[發(fā)明專(zhuān)利]一種改進(jìn)的源分量及環(huán)境分量提取方法、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110480313.1
• 申請(qǐng)日: 2021-04-30
• 公開(kāi)（公告）號(hào): CN113518299B
• 公開(kāi)（公告）日: 2022-06-03
• 發(fā)明（設(shè)計(jì)）人: 史創(chuàng);王蘋(píng)潔;楊浩聰;劉英子
• 申請(qǐng)（專(zhuān)利權(quán)）人: 電子科技大學(xué)
• 主分類(lèi)號(hào): H04S7/00
• 分類(lèi)號(hào): H04S7/00;G10L21/0308
• 代理公司: 電子科技大學(xué)專(zhuān)利中心 51203
• 代理人: 周劉英

本發(fā)明公開(kāi)了一種改進(jìn)的源分量及環(huán)境分量提取方法、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，屬于音視頻處理技術(shù)領(lǐng)域。本發(fā)明的提取方法為：對(duì)兩個(gè)聲道的源分量能量之比進(jìn)行估計(jì)，并求解音頻在每幀的各正頻率點(diǎn)分量值；然后獲取環(huán)境分量相位角的最優(yōu)估計(jì)；最后，通過(guò)共軛對(duì)稱關(guān)系構(gòu)建對(duì)應(yīng)的負(fù)頻率點(diǎn)分量值，并對(duì)每幀的各頻率點(diǎn)分量值進(jìn)行頻域到時(shí)域的轉(zhuǎn)換處理，得到待進(jìn)行提取的雙聲道音頻信號(hào)的左右升到的環(huán)境分量信號(hào)與源分量信號(hào)。本發(fā)明可用于立體聲擴(kuò)展，使得通道格式立體聲音頻可以與任意通道數(shù)的再現(xiàn)系統(tǒng)兼容。在音頻質(zhì)量方面，經(jīng)本發(fā)明提取方法所提取出源分量、環(huán)境分量的時(shí)域波形與原始語(yǔ)音的左聲道源分量、環(huán)境分量的波形具有高度一致性。

技術(shù)領(lǐng)域

本發(fā)明屬于音頻技術(shù)領(lǐng)域，具體涉及一種改進(jìn)的源分量及環(huán)境分量提取方法、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

如今基于通道的音頻格式得到了廣泛應(yīng)用，但基于通道的音頻往往具有特定的播放配置，即它無(wú)法與不同的播放系統(tǒng)兼容。因此考慮到當(dāng)今播放系統(tǒng)的多樣性，需要對(duì)不同通道數(shù)的音頻信號(hào)進(jìn)行分解和重構(gòu)以滿足不同配置的播放系統(tǒng)，并獲得更好的空間質(zhì)量(spatial quality)。

傳統(tǒng)的音頻重構(gòu)技術(shù)根據(jù)播放系統(tǒng)分為兩類(lèi)，一種是揚(yáng)聲器播放，常見(jiàn)技術(shù)有混音(audio remixing)，另一種是耳機(jī)播放，常見(jiàn)技術(shù)有虛擬化(virtulization)等。基于文獻(xiàn)《Spatial sound reproduction using conventional and parametric loudspeakers》和《Spatial audio processing:MPEG surround and other applications》可知，揚(yáng)聲器播放的音頻重構(gòu)需要額外的組件，導(dǎo)致相應(yīng)的設(shè)備成本更加昂貴。另一方面耳機(jī)播放重構(gòu)出的聲音，其空間質(zhì)量相對(duì)實(shí)錄立體聲還存在差距。

針對(duì)以上問(wèn)題，一種改進(jìn)的思路是通過(guò)前端算法處理的手段，建立立體聲信號(hào)模型，使用音頻的相位信息來(lái)營(yíng)造更真實(shí)的空間聽(tīng)感。將雙聲道音頻分解為源分量(primarycomponent)和環(huán)境分量(ambient component)的線性組合，其中音頻左右通道分別表示為x_L和x_R,并滿足：x_L＝p_L+a_L,x_R＝p_L+a_R，其中p_L、p_R分別代表左右通道的源分量，a_L和a_R分別代表左右通道的環(huán)境分量。在文獻(xiàn)《Primary-Ambient Extraction Using Ambient SpectrumEstimation for Immersive Spatial Audio Reproduction》中，提出了一種通過(guò)對(duì)每幀每個(gè)頻點(diǎn)的環(huán)境分量相位做最優(yōu)估計(jì)來(lái)實(shí)現(xiàn)源分量及環(huán)境分量提取的技術(shù)，但該方法的優(yōu)化目標(biāo)為每幀每頻點(diǎn)的環(huán)境分量相位，在本發(fā)明的技術(shù)方案的實(shí)現(xiàn)過(guò)程中，發(fā)明人發(fā)現(xiàn)：實(shí)際生活中一種更常見(jiàn)的情況是不同幀相同頻點(diǎn)處的環(huán)境分量相位差相同，因此沒(méi)有必要對(duì)左、右聲道每幀、每頻點(diǎn)處的環(huán)境分量相位均做最優(yōu)估計(jì)。

發(fā)明內(nèi)容

本發(fā)明公開(kāi)了一種改進(jìn)的源分量及環(huán)境分量提取方法、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，以減小對(duì)雙聲道音頻的進(jìn)行源分量及環(huán)境分量提取時(shí)的計(jì)算量，提升運(yùn)算速度。

一方面，本發(fā)明提供了一種基于雙聲道音頻的一種改進(jìn)的源分量及環(huán)境分量提取方法，包括下列步驟：

步驟1：估算左、右通道源分量之比k；

其中，r₀₀、r₁₁分別表示左右通道源分量的自相關(guān)系數(shù)，r₀₁表示左右通道源分量的互相關(guān)系數(shù)；