[發(fā)明專利]一種音頻信號(hào)相似程度的自動(dòng)檢測(cè)方法及其系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810445754.6
• 申請(qǐng)日: 2018-05-11
• 公開（公告）號(hào): CN108665903B
• 公開（公告）日: 2021-04-30
• 發(fā)明（設(shè)計(jì)）人: 李偉;吳益明;陳軻
• 申請(qǐng)（專利權(quán)）人: 復(fù)旦大學(xué)
• 主分類號(hào): G10L19/02
• 分類號(hào): G10L19/02;G10L25/51;G06F21/10
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 陸飛;陸尤

本發(fā)明公開了一種音頻信號(hào)相似程度的自動(dòng)檢測(cè)方法及其系統(tǒng)，包括：獲取待檢測(cè)的兩段音頻信號(hào)；對(duì)其進(jìn)行頻域分析并找出所有頻域能量局部峰值位置；連接頻域能量局部峰值，組成音高軌跡；根據(jù)頻域能量局部峰值位置，計(jì)算每個(gè)音頻幀的顯著值，得到顯著平均值；根據(jù)顯著平均值計(jì)算音高軌跡的有聲部分判斷的閾值；去除顯著平均值超出所述閾值的部分，得到兩段音頻信號(hào)的主旋律序列；求出兩段主旋律的相似性矩陣；并應(yīng)用動(dòng)態(tài)規(guī)劃局部規(guī)整算法做二值化處理，得到二值矩陣；進(jìn)而判斷兩段輸入音頻信號(hào)的相似程度。采用本發(fā)明的方法或系統(tǒng)，提升了音頻信號(hào)相似程度檢測(cè)效率，解決了音頻傳播中的抄襲問題，對(duì)于數(shù)字音頻的版權(quán)管理問題予以了準(zhǔn)確全面的保護(hù)。

技術(shù)領(lǐng)域

本發(fā)明涉及音樂抄襲檢測(cè)領(lǐng)域，特別是一種音頻信號(hào)相似程度的自動(dòng)檢測(cè)方法及其系統(tǒng)。

背景技術(shù)

隨著互聯(lián)網(wǎng)以及軟件開發(fā)技術(shù)的高速發(fā)展，音樂傳播的代價(jià)以及音樂編寫的門檻變得越來(lái)越低，音頻相似性比較成了一個(gè)重要的研究課題。在音樂信息檢索的研究中，音樂相似性計(jì)算是其中一個(gè)關(guān)鍵的課題，它研究如何以計(jì)算方式衡量?jī)啥尾煌纛l的內(nèi)容上的相似性。音樂之間的“相似性”的定義通常包含著很大的主觀成分，然而其中也存在著一些可以量化的切入點(diǎn)，比如旋律走向的相似程度，在音樂抄襲的判斷標(biāo)準(zhǔn)中，存在兩種說(shuō)法，一種是8小節(jié)以上的雷同便視為抄襲；另一種是相似音樂不超過(guò)4小節(jié)不算抄襲。無(wú)論是哪一種說(shuō)法，抄襲檢測(cè)主要依賴的技術(shù)無(wú)疑是音樂相似性的計(jì)算技術(shù)。音樂相似性計(jì)算中，基于片段的檢索(Query-by-example)的目標(biāo)是查詢音頻數(shù)據(jù)庫(kù)中的音頻以找出所有包含查詢片段(query clip)的音頻。這個(gè)問題在不同的應(yīng)用場(chǎng)合下，有不同的功能要求。在音頻識(shí)別(Audio identification)問題中，要求檢索系統(tǒng)在給定查詢片段之后，返回包含該片段的名稱或作曲家信息等。在一些場(chǎng)合，音頻識(shí)別問題還要求得出查詢片段在原音頻中的匹配位置。

在涉及到相似性計(jì)算方面的領(lǐng)域，有很多現(xiàn)有的方法，例如交叉相關(guān)(cross-correlation)，弗羅貝尼烏斯范數(shù)(Frobenius norm)，歐幾里得距離(Euclideandistance)，以及點(diǎn)積等。例如現(xiàn)有技術(shù)中用于音樂抄襲檢測(cè)算法：基于動(dòng)態(tài)時(shí)間規(guī)整(Dynamic Time Warping)的算法，對(duì)于動(dòng)態(tài)規(guī)整算法的距離度量，通常采用的距離量度有歐幾里得距離、余弦距離與相關(guān)度等。然而，大量文獻(xiàn)指出，諸如Chroma向量等與聲調(diào)有關(guān)的向量并不適合放在歐幾里得空間中度量。動(dòng)態(tài)時(shí)間規(guī)整算法，就是把兩段不同長(zhǎng)度的音頻進(jìn)行時(shí)間上的“對(duì)齊”，例如，在語(yǔ)音識(shí)別中，不同人對(duì)于同一段話(或者說(shuō)字母)的發(fā)音時(shí)間必然長(zhǎng)短不一，但把該聲音記錄下來(lái)以后，它的信號(hào)肯定是很相似的，只是在時(shí)間上未對(duì)齊，所以動(dòng)態(tài)時(shí)間調(diào)整的目的是用一個(gè)函數(shù)拉長(zhǎng)或者縮短其中一個(gè)信號(hào)，使得它們之間的誤差達(dá)到最小。在音樂相似度計(jì)算中，相似的音樂在時(shí)間長(zhǎng)短、旋律走向上必然存在一些誤差，但是如果說(shuō)兩首音樂是存在極大相似度的，那么這兩者間的相似信號(hào)必然存在很大的交集，因此，動(dòng)態(tài)時(shí)間規(guī)整算法被大量地運(yùn)用于音樂相似度計(jì)算之中，只要定義好音樂序列的距離計(jì)算方式，便可以根據(jù)動(dòng)態(tài)規(guī)劃計(jì)算累加距離，得到相似程度，對(duì)抄襲做出相關(guān)的判定。動(dòng)態(tài)規(guī)劃算法已經(jīng)給出了音頻的相似性。由于其應(yīng)對(duì)時(shí)長(zhǎng)變化的靈活性，大部分翻唱作品檢測(cè)算法都采用了基于動(dòng)態(tài)規(guī)劃算法的相似性計(jì)算方式，如最小編輯距離與動(dòng)態(tài)時(shí)間規(guī)整等。

然而，現(xiàn)有技術(shù)的主要問題是對(duì)于音樂抄襲的判斷效果并不全面。音樂抄襲更多只需要在音樂的局部進(jìn)行計(jì)算，動(dòng)態(tài)時(shí)間規(guī)整算法計(jì)算從(0，0)到(Am,Bm)之間的相似距離并不能很好地表現(xiàn)兩段音樂某個(gè)局部之間的相似度差異，因此在亂序的局部相似的音樂中，該方法并不能很好地顯示出顯著的相似度差異，如果要使用局部的截取進(jìn)行處理，那么無(wú)疑增加了時(shí)間的開銷，在快速判斷抄襲的技術(shù)需求下并不能作為首要選擇。同時(shí)，對(duì)于序列距離的定義多種多樣，這種基于線性比較的方法在相似度計(jì)算中不存在明顯的梯度，換言之，相似度的擬合并不該是一條簡(jiǎn)單增長(zhǎng)的曲線，距離的定義一定程度上影響了判斷效果。

發(fā)明內(nèi)容

本發(fā)明的目的是提供了一種音頻信號(hào)相似程度的自動(dòng)檢測(cè)方法及其系統(tǒng)，能對(duì)音頻中的短時(shí)相似片段進(jìn)行抄襲檢測(cè)，準(zhǔn)確地體現(xiàn)出兩段音樂的局部相似度差異，對(duì)數(shù)字音頻的版權(quán)管理問題予以更好的保護(hù)。