[發明專利]一種抗變調干擾的音頻指紋提取方法

有效

• 申請號: 201910833151.8
• 申請日: 2019-09-04
• 公開（公告）號: CN110767248B
• 公開（公告）日: 2022-03-22
• 發明（設計）人: 褚仁杰;牛保寧;姚姍姍
• 申請（專利權）人: 太原理工大學
• 主分類號: G10L25/18
• 分類號: G10L25/18;G10L25/54;G10L21/14;G06F16/61;G06F16/683
• 代理公司: 太原晉科知識產權代理事務所(特殊普通合伙) 14110
• 代理人: 任林芳

本發明公開了一種抗變調干擾的音頻指紋提取方法，該方法的步驟包括：對音頻信號分幀加窗，做傅里葉變換，收集每幀信號對應的傅里葉系數；在收集到的傅里葉系數中，用基于峰值點的能量段索引計算方法計算每幀信號對應的能量段索引；利用能量段索引計算能量段值，并以二維過濾核過濾能量段提取指紋。通過本發明，能夠克服現有飛利浦指紋無法抵抗變調干擾的不足，在保持原飛利浦指紋的子指紋連續性和對各種噪聲干擾魯棒的前提下，增加對變調干擾的抵抗性。

技術領域

本發明涉及音頻信息檢索領域，特別是涉及一種抗變調干擾的音頻指紋提取方法。

背景技術

隨著信息電子技術與移動互聯網在全世界范圍的廣泛發展、音頻編解碼技術的迅猛發展以及高容量存儲介質的誕生，網絡中的數字音頻資源數量呈現指數級別的增長。海量的網絡數字音頻資源給人們帶來極大便利的同時，對于其網絡版權保護也隨著現階段互聯網數字音頻管理體系和版權保護制度的發展而逐漸引起重視。為了對網絡用戶隨意上傳或下載的數字音頻資源與更改后的音頻內容進行版權監控，保護數字音頻資源版權擁有者的合法權益，需要音頻檢索技術。

目前主要的音頻檢索方法分為基于文本和基于內容兩大類，在版權監控及其它如聽歌識曲等應用中主要依賴基于內容的音頻檢索方法。基于內容的音頻指紋檢索是將待檢索音頻指紋與音頻指紋數據庫中的指紋進行相似度匹配，通過比較相似度獲取檢索結果的過程。

音頻指紋是檢索準確與高效的基礎。提取的指紋需有強代表性，高區分性與高魯棒性，但是目前沒有一種音頻指紋對所有類型的噪音干擾都魯棒。飛利浦（Philips）指紋與沙贊（Shazam）指紋是音頻指紋的兩類代表。在對飛利浦指紋改進時多基于改變提取指紋所依據的信息，原指紋無法抵抗大于±4%的變速干擾，Joe等人利用傅里葉變換的相位信息將這一范圍提高到±10%。這是類飛利浦指紋的常見問題。在對沙贊指紋改進時，多是考慮利用峰值點的變換不變性組合形成指紋，Quads指紋是其中的代表，可以抵抗極其嚴重的變速干擾，但在GSM壓縮干擾下表現不佳。

隨著大數據時代的到來，音頻指紋檢索方法中檢索方法在應對大規模音頻數據時需要保持檢索高效與精確。增強型采樣技術方法（enhanced Sampling and Counting,eSC）是為類飛利浦指紋提出的高效的檢索方法。eSC通過在過濾階段對音頻子指紋采樣和對匹配對計數取得高效性，快速過濾掉大部分不相關的音頻，得到一個比原始數據庫小很多的候選音頻集；在精確匹配階段采用轉折點匹配方法進行待檢索音頻與候選集音頻的配對，獲得對變速干擾中時間延展干擾的抵抗性，但是仍然沒有解決飛利浦指紋弱變調干擾的缺點。

發明內容

本發明主要為解決現有技術的不足之處而提供一種抗變調干擾的音頻指紋提取方法。

為解決上述技術問題，本發明采用的一個技術方案是：提供一種抗變調干擾的音頻指紋提取方法，該方法的步驟包括：對音頻信號分幀加窗，做傅里葉變換，收集每幀信號對應的傅里葉系數；在收集到的傅里葉系數中，用基于峰值點的能量段索引計算方法計算每幀信號對應的能量段索引；利用能量段索引計算能量段值，并以二維過濾核過濾能量段提取指紋。

其中，用基于峰值點的能量段索引計算方法計算每幀信號對應的能量段索引的步驟包括：利用峰值點判別方法找到音頻中每幀信號對應的傅里葉系數的峰值點頻率段，作為計算能量段索引的起始點；利用恒定的對數間隔計算能量段索引值。

其中，利用基于峰值點判別方法找到音頻中每幀信號對應的傅里葉系數的峰值點頻率段，作為計算能量段索引的起始點的步驟中，基于峰值點判別方法的步驟包括：

設定頻率段位置閾值ε_freq用以決定每幀音頻信號中峰值點的位置；設定p表示每一幀峰值點所處的頻率段，通過比較確定每一幀音頻信號對應的傅里葉系數中具有最大傅里葉系數的頻率段，即峰值點所在的頻率段p，且該頻率段的位置應位于頻率段位置閾值ε_freq規定的范圍內。