣，X表示所述第一矩陣，./表示點除運算，.*表示點乘運算。

結合第一方面或第一方面的第一種實現方式，在第二種實現方式中，所述將歌曲的單聲道信號從時域轉換成頻域，得到第一頻域信號，包括：

采用快速傅里葉變換FFT將所述歌曲的單聲道信號從時域轉換成頻域，得到所述第一頻域信號；所述FFT的采樣率為44.1KHz，幀長不小于8192點，幀移為所述幀長的一半。

結合第一方面、第一方面的第一種實現方式或第二種實現方式，在第三種實現方式中，所述采用最相似相鄰幀間的中值濾波NNMF算法從所述第二頻域信號中提取出所述人聲成分之前，還包括：

采用快速傅里葉反變換將所述第二頻域信號從頻域轉換成時域，再采用FFT進行時域到頻域的轉換，得到重復轉換的所述第二頻域信號；得到所述重復轉換的第二頻域信號所采用的FFT的采樣率為44.1KHz，幀長不大于4096點，幀移為得到所述重復轉換的第二頻域信號采用的FFT的幀長的四分之一；

所述采用最相似相鄰幀間的中值濾波NNMF算法從所述第二頻域信號中提取出所述人聲成分，包括：

采用NNMF算法從所述重復轉換的第二頻域信號中提取出所述人聲成分。

結合第一方面的第三種實現方式，在第四種實現方式中，所述采用NNMF算法從所述重復轉換的第二頻域信號中提取出所述人聲成分，包括：

對所述重復轉換的第二頻域信號中每個頻點取幅值；

遍歷所述重復轉換的第二頻域信號中每一幀信號，計算每一幀信號分別與所述重復轉換的第二頻域信號中除所述每一幀信號外的其他幀信號之間的相似度；

根據所述相似度，獲取所述重復轉換的第二頻域信號的頻域譜估計；

通過以下公式，計算所述重復轉換的第二頻域信號與所述重復轉換的第二頻域信號的頻域譜估計之間相應頻點對的指數歸一化互相關值的差值，