[發明專利]一種歌聲偵測的方法

有效

• 申請號: 201810170413.2
• 申請日: 2018-03-01
• 公開（公告）號: CN108538309B
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 龔俊;熊永春
• 申請（專利權）人: 杭州小影創新科技股份有限公司
• 主分類號: G10L25/18
• 分類號: G10L25/18;G10L17/00;G10L25/51;G10L25/81
• 代理公司: 杭州天昊專利代理事務所(特殊普通合伙) 33283
• 代理人: 董世博

1.一種歌聲偵測的方法，其特征在于，具體步驟如下：

101)獲取BGM頻譜特征步驟：選定出一段目標歌曲中沒有歌唱的純背景音樂即BGM，提取其頻譜特征，所述頻譜特征的獲取方式為先將BGM劃分為N個單元，提取每個單元的頻譜，而后求其頻譜均值來作為其頻譜特征；

102)剔除BGM步驟：根據步驟101)針對一個頻點，遍歷其前后5個單元的相應頻點的頻譜特征，并根據特征頻譜值來找出其中的次極大值，當次極大值大于等于頻譜值時，則該頻點為需要進行剔除處理的頻點；

103)人聲判斷步驟：將經過步驟102)處理后的音頻信號，利用WebRTC來判斷人聲，并將音頻信號分割為每次輸入10ms的音頻信號，WebRTC檢測后的結果為“真”表示是人聲，為“假”表示不是人聲；所述WebRTC是Google開放項目，其中的VAD功能用于檢測人聲；

104)偵測數據的后處理步驟：將步驟103)的判斷后的結果數據進行處理，最終將以時間段落的方式呈現歌聲，具體包括如下處理的狀況：

將步驟103)中經過判斷的每段檢測結果作為一個結果單元，根據其是否在歌聲區域進行進一步的判別處理，當該結果單元處于歌聲區域，并且WebRTC檢測結果為“真”，則計算已有歌聲區間的長度，當其大于歌聲區域的長度則判定構建為一段歌唱區間，并進行重置標志量，若其小于歌聲區域的長度則進行下一個結果單元的判定；當該結果單元處于歌聲區域，并且WebRTC檢測結果為“假”，則進行累加靜音時長，再進行比較該靜音時長與預設的一首歌的靜音閾值，若小于靜音閾值則直接進行下一個結果單元的判定，若大于靜音閾值則計算聲長，并與聲長下限閾值進行對比，若小于聲長下限閾值則丟棄這段數據，重置標志量，若大于聲長下限閾值則構建為一段歌唱區間，重置標志量；當該結果單元不處于歌聲區域，則進一步判定是否是歌聲，若是，則標志歌聲開始，若不是，則進行下一個結果單元的判定。

2.根據權利要求1所述的一種歌聲偵測的方法，其特征在于，所述步驟102)某個需要進行剔除處理的頻點的頻譜值為X(k)，則處理后的頻譜值為

X′(k)＝G*X(k) 公式(1)

其中G＝0.000001為剔除增益；因直接這樣抹除BGM，其處理后的信號平滑性仍不足；聲音會有觸發、衰減、延續、釋放的過程，在觸發和釋放階段做平滑處理。

3.根據權利要求2所述的一種歌聲偵測的方法，其特征在于，所述平滑處理，具體處理方式如下：

觸發階段取20毫秒，釋放階段取100毫秒；

觸發階段，每一個單元的增益G1有：

G1＝10^{gain/(20.0*(1+Ta*SampleRate/StepSize))} 公式(2)

其中，Ta是觸發時長，SampleRate是信號的采樣率，StepSize是分析步進，綜合性能與平滑度取StepSize＝N/4，gain是以分貝計量的增益；

可通過如下公式(3)換算得到：

gain＝20*log₁₀G 公式(3)

釋放階段，每一個單元的增益G2有：

G2＝10^{gain/(20.0*(1+Tr*SampleRate/StepSize))} 公式(4)

其中，Tr是釋放時長，其他參量含義與公式(2)相同。

4.根據權利要求3所述的一種歌聲偵測的方法，其特征在于，所述觸發階段、釋放階段在應用時，會出現一下子將信號衰減到很小，這就會大大降低信號的平滑度，因此需將所要求衰減的增益與觸發增益比較，取其中較大的值，以保證處理后的信號在時域上有較好的平滑度。

5.根據權利要求2所述的一種歌聲偵測的方法，其特征在于，所述觸發階段、釋放階段在應用時，在時域上的平滑處理，能保證處理后的信號隨時間不會出現過大躍變，但同一時間點，信號相鄰頻點之間仍存在出現躍變的狀況，因此會對出現該躍變進行處理；

令某一頻點的增益為G_i，前一個頻點的增益為G_i-1，后一個頻點的增益為G_i+1，取該頻點前后頻點增益的均值，平滑后，該頻點的增益為

進一步，轉換后得到公式(6)：

X′(k)＝G′*X(k) 公式(6)

其中G'是經過上述時域頻域平滑后的信號增益。