一種音頻信號(hào)分類方法和裝置制造方法
【專利摘要】本發(fā)明實(shí)施例公開(kāi)了一種音頻信號(hào)分類方法和裝置，用于對(duì)輸入的音頻信號(hào)進(jìn)行分類，該方法包括：根據(jù)當(dāng)前音頻幀的聲音活動(dòng)性，確定是否獲得當(dāng)前音頻幀的頻譜波動(dòng)并存儲(chǔ)于頻譜波動(dòng)存儲(chǔ)器中，其中，所述頻譜波動(dòng)表示音頻信號(hào)的頻譜的能量波動(dòng)；根據(jù)音頻幀是否為敲擊音樂(lè)或歷史音頻幀的活動(dòng)性，更新頻譜波動(dòng)存儲(chǔ)器中存儲(chǔ)的頻譜波動(dòng)；根據(jù)頻譜波動(dòng)存儲(chǔ)器中存儲(chǔ)的頻譜波動(dòng)的部分或全部有效數(shù)據(jù)的統(tǒng)計(jì)量，將所述當(dāng)前音頻幀分類為語(yǔ)音幀或者音樂(lè)幀。
【專利說(shuō)明】一種音頻信號(hào)分類方法和裝置
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及數(shù)字信號(hào)處理【技術(shù)領(lǐng)域】，尤其是一種音頻信號(hào)分類方法和裝置。
【背景技術(shù)】
[0002] 為了降低視頻信號(hào)存儲(chǔ)或者傳輸過(guò)程中占用的資源，音頻信號(hào)在發(fā)送端進(jìn)行壓縮 處理后傳輸?shù)浇邮斩耍邮斩送ㄟ^(guò)解壓縮處理恢復(fù)音頻信號(hào)。
[0003] 在音頻處理應(yīng)用中，音頻信號(hào)分類是一種應(yīng)用廣泛而重要的技術(shù)。例如，在音頻編 解碼應(yīng)用中，目前比較流行的編解碼器是一種混合編解碼。這種編解碼器通常包含了一個(gè) 基于語(yǔ)音產(chǎn)生模型的編碼器(如CELP)和一個(gè)基于變換的編碼器(如基于MDCT的編碼器)。 在中低碼率下，基于語(yǔ)音產(chǎn)生模型的編碼器可以獲得較好的語(yǔ)音編碼質(zhì)量，但對(duì)音樂(lè)的編 碼質(zhì)量比較差，而基于變換的編碼器能夠獲得較好的音樂(lè)編碼質(zhì)量，對(duì)語(yǔ)音的編碼質(zhì)量又 比較差。因此，混合編解碼器通過(guò)對(duì)語(yǔ)音信號(hào)采用基于語(yǔ)音產(chǎn)生模型的編碼器進(jìn)行編碼，對(duì) 音樂(lè)信號(hào)采用基于變換的編碼器進(jìn)行編碼，從而獲得整體最佳的編碼效果。這里，一個(gè)核心 的技術(shù)就是音頻信號(hào)分類，或具體到這個(gè)應(yīng)用，就是編碼模式選擇。
[0004] 混合編解碼器需要獲得準(zhǔn)確的信號(hào)類型信息，才能獲得最優(yōu)的編碼模式選擇。這 里的音頻信號(hào)分類器也可以被大致認(rèn)為是一種語(yǔ)音/音樂(lè)分類器。語(yǔ)音識(shí)別率和音樂(lè)識(shí)別 率是衡量語(yǔ)音/音樂(lè)分類器性能的重要指標(biāo)。尤其對(duì)于音樂(lè)信號(hào)，由于其信號(hào)特征的多樣/ 復(fù)雜性，對(duì)音樂(lè)信號(hào)的識(shí)別通常較語(yǔ)音困難。此外，識(shí)別延時(shí)也是非常重要的指標(biāo)之一。由 于語(yǔ)音/音樂(lè)特征在短時(shí)上的模糊性，通常需要在一段相對(duì)長(zhǎng)的時(shí)間區(qū)間內(nèi)才能夠較準(zhǔn)確 的識(shí)別出語(yǔ)音/音樂(lè)來(lái)。一般來(lái)說(shuō)，在同一類信號(hào)中段時(shí)，識(shí)別延時(shí)越長(zhǎng)，識(shí)別越準(zhǔn)確。但 在兩類信號(hào)的過(guò)渡段時(shí)，識(shí)別延時(shí)越長(zhǎng)，識(shí)別準(zhǔn)確率反而降低。這在輸入是混合信號(hào)(如有 背景音樂(lè)的語(yǔ)音)的情況下尤為嚴(yán)重。因此，同時(shí)兼具高識(shí)別率和低識(shí)別延時(shí)是一個(gè)高性能 語(yǔ)音/音樂(lè)識(shí)別器的必要屬性。此外，分類的穩(wěn)定性也是影響到混合編碼器編碼質(zhì)量的重 要屬性。一般來(lái)說(shuō)，混合編碼器在不同類型編碼器之間切換時(shí)會(huì)產(chǎn)生質(zhì)量下降。如果分類 器在同一類信號(hào)中發(fā)生頻繁的類型切換，對(duì)編碼質(zhì)量的影響是比較大的，這就要求分類器 的輸出分類結(jié)果要準(zhǔn)確而平滑。另外，在一些應(yīng)用中，如通信系統(tǒng)中的分類算法，也要求其 計(jì)算復(fù)雜度和存儲(chǔ)開(kāi)銷(xiāo)要盡可能的低，以滿足商業(yè)需求。
[0005] ITU-T標(biāo)準(zhǔn)G. 720. 1包含有一個(gè)語(yǔ)音/音樂(lè)分類器。這個(gè)分類器以一個(gè)主參數(shù)，頻 譜波動(dòng)方差Var_fluX，做為信號(hào)分類的主要依據(jù)，并結(jié)合兩個(gè)不同的頻譜峰度參數(shù)pl，p2， 做為輔助依據(jù)。根據(jù)var_f lux對(duì)輸入信號(hào)的分類，是通過(guò)在一個(gè)FIFO的var_f lux buffer 中，根據(jù)var_fluX的局部統(tǒng)計(jì)量來(lái)完成的。具體過(guò)程概述如下。首先對(duì)每一輸入音頻幀提 取頻譜波動(dòng)flux,并緩存在一個(gè)第一buffer中，這里的flux是在包括當(dāng)前輸入巾貞在內(nèi)的最 新的4幀中計(jì)算的，也可以有其它的計(jì)算方法。然后，計(jì)算包括當(dāng)前輸入幀在內(nèi)的N個(gè)最新 中貞的flux的方差，得到當(dāng)前輸入巾貞的var_flux，并緩存在第二buffer中。然后，統(tǒng)計(jì)第二 buffer中包括當(dāng)前輸入巾貞在內(nèi)的M個(gè)最新巾貞的var_flux中大于第一門(mén)限值的巾貞的個(gè)數(shù)K。 如果K與M的比值大于一個(gè)第二門(mén)限值，則判斷當(dāng)前輸入幀為語(yǔ)音幀，否則為音樂(lè)幀。輔助 參數(shù)pl，p2主要用于對(duì)分類的修正，也是對(duì)每一輸入音頻幀計(jì)算的。當(dāng)pi和/或p2大于 某第三門(mén)限和/或第四門(mén)限時(shí)，則直接判斷當(dāng)前輸入音頻幀為音樂(lè)幀。
[0006] 這個(gè)語(yǔ)音/音樂(lè)分類器的缺點(diǎn)一方面對(duì)音樂(lè)的絕對(duì)識(shí)別率仍然有待提高，另一方 面，由于該分類器的目標(biāo)應(yīng)用沒(méi)有針對(duì)混合信號(hào)的應(yīng)用場(chǎng)景，所以對(duì)混合信號(hào)的識(shí)別性能 也還有一定的提升空間。
[0007] 現(xiàn)有的語(yǔ)音/音樂(lè)分類器有很多都是基于模式識(shí)別原理設(shè)計(jì)的。這類分類器通常 都是對(duì)輸入音頻幀提取多個(gè)特征參數(shù)(十幾到幾十不等)，并將這些參數(shù)饋入一個(gè)或者基于 高斯混合模型，或者基于神經(jīng)網(wǎng)絡(luò)，或者基于其它經(jīng)典分類方法的分類器來(lái)進(jìn)行分類的。
[0008] 這類分類器雖然有較高的理論基礎(chǔ)，但通常具有較高的計(jì)算或存儲(chǔ)復(fù)雜度，實(shí)現(xiàn) 成本較高。
【發(fā)明內(nèi)容】
[0009] 本發(fā)明實(shí)施例的目的在于提供一種音頻信號(hào)分類方法和裝置，在保證混合音頻信 號(hào)分類識(shí)別率的情況下，降低信號(hào)分類的復(fù)雜度。
[0010] 第一方面，提供了一種音頻信號(hào)分類方法，包括：
[0011] 根據(jù)當(dāng)前音頻幀的聲音活動(dòng)性，確定是否獲得當(dāng)前音頻幀的頻譜波動(dòng)并存儲(chǔ)于頻 譜波動(dòng)存儲(chǔ)器中，其中，所述頻譜波動(dòng)表示音頻信號(hào)的頻譜的能量波動(dòng)；
[0012] 根據(jù)音頻幀是否為敲擊音樂(lè)或歷史音頻幀的活動(dòng)性，更新頻譜波動(dòng)存儲(chǔ)器中存儲(chǔ) 的頻譜波動(dòng)；
[0013] 根據(jù)頻譜波動(dòng)存儲(chǔ)器中存儲(chǔ)的頻譜波動(dòng)的部分或全部有效數(shù)據(jù)的統(tǒng)計(jì)量，將所述 當(dāng)前音頻幀分類為語(yǔ)音幀或者音樂(lè)幀。
[0014] 在第一種可能的實(shí)現(xiàn)方式中，根據(jù)當(dāng)前音頻幀的聲音活動(dòng)性，確定是否獲得當(dāng)前 音頻幀的頻譜波動(dòng)并存儲(chǔ)于頻譜波動(dòng)存儲(chǔ)器中包括：
[0015] 若當(dāng)前音頻幀為活動(dòng)幀，則將當(dāng)前音頻幀的頻譜波動(dòng)存儲(chǔ)于頻譜波動(dòng)存儲(chǔ)器中。
[0016] 在第二種可能的實(shí)現(xiàn)方式中，根據(jù)當(dāng)前音頻幀的聲音活動(dòng)性，確定是否獲得當(dāng)前 音頻幀的頻譜波動(dòng)并存儲(chǔ)于頻譜波動(dòng)存儲(chǔ)器中包括：
[0017] 若當(dāng)前音頻幀為活動(dòng)幀，且當(dāng)前音頻幀不屬于能量沖擊，則將當(dāng)前音頻幀的頻譜 波動(dòng)存儲(chǔ)于頻譜波動(dòng)存儲(chǔ)器中。
[0018] 在第三種可能的實(shí)現(xiàn)方式中，根據(jù)當(dāng)前音頻幀的聲音活動(dòng)性，確定是否獲得當(dāng)前 音頻幀的頻譜波動(dòng)并存儲(chǔ)于頻譜波動(dòng)存儲(chǔ)器中包括：
[0019] 若當(dāng)前音頻幀為活動(dòng)幀，且包含當(dāng)前音頻幀與其歷史幀在內(nèi)的多個(gè)連續(xù)幀都不屬 于能量沖擊，則將音頻幀的頻譜波動(dòng)存儲(chǔ)于頻譜波動(dòng)存儲(chǔ)器中。
[0020] 結(jié)合第一方面或第一方面的第一種可能的實(shí)現(xiàn)方式或第一方面的第二種可能的 實(shí)現(xiàn)方式或第一方面的第三種可能的實(shí)現(xiàn)方式，在第四種可能的實(shí)現(xiàn)方式中，根據(jù)所述當(dāng) 前音頻幀是否為敲擊音樂(lè)，更新頻譜波動(dòng)存儲(chǔ)器中存儲(chǔ)的頻譜波動(dòng)包括：
[0021] 若當(dāng)前音頻幀屬于敲擊音樂(lè)，則修改頻譜波動(dòng)存儲(chǔ)器中已存儲(chǔ)的頻譜波動(dòng)的值。
[0022] 結(jié)合第一方面或第一方面的第一種可能的實(shí)現(xiàn)方式或第一方面的第二種可能的 實(shí)現(xiàn)方式或第一方面的第三種可能的實(shí)現(xiàn)方式，在第五種可能的實(shí)現(xiàn)方式中，根據(jù)所述歷 史音頻幀的活動(dòng)性，更新頻譜波動(dòng)存儲(chǔ)器中存儲(chǔ)的頻譜波動(dòng)包括：
[0023] 如果確定當(dāng)前音頻幀的頻譜波動(dòng)存儲(chǔ)于頻譜波動(dòng)存儲(chǔ)器中，且前一幀音頻幀為非 活動(dòng)幀，則將頻譜波動(dòng)存儲(chǔ)器中已存儲(chǔ)的除當(dāng)前音頻幀的頻譜波動(dòng)之外的其他頻譜波動(dòng)的 數(shù)據(jù)修改為無(wú)效數(shù)據(jù)；
[0024] 如果確定當(dāng)前音頻幀的頻譜波動(dòng)存儲(chǔ)于頻譜波動(dòng)存儲(chǔ)器中，且當(dāng)前音頻幀之前連 續(xù)三幀歷史幀不全都為活動(dòng)幀，則將當(dāng)前音頻幀的頻譜波動(dòng)修正為第一值；
[0025] 如果確定當(dāng)前音頻幀的頻譜波動(dòng)存儲(chǔ)于頻譜波動(dòng)存儲(chǔ)器中，且歷史分類結(jié)果為音 樂(lè)信號(hào)且當(dāng)前音頻幀的頻譜波動(dòng)大于第二值，則將當(dāng)前音頻幀的頻譜波動(dòng)修正為第二值， 其中，第二值大于第一值。
[0026] 結(jié)合第一方面或第一方面的第一種可能的實(shí)現(xiàn)方式或第一方面的第二種可能的 實(shí)現(xiàn)方式或第一方面的第三種可能的實(shí)現(xiàn)方式或第一方面的第四種可能的實(shí)現(xiàn)方式或第 一方面的第五種可能的實(shí)現(xiàn)方式，在第六種可能的實(shí)現(xiàn)方式中，根據(jù)頻譜波動(dòng)存儲(chǔ)器中存 儲(chǔ)的頻譜波動(dòng)的部分或全部有效數(shù)據(jù)的統(tǒng)計(jì)量，將所述當(dāng)前音頻幀分類為語(yǔ)音幀或者音樂(lè) 中貞包括：
[0027] 獲得頻譜波動(dòng)存儲(chǔ)器中存儲(chǔ)的頻譜波動(dòng)的部分或全部有效數(shù)據(jù)的均值；
[0028] 當(dāng)所獲得的頻譜波動(dòng)的有效數(shù)據(jù)的均值滿足音樂(lè)分類條件時(shí)，將所述當(dāng)前音頻幀 分類為音樂(lè)幀；否則將所述當(dāng)前音頻幀分類為語(yǔ)音幀。
[0029] 結(jié)合第一方面或第一方面的第一種可能的實(shí)現(xiàn)方式或第一方面的第二種可能的 實(shí)現(xiàn)方式或第一方面的第三種可能的實(shí)現(xiàn)方式或第一方面的第四種可能的實(shí)現(xiàn)方式或第 一方面的第五種可能的實(shí)現(xiàn)方式，在第七種可能的實(shí)現(xiàn)方式中，該音頻信號(hào)分類方法還包 括：
[0030] 獲得當(dāng)前音頻幀的頻譜高頻帶峰度、頻譜相關(guān)度和線性預(yù)測(cè)殘差能量?jī)A斜度；其 中，頻譜高頻帶峰度表示當(dāng)前音頻幀的頻譜在高頻帶上的峰度或能量銳度；頻譜相關(guān)度表 示當(dāng)前音頻幀的信號(hào)諧波結(jié)構(gòu)在相鄰幀間的穩(wěn)定度；線性預(yù)測(cè)殘差能量?jī)A斜度表示音頻信 號(hào)的線性預(yù)測(cè)殘差能量隨線性預(yù)測(cè)階數(shù)的升高而變化的程度；
[0031] 根據(jù)所述當(dāng)前音頻幀的聲音活動(dòng)性，確定是否將所述頻譜高頻帶峰度、頻譜相關(guān) 度和線性預(yù)測(cè)殘差能量?jī)A斜度存儲(chǔ)于存儲(chǔ)器中；
[0032] 其中，所述根據(jù)頻譜波動(dòng)存儲(chǔ)器中存儲(chǔ)的頻譜波動(dòng)的部分或全部數(shù)據(jù)的統(tǒng)計(jì)量， 對(duì)所述音頻幀進(jìn)行分類包括：
[0033] 分別獲得存儲(chǔ)的頻譜波動(dòng)有效數(shù)據(jù)的均值，頻譜高頻帶峰度有效數(shù)據(jù)的均值，頻 譜相關(guān)度有效數(shù)據(jù)的均值和線性預(yù)測(cè)殘差能量?jī)A斜度有效數(shù)據(jù)的方差；
[0034] 當(dāng)下列條件之一滿足時(shí)，將所述當(dāng)前音頻幀分類為音樂(lè)幀，否則將所述當(dāng)前音頻 幀分類為語(yǔ)音幀：所述頻譜波動(dòng)有效數(shù)據(jù)的均值小于第一閾值；或者頻譜高頻帶峰度有效 數(shù)據(jù)的均值大于第二閾值；或者所述頻譜相關(guān)度有效數(shù)據(jù)的均值大于第三閾值；或者線性 預(yù)測(cè)殘差能量?jī)A斜度有效數(shù)據(jù)的方差小于第四閾值。
[0035] 第二方面，提供了一種音頻信號(hào)的分類裝置，用于對(duì)輸入的音頻信號(hào)進(jìn)行分類，包 括：
[0036] 存儲(chǔ)確認(rèn)單元，用于根據(jù)所述當(dāng)前音頻幀的聲音活動(dòng)性，確定是否獲得并存儲(chǔ)當(dāng) 前音頻幀的頻譜波動(dòng)，其中，所述頻譜波動(dòng)表示音頻信號(hào)的頻譜的能量波動(dòng)；
[0037] 存儲(chǔ)器，用于在存儲(chǔ)確認(rèn)單元輸出需要存儲(chǔ)的結(jié)果時(shí)存儲(chǔ)所述頻譜波動(dòng)；
[0038] 更新單元，用于根據(jù)語(yǔ)音幀是否為敲擊音樂(lè)或歷史音頻幀的活動(dòng)性，更新存儲(chǔ)器 中存儲(chǔ)的頻譜波動(dòng)；
[0039] 分類單元，用于根據(jù)存儲(chǔ)器中存儲(chǔ)的頻譜波動(dòng)的部分或全部有效數(shù)據(jù)的統(tǒng)計(jì)量， 將所述當(dāng)前音頻幀分類為語(yǔ)音幀或者音樂(lè)幀。
[0040] 在第一種可能的實(shí)現(xiàn)方式中，所述存儲(chǔ)確認(rèn)單元具體用于：確認(rèn)當(dāng)前音頻幀為活 動(dòng)幀時(shí)，輸出需要存儲(chǔ)當(dāng)前音頻幀的頻譜波動(dòng)的結(jié)果。
[0041] 在第二種可能的實(shí)現(xiàn)方式中，所述存儲(chǔ)確認(rèn)單元具體用于：確認(rèn)當(dāng)前音頻幀為活 動(dòng)幀，且當(dāng)前音頻幀不屬于能量沖擊時(shí)，輸出需要存儲(chǔ)當(dāng)前音頻幀的頻譜波動(dòng)的結(jié)果。
[0042] 在第三種可能的實(shí)現(xiàn)方式中，所述存儲(chǔ)確認(rèn)單元具體用于：確認(rèn)當(dāng)前音頻幀為活 動(dòng)幀，且包含當(dāng)前音頻幀與其歷史幀在內(nèi)的多個(gè)連續(xù)幀都不屬于能量沖擊時(shí)，輸出需要存 儲(chǔ)當(dāng)前音頻幀的頻譜波動(dòng)的結(jié)果。
[0043] 結(jié)合第二方面或第二方面的第一種可能的實(shí)現(xiàn)方式或第二方面的第二種可能的 實(shí)現(xiàn)方式或第二方面的第三種可能的實(shí)現(xiàn)方式，在第四種可能的實(shí)現(xiàn)方式中，所述更新單 元具體用于若當(dāng)前音頻幀屬于敲擊音樂(lè)，則修改頻譜波動(dòng)存儲(chǔ)器中已存儲(chǔ)的頻譜波動(dòng)的 值。
[0044] 結(jié)合第二方面或第二方面的第一種可能的實(shí)現(xiàn)方式或第二方面的第二種可能的 實(shí)現(xiàn)方式或第二方面的第三種可能的實(shí)現(xiàn)方式，在第五種可能的實(shí)現(xiàn)方式中，所述更新單 元具體用于：如果當(dāng)前音頻幀為活動(dòng)幀，且前一幀音頻幀為非活動(dòng)幀時(shí)，則將存儲(chǔ)器中已存 儲(chǔ)的除當(dāng)前音頻幀的頻譜波動(dòng)之外的其他頻譜波動(dòng)的數(shù)據(jù)修改為無(wú)效數(shù)據(jù)；或
[0045] 如果當(dāng)前音頻幀為活動(dòng)幀，且當(dāng)前音頻幀之前連續(xù)三幀不全都為活動(dòng)幀時(shí)，則將 當(dāng)前音頻幀的頻譜波動(dòng)修正為第一值；或
[0046] 如果當(dāng)前音頻幀為活動(dòng)幀，且歷史分類結(jié)果為音樂(lè)信號(hào)且當(dāng)前音頻幀的頻譜波動(dòng) 大于第二值，則將當(dāng)前音頻幀的頻譜波動(dòng)修正為第二值，其中，第二值大于第一值。
[0047] 結(jié)合第二方面或第二方面的第一種可能的實(shí)現(xiàn)方式或第二方面的第二種可能的 實(shí)現(xiàn)方式或第二方面的第三種可能的實(shí)現(xiàn)方式或第二方面的第四種可能的實(shí)現(xiàn)方式或第 二方面的第五種可能的實(shí)現(xiàn)方式，在第六種可能的實(shí)現(xiàn)方式中，所述分類單元包括：
[0048] 計(jì)算單元，用于獲得存儲(chǔ)器中存儲(chǔ)的頻譜波動(dòng)的部分或全部有效數(shù)據(jù)的均值；
[0049] 判斷單元，用于將所述頻譜波動(dòng)的有效數(shù)據(jù)的均值與音樂(lè)分類條件做比較，當(dāng)所 述頻譜波動(dòng)的有效數(shù)據(jù)的均值滿足音樂(lè)分類條件時(shí)，將所述當(dāng)前音頻幀分類為音樂(lè)幀；否 則將所述當(dāng)前音頻幀分類為語(yǔ)音幀。
[0050] 結(jié)合第二方面或第二方面的第一種可能的實(shí)現(xiàn)方式或第二方面的第二種可能的 實(shí)現(xiàn)方式或第二方面的第三種可能的實(shí)現(xiàn)方式或第二方面的第四種可能的實(shí)現(xiàn)方式或第 二方面的第五種可能的實(shí)現(xiàn)方式，在第七種可能的實(shí)現(xiàn)方式中，該音頻信號(hào)分類裝置還包 括：
[0051] 參數(shù)獲得單元，用于獲得當(dāng)前音頻幀的頻譜高頻帶峰度、頻譜相關(guān)度、濁音度參數(shù) 和線性預(yù)測(cè)殘差能量?jī)A斜度；其中，頻譜高頻帶峰度表示當(dāng)前音頻幀的頻譜在高頻帶上的 峰度或能量銳度；頻譜相關(guān)度表示當(dāng)前音頻幀的信號(hào)諧波結(jié)構(gòu)在相鄰幀間的穩(wěn)定度；濁音 度參數(shù)表示當(dāng)前音頻幀與一個(gè)基音周期之前的信號(hào)的時(shí)域相關(guān)度；線性預(yù)測(cè)殘差能量?jī)A斜 度表示音頻信號(hào)的線性預(yù)測(cè)殘差能量隨線性預(yù)測(cè)階數(shù)的升高而變化的程度；
[0052] 所述存儲(chǔ)確認(rèn)單元還用于，根據(jù)所述當(dāng)前音頻幀的聲音活動(dòng)性，確定是否將所述 頻譜高頻帶峰度、頻譜相關(guān)度和線性預(yù)測(cè)殘差能量?jī)A斜度存儲(chǔ)于存儲(chǔ)器中；
[0053] 所述存儲(chǔ)單元還用于，當(dāng)存儲(chǔ)確認(rèn)單元輸出需要存儲(chǔ)的結(jié)果時(shí)存儲(chǔ)所述頻譜高頻 帶峰度、頻譜相關(guān)度和線性預(yù)測(cè)殘差能量?jī)A斜度；
[0054] 所述分類單元具體用于，分別獲得存儲(chǔ)的頻譜波動(dòng)、頻譜高頻帶峰度、頻譜相關(guān)度 和線性預(yù)測(cè)殘差能量?jī)A斜度中有效數(shù)據(jù)的統(tǒng)計(jì)量，根據(jù)所述有效數(shù)據(jù)的統(tǒng)計(jì)量將所述音頻 幀分類為語(yǔ)音幀或者音樂(lè)幀。
[0055] 結(jié)合第二方面的第七種可能的實(shí)現(xiàn)方式，在第八種可能的實(shí)現(xiàn)方式中，所述分類 單元包括：
[0056] 計(jì)算單元，用于分別獲得存儲(chǔ)的頻譜波動(dòng)有效數(shù)據(jù)的均值，頻譜高頻帶峰度有效 數(shù)據(jù)的均值，頻譜相關(guān)度有效數(shù)據(jù)的均值和線性預(yù)測(cè)殘差能量?jī)A斜度有效數(shù)據(jù)的方差；
[0057] 判斷單元，用于當(dāng)下列條件之一滿足時(shí)，將所述當(dāng)前音頻幀分類為音樂(lè)幀，否則將 所述當(dāng)前音頻幀分類為語(yǔ)音幀：所述頻譜波動(dòng)有效數(shù)據(jù)的均值小于第一閾值；或者頻譜高 頻帶峰度有效數(shù)據(jù)的均值大于第二閾值；或者所述頻譜相關(guān)度有效數(shù)據(jù)的均值大于第三閾 值；或者線性預(yù)測(cè)殘差能量?jī)A斜度有效數(shù)據(jù)的方差小于第四閾值。
[0058] 第三方面，提供了一種音頻信號(hào)分類方法，包括：
[0059] 將輸入音頻信號(hào)進(jìn)行分巾貞處理；
[0060] 獲得當(dāng)前音頻幀的線性預(yù)測(cè)殘差能量?jī)A斜度；所述線性預(yù)測(cè)殘差能量?jī)A斜度表示 音頻信號(hào)的線性預(yù)測(cè)殘差能量隨線性預(yù)測(cè)階數(shù)的升高而變化的程度；
[0061] 將線性預(yù)測(cè)殘差能量?jī)A斜度存儲(chǔ)到存儲(chǔ)器中；
[0062] 根據(jù)存儲(chǔ)器中預(yù)測(cè)殘差能量?jī)A斜度部分?jǐn)?shù)據(jù)的統(tǒng)計(jì)量，對(duì)所述音頻幀進(jìn)行分類。
[0063] 在第一種可能的實(shí)現(xiàn)方式中，將線性預(yù)測(cè)殘差能量?jī)A斜度存儲(chǔ)到存儲(chǔ)器中之前還 包括：
[0064] 根據(jù)所述當(dāng)前音頻幀的聲音活動(dòng)性，確定是否將所述線性預(yù)測(cè)殘差能量?jī)A斜度存 儲(chǔ)于存儲(chǔ)器中；并在確定需要存儲(chǔ)時(shí)將將所述線性預(yù)測(cè)殘差能量?jī)A斜度存儲(chǔ)于存儲(chǔ)器中。 [0065] 結(jié)合第三方面的或第三方面的第一種可能的實(shí)現(xiàn)方式，在第二種可能的實(shí)現(xiàn)方式 中，預(yù)測(cè)殘差能量?jī)A斜度部分?jǐn)?shù)據(jù)的統(tǒng)計(jì)量為預(yù)測(cè)殘差能量?jī)A斜度部分?jǐn)?shù)據(jù)的方差；所述 根據(jù)存儲(chǔ)器中預(yù)測(cè)殘差能量?jī)A斜度部分?jǐn)?shù)據(jù)的統(tǒng)計(jì)量，對(duì)所述音頻幀進(jìn)行分類包括：
[0066] 將預(yù)測(cè)殘差能量?jī)A斜度部分?jǐn)?shù)據(jù)的方差與音樂(lè)分類閾值相比較，當(dāng)所述預(yù)測(cè)殘差 能量?jī)A斜度部分?jǐn)?shù)據(jù)的方差小于音樂(lè)分類閾值時(shí)，將所述當(dāng)前音頻幀分類為音樂(lè)幀；否則 將所述當(dāng)前音頻幀分類為語(yǔ)音幀。
[0067] 結(jié)合第三方面的或第三方面的第一種可能的實(shí)現(xiàn)方式，在第三種可能的實(shí)現(xiàn)方式 中，該音頻信號(hào)分類方法還包括：
[0068] 獲得當(dāng)前音頻幀的頻譜波動(dòng)、頻譜高頻帶峰度和頻譜相關(guān)度，并存儲(chǔ)于對(duì)應(yīng)的存 儲(chǔ)器中；
[0069] 其中，所述根據(jù)存儲(chǔ)器中預(yù)測(cè)殘差能量?jī)A斜度部分?jǐn)?shù)據(jù)的統(tǒng)計(jì)量，對(duì)所述音頻幀 進(jìn)行分類包括：
[0070] 分別獲得存儲(chǔ)的頻譜波動(dòng)、頻譜高頻帶峰度、頻譜相關(guān)度和線性預(yù)測(cè)殘差能量?jī)A 斜度中有效數(shù)據(jù)的統(tǒng)計(jì)量，根據(jù)所述有效數(shù)據(jù)的統(tǒng)計(jì)量將所述音頻幀分類為語(yǔ)音幀或者音 樂(lè)幀；所述有效數(shù)據(jù)的統(tǒng)計(jì)量指對(duì)存儲(chǔ)器中存儲(chǔ)的有效數(shù)據(jù)運(yùn)算操作后獲得的數(shù)據(jù)值。
[0071] 結(jié)合第三方面的第三種可能的實(shí)現(xiàn)方式，在第四種可能的實(shí)現(xiàn)方式中，分別獲得 存儲(chǔ)的頻譜波動(dòng)、頻譜高頻帶峰度、頻譜相關(guān)度和線性預(yù)測(cè)殘差能量?jī)A斜度中有效數(shù)據(jù)的 統(tǒng)計(jì)量，根據(jù)所述有效數(shù)據(jù)的統(tǒng)計(jì)量將所述音頻幀分類為語(yǔ)音幀或者音樂(lè)幀包括：
[0072] 分別獲得存儲(chǔ)的頻譜波動(dòng)有效數(shù)據(jù)的均值，頻譜高頻帶峰度有效數(shù)據(jù)的均值，頻 譜相關(guān)度有效數(shù)據(jù)的均值和線性預(yù)測(cè)殘差能量?jī)A斜度有效數(shù)據(jù)的方差；
[0073] 當(dāng)下列條件之一滿足時(shí)，將所述當(dāng)前音頻幀分類為音樂(lè)幀，否則將所述當(dāng)前音頻 幀分類為語(yǔ)音幀：所述頻譜波動(dòng)有效數(shù)據(jù)的均值小于第一閾值；或者頻譜高頻帶峰度有效 數(shù)據(jù)的均值大于第二閾值；或者所述頻譜相關(guān)度有效數(shù)據(jù)的均值大于第三閾值；或者線性 預(yù)測(cè)殘差能量?jī)A斜度有效數(shù)據(jù)的方差小于第四閾值。
[0074] 結(jié)合第三方面的或第三方面的第一種可能的實(shí)現(xiàn)方式，在第五種可能的實(shí)現(xiàn)方式 中，該音頻信號(hào)分類方法還包括：
[0075] 獲得當(dāng)前音頻幀的頻譜音調(diào)個(gè)數(shù)和頻譜音調(diào)個(gè)數(shù)在低頻帶上的比率，并存儲(chǔ)于對(duì) 應(yīng)的存儲(chǔ)器；
[0076] 其中，所述根據(jù)存儲(chǔ)器中預(yù)測(cè)殘差能量?jī)A斜度部分?jǐn)?shù)據(jù)的統(tǒng)計(jì)量，對(duì)所述音頻幀 進(jìn)行分類包括：
[0077] 分別獲得存儲(chǔ)的線性預(yù)測(cè)殘差能量?jī)A斜度的統(tǒng)計(jì)量、頻譜音調(diào)個(gè)數(shù)的統(tǒng)計(jì)量；
[0078] 根據(jù)所述線性預(yù)測(cè)殘差能量?jī)A斜度的統(tǒng)計(jì)量、頻譜音調(diào)個(gè)數(shù)的統(tǒng)計(jì)量和頻譜音調(diào) 個(gè)數(shù)在低頻帶上的比率，將所述音頻幀分類為語(yǔ)音幀或者音樂(lè)幀；所述統(tǒng)計(jì)量指對(duì)存儲(chǔ)器 中存儲(chǔ)的數(shù)據(jù)運(yùn)算操作后獲得的數(shù)據(jù)值。
[0079] 結(jié)合第三方面的第五種可能的實(shí)現(xiàn)方式，在第六種可能的實(shí)現(xiàn)方式中，分別獲得 存儲(chǔ)的線性預(yù)測(cè)殘差能量?jī)A斜度的統(tǒng)計(jì)量、頻譜音調(diào)個(gè)數(shù)的統(tǒng)計(jì)量包括：
[0080] 獲得存儲(chǔ)的線性預(yù)測(cè)殘差能量?jī)A斜度的方差；
[0081] 獲得存儲(chǔ)的頻譜音調(diào)個(gè)數(shù)的均值；
[0082] 根據(jù)所述線性預(yù)測(cè)殘差能量?jī)A斜度的統(tǒng)計(jì)量、頻譜音調(diào)個(gè)數(shù)的統(tǒng)計(jì)量和頻譜音調(diào) 個(gè)數(shù)在低頻帶上的比率，將所述音頻幀分類為語(yǔ)音幀或者音樂(lè)幀包括：
[0083]當(dāng)當(dāng)前音頻幀為活動(dòng)幀，且滿足下列條件之一，則將所述當(dāng)前音頻幀分類為音樂(lè) 幀，否則將所述當(dāng)前音頻幀分類為語(yǔ)音幀：
[0084] 線性預(yù)測(cè)殘差能量?jī)A斜度的方差小于第五閾值；或
[0085] 頻譜音調(diào)個(gè)數(shù)的均值大于第六閾值；或
[0086] 頻譜音調(diào)個(gè)數(shù)在低頻帶上的比率小于第七閾值。
[0087] 結(jié)合第三方面或第三方面的第一種可能的實(shí)現(xiàn)方式或第三方面的第二種可能的 實(shí)現(xiàn)方式或第三方面的第三種可能的實(shí)現(xiàn)方式或第三方面的第四種可能的實(shí)現(xiàn)方式或第 三方面的第五種可能的實(shí)現(xiàn)方式或第三方面的第六種可能的實(shí)現(xiàn)方式，在第七種可能的實(shí) 現(xiàn)方式中，獲得當(dāng)前音頻幀的線性預(yù)測(cè)殘差能量?jī)A斜度包括：
[0088] 根據(jù)下列公式計(jì)算當(dāng)前音頻幀的線性預(yù)測(cè)殘差能量?jī)A斜度：
【權(quán)利要求】
1. 一種音頻信號(hào)分類方法，其特征在于，包括： 根據(jù)當(dāng)前音頻幀的聲音活動(dòng)性，確定是否獲得當(dāng)前音頻幀的頻譜波動(dòng)并存儲(chǔ)于頻譜波 動(dòng)存儲(chǔ)器中，其中，所述頻譜波動(dòng)表示音頻信號(hào)的頻譜的能量波動(dòng)； 根據(jù)音頻幀是否為敲擊音樂(lè)或歷史音頻幀的活動(dòng)性，更新頻譜波動(dòng)存儲(chǔ)器中存儲(chǔ)的頻 譜波動(dòng)； 根據(jù)頻譜波動(dòng)存儲(chǔ)器中存儲(chǔ)的頻譜波動(dòng)的部分或全部有效數(shù)據(jù)的統(tǒng)計(jì)量，將所述當(dāng)前 音頻幀分類為語(yǔ)音幀或者音樂(lè)幀。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)當(dāng)前音頻幀的聲音活動(dòng)性，確定是否 獲得當(dāng)前音頻幀的頻譜波動(dòng)并存儲(chǔ)于頻譜波動(dòng)存儲(chǔ)器中包括： 若當(dāng)前音頻幀為活動(dòng)幀，則將當(dāng)前音頻幀的頻譜波動(dòng)存儲(chǔ)于頻譜波動(dòng)存儲(chǔ)器中。
3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)當(dāng)前音頻幀的聲音活動(dòng)性，確定是否 獲得當(dāng)前音頻幀的頻譜波動(dòng)并存儲(chǔ)于頻譜波動(dòng)存儲(chǔ)器中包括： 若當(dāng)前音頻幀為活動(dòng)幀，且當(dāng)前音頻幀不屬于能量沖擊，則將當(dāng)前音頻幀的頻譜波動(dòng) 存儲(chǔ)于頻譜波動(dòng)存儲(chǔ)器中。
4. 根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)當(dāng)前音頻幀的聲音活動(dòng)性，確定是否 獲得當(dāng)前音頻幀的頻譜波動(dòng)并存儲(chǔ)于頻譜波動(dòng)存儲(chǔ)器中包括： 若當(dāng)前音頻幀為活動(dòng)幀，且包含當(dāng)前音頻幀與其歷史幀在內(nèi)的多個(gè)連續(xù)幀都不屬于能 量沖擊，則將音頻幀的頻譜波動(dòng)存儲(chǔ)于頻譜波動(dòng)存儲(chǔ)器中。
5. 根據(jù)權(quán)利要求1至4所述的任一方法，其特征在于，根據(jù)所述當(dāng)前音頻幀是否為敲擊 音樂(lè)，更新頻譜波動(dòng)存儲(chǔ)器中存儲(chǔ)的頻譜波動(dòng)包括： 若當(dāng)前音頻幀屬于敲擊音樂(lè)，則修改頻譜波動(dòng)存儲(chǔ)器中已存儲(chǔ)的頻譜波動(dòng)的值。
6. 根據(jù)權(quán)利要求1至4所述的任一方法，其特征在于，根據(jù)所述歷史音頻幀的活動(dòng)性， 更新頻譜波動(dòng)存儲(chǔ)器中存儲(chǔ)的頻譜波動(dòng)包括： 如果確定當(dāng)前音頻幀的頻譜波動(dòng)存儲(chǔ)于頻譜波動(dòng)存儲(chǔ)器中，且前一幀音頻幀為非活動(dòng) 幀，則將頻譜波動(dòng)存儲(chǔ)器中已存儲(chǔ)的除當(dāng)前音頻幀的頻譜波動(dòng)之外的其他頻譜波動(dòng)的數(shù)據(jù) 修改為無(wú)效數(shù)據(jù)； 如果確定當(dāng)前音頻幀的頻譜波動(dòng)存儲(chǔ)于頻譜波動(dòng)存儲(chǔ)器中，且當(dāng)前音頻幀之前連續(xù)三 幀歷史幀不全都為活動(dòng)幀，則將當(dāng)前音頻幀的頻譜波動(dòng)修正為第一值； 如果確定當(dāng)前音頻幀的頻譜波動(dòng)存儲(chǔ)于頻譜波動(dòng)存儲(chǔ)器中，且歷史分類結(jié)果為音樂(lè)信 號(hào)且當(dāng)前音頻幀的頻譜波動(dòng)大于第二值，則將當(dāng)前音頻幀的頻譜波動(dòng)修正為第二值，其中， 第二值大于第一值。
7. 根據(jù)權(quán)利要求1-6所述的任一方法，其特征在于，根據(jù)頻譜波動(dòng)存儲(chǔ)器中存儲(chǔ)的頻 譜波動(dòng)的部分或全部有效數(shù)據(jù)的統(tǒng)計(jì)量，將所述當(dāng)前音頻巾貞分類為語(yǔ)音巾貞或者音樂(lè)巾貞包 括： 獲得頻譜波動(dòng)存儲(chǔ)器中存儲(chǔ)的頻譜波動(dòng)的部分或全部有效數(shù)據(jù)的均值； 當(dāng)所獲得的頻譜波動(dòng)的有效數(shù)據(jù)的均值滿足音樂(lè)分類條件時(shí)，將所述當(dāng)前音頻幀分類 為音樂(lè)幀；否則將所述當(dāng)前音頻幀分類為語(yǔ)音幀。
8. 根據(jù)權(quán)利要求1-6所述的方法，其特征在于，還包括： 獲得當(dāng)前音頻幀的頻譜高頻帶峰度、頻譜相關(guān)度和線性預(yù)測(cè)殘差能量?jī)A斜度；其中，頻 譜高頻帶峰度表示當(dāng)前音頻幀的頻譜在高頻帶上的峰度或能量銳度；頻譜相關(guān)度表示當(dāng)前 音頻幀的信號(hào)諧波結(jié)構(gòu)在相鄰幀間的穩(wěn)定度；線性預(yù)測(cè)殘差能量?jī)A斜度表示音頻信號(hào)的線 性預(yù)測(cè)殘差能量隨線性預(yù)測(cè)階數(shù)的升高而變化的程度； 根據(jù)所述當(dāng)前音頻幀的聲音活動(dòng)性，確定是否將所述頻譜高頻帶峰度、頻譜相關(guān)度和 線性預(yù)測(cè)殘差能量?jī)A斜度存儲(chǔ)于存儲(chǔ)器中； 其中，所述根據(jù)頻譜波動(dòng)存儲(chǔ)器中存儲(chǔ)的頻譜波動(dòng)的部分或全部數(shù)據(jù)的統(tǒng)計(jì)量，對(duì)所 述音頻幀進(jìn)行分類包括： 分別獲得存儲(chǔ)的頻譜波動(dòng)有效數(shù)據(jù)的均值，頻譜高頻帶峰度有效數(shù)據(jù)的均值，頻譜相 關(guān)度有效數(shù)據(jù)的均值和線性預(yù)測(cè)殘差能量?jī)A斜度有效數(shù)據(jù)的方差； 當(dāng)下列條件之一滿足時(shí)，將所述當(dāng)前音頻幀分類為音樂(lè)幀，否則將所述當(dāng)前音頻幀分 類為語(yǔ)音幀：所述頻譜波動(dòng)有效數(shù)據(jù)的均值小于第一閾值；或者頻譜高頻帶峰度有效數(shù)據(jù) 的均值大于第二閾值；或者所述頻譜相關(guān)度有效數(shù)據(jù)的均值大于第三閾值；或者線性預(yù)測(cè) 殘差能量?jī)A斜度有效數(shù)據(jù)的方差小于第四閾值。
9. 一種音頻信號(hào)的分類裝置，用于對(duì)輸入的音頻信號(hào)進(jìn)行分類，其特征在于，包括：存儲(chǔ)確認(rèn)單元，用于根據(jù)所述當(dāng)前音頻幀的聲音活動(dòng)性，確定是否獲得并存儲(chǔ)當(dāng)前音 頻幀的頻譜波動(dòng)，其中，所述頻譜波動(dòng)表示音頻信號(hào)的頻譜的能量波動(dòng)； 存儲(chǔ)器，用于在存儲(chǔ)確認(rèn)單元輸出需要存儲(chǔ)的結(jié)果時(shí)存儲(chǔ)所述頻譜波動(dòng)； 更新單元，用于根據(jù)語(yǔ)音幀是否為敲擊音樂(lè)或歷史音頻幀的活動(dòng)性，更新存儲(chǔ)器中存 儲(chǔ)的頻譜波動(dòng)； 分類單元，用于根據(jù)存儲(chǔ)器中存儲(chǔ)的頻譜波動(dòng)的部分或全部有效數(shù)據(jù)的統(tǒng)計(jì)量，將所 述當(dāng)前音頻幀分類為語(yǔ)音幀或者音樂(lè)幀。
10. 根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述存儲(chǔ)確認(rèn)單元具體用于：確認(rèn)當(dāng)前 音頻幀為活動(dòng)幀時(shí)，輸出需要存儲(chǔ)當(dāng)前音頻幀的頻譜波動(dòng)的結(jié)果。
11. 根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述存儲(chǔ)確認(rèn)單元具體用于：確認(rèn)當(dāng)前 音頻幀為活動(dòng)幀，且當(dāng)前音頻幀不屬于能量沖擊時(shí)，輸出需要存儲(chǔ)當(dāng)前音頻幀的頻譜波動(dòng) 的結(jié)果。
12. 根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述存儲(chǔ)確認(rèn)單元具體用于：確認(rèn)當(dāng)前 音頻幀為活動(dòng)幀，且包含當(dāng)前音頻幀與其歷史幀在內(nèi)的多個(gè)連續(xù)幀都不屬于能量沖擊時(shí)， 輸出需要存儲(chǔ)當(dāng)前音頻幀的頻譜波動(dòng)的結(jié)果。
13. 根據(jù)權(quán)利要求9-12所述的任一裝置，其特征在于，所述更新單元具體用于若當(dāng)前 音頻幀屬于敲擊音樂(lè)，則修改頻譜波動(dòng)存儲(chǔ)器中已存儲(chǔ)的頻譜波動(dòng)的值。
14. 根據(jù)權(quán)利要求9-12所述的任一裝置，其特征在于，所述更新單元具體用于：如果當(dāng) 前音頻幀為活動(dòng)幀，且前一幀音頻幀為非活動(dòng)幀時(shí)，則將存儲(chǔ)器中已存儲(chǔ)的除當(dāng)前音頻幀 的頻譜波動(dòng)之外的其他頻譜波動(dòng)的數(shù)據(jù)修改為無(wú)效數(shù)據(jù)；或 如果當(dāng)前音頻幀為活動(dòng)幀，且當(dāng)前音頻幀之前連續(xù)三幀不全都為活動(dòng)幀時(shí)，則將當(dāng)前 音頻幀的頻譜波動(dòng)修正為第一值；或 如果當(dāng)前音頻幀為活動(dòng)幀，且歷史分類結(jié)果為音樂(lè)信號(hào)且當(dāng)前音頻幀的頻譜波動(dòng)大于 第二值，則將當(dāng)前音頻幀的頻譜波動(dòng)修正為第二值，其中，第二值大于第一值。
15. 根據(jù)權(quán)利要求9-14所述的任一裝置，其特征在于，所述分類單元包括： 計(jì)算單元，用于獲得存儲(chǔ)器中存儲(chǔ)的頻譜波動(dòng)的部分或全部有效數(shù)據(jù)的均值； 判斷單元，用于將所述頻譜波動(dòng)的有效數(shù)據(jù)的均值與音樂(lè)分類條件做比較，當(dāng)所述頻 譜波動(dòng)的有效數(shù)據(jù)的均值滿足音樂(lè)分類條件時(shí)，將所述當(dāng)前音頻幀分類為音樂(lè)幀;否則將 所述當(dāng)前音頻幀分類為語(yǔ)音幀。
16. 根據(jù)權(quán)利要求9-14所述的任一裝置，其特征在于，還包括： 參數(shù)獲得單元，用于獲得當(dāng)前音頻幀的頻譜高頻帶峰度、頻譜相關(guān)度、濁音度參數(shù)和線 性預(yù)測(cè)殘差能量?jī)A斜度；其中，頻譜高頻帶峰度表示當(dāng)前音頻幀的頻譜在高頻帶上的峰度 或能量銳度；頻譜相關(guān)度表示當(dāng)前音頻幀的信號(hào)諧波結(jié)構(gòu)在相鄰幀間的穩(wěn)定度；濁音度參 數(shù)表示當(dāng)前音頻幀與一個(gè)基音周期之前的信號(hào)的時(shí)域相關(guān)度；線性預(yù)測(cè)殘差能量?jī)A斜度表 示音頻信號(hào)的線性預(yù)測(cè)殘差能量隨線性預(yù)測(cè)階數(shù)的升高而變化的程度； 所述存儲(chǔ)確認(rèn)單元還用于，根據(jù)所述當(dāng)前音頻幀的聲音活動(dòng)性，確定是否將所述頻譜 高頻帶峰度、頻譜相關(guān)度和線性預(yù)測(cè)殘差能量?jī)A斜度存儲(chǔ)于存儲(chǔ)器中； 所述存儲(chǔ)單元還用于，當(dāng)存儲(chǔ)確認(rèn)單元輸出需要存儲(chǔ)的結(jié)果時(shí)存儲(chǔ)所述頻譜高頻帶峰 度、頻譜相關(guān)度和線性預(yù)測(cè)殘差能量?jī)A斜度； 所述分類單元具體用于，分別獲得存儲(chǔ)的頻譜波動(dòng)、頻譜高頻帶峰度、頻譜相關(guān)度和線 性預(yù)測(cè)殘差能量?jī)A斜度中有效數(shù)據(jù)的統(tǒng)計(jì)量，根據(jù)所述有效數(shù)據(jù)的統(tǒng)計(jì)量將所述音頻幀分 類為語(yǔ)音巾貞或者音樂(lè)中貞。
17. 根據(jù)權(quán)利要求16所述的任一裝置，其特征在于，所述分類單元包括： 計(jì)算單元，用于分別獲得存儲(chǔ)的頻譜波動(dòng)有效數(shù)據(jù)的均值，頻譜高頻帶峰度有效數(shù)據(jù) 的均值，頻譜相關(guān)度有效數(shù)據(jù)的均值和線性預(yù)測(cè)殘差能量?jī)A斜度有效數(shù)據(jù)的方差； 判斷單元，用于當(dāng)下列條件之一滿足時(shí)，將所述當(dāng)前音頻幀分類為音樂(lè)幀，否則將所述 當(dāng)前音頻幀分類為語(yǔ)音幀：所述頻譜波動(dòng)有效數(shù)據(jù)的均值小于第一閾值；或者頻譜高頻帶 峰度有效數(shù)據(jù)的均值大于第二閾值；或者所述頻譜相關(guān)度有效數(shù)據(jù)的均值大于第三閾值； 或者線性預(yù)測(cè)殘差能量?jī)A斜度有效數(shù)據(jù)的方差小于第四閾值。
18. -種音頻信號(hào)分類方法，其特征在于，包括： 將輸入音頻信號(hào)進(jìn)行分幀處理； 獲得當(dāng)前音頻幀的線性預(yù)測(cè)殘差能量?jī)A斜度；所述線性預(yù)測(cè)殘差能量?jī)A斜度表示音頻 信號(hào)的線性預(yù)測(cè)殘差能量隨線性預(yù)測(cè)階數(shù)的升高而變化的程度； 將線性預(yù)測(cè)殘差能量?jī)A斜度存儲(chǔ)到存儲(chǔ)器中； 根據(jù)存儲(chǔ)器中預(yù)測(cè)殘差能量?jī)A斜度部分?jǐn)?shù)據(jù)的統(tǒng)計(jì)量，對(duì)所述音頻幀進(jìn)行分類。
19. 根據(jù)權(quán)利要求18所述的方法，其特征在于，將線性預(yù)測(cè)殘差能量?jī)A斜度存儲(chǔ)到存 儲(chǔ)器中之前還包括： 根據(jù)所述當(dāng)前音頻幀的聲音活動(dòng)性，確定是否將所述線性預(yù)測(cè)殘差能量?jī)A斜度存儲(chǔ)于 存儲(chǔ)器中；并在確定需要存儲(chǔ)時(shí)將將所述線性預(yù)測(cè)殘差能量?jī)A斜度存儲(chǔ)于存儲(chǔ)器中。
20. 根據(jù)權(quán)利要求18或19所述的方法，其特征在于，預(yù)測(cè)殘差能量?jī)A斜度部分?jǐn)?shù)據(jù)的 統(tǒng)計(jì)量為預(yù)測(cè)殘差能量?jī)A斜度部分?jǐn)?shù)據(jù)的方差；所述根據(jù)存儲(chǔ)器中預(yù)測(cè)殘差能量?jī)A斜度部 分?jǐn)?shù)據(jù)的統(tǒng)計(jì)量，對(duì)所述音頻幀進(jìn)行分類包括： 將預(yù)測(cè)殘差能量?jī)A斜度部分?jǐn)?shù)據(jù)的方差與音樂(lè)分類閾值相比較，當(dāng)所述預(yù)測(cè)殘差能量 傾斜度部分?jǐn)?shù)據(jù)的方差小于音樂(lè)分類閾值時(shí)，將所述當(dāng)前音頻幀分類為音樂(lè)幀；否則將所 述當(dāng)前音頻幀分類為語(yǔ)音幀。
21. 根據(jù)權(quán)利要求18或19所述的方法，其特征在于，還包括： 獲得當(dāng)前音頻幀的頻譜波動(dòng)、頻譜高頻帶峰度和頻譜相關(guān)度，并存儲(chǔ)于對(duì)應(yīng)的存儲(chǔ)器 中； 其中，所述根據(jù)存儲(chǔ)器中預(yù)測(cè)殘差能量?jī)A斜度部分?jǐn)?shù)據(jù)的統(tǒng)計(jì)量，對(duì)所述音頻幀進(jìn)行 分類包括： 分別獲得存儲(chǔ)的頻譜波動(dòng)、頻譜高頻帶峰度、頻譜相關(guān)度和線性預(yù)測(cè)殘差能量?jī)A斜度 中有效數(shù)據(jù)的統(tǒng)計(jì)量，根據(jù)所述有效數(shù)據(jù)的統(tǒng)計(jì)量將所述音頻幀分類為語(yǔ)音幀或者音樂(lè) 幀；所述有效數(shù)據(jù)的統(tǒng)計(jì)量指對(duì)存儲(chǔ)器中存儲(chǔ)的有效數(shù)據(jù)運(yùn)算操作后獲得的數(shù)據(jù)值。
22. 根據(jù)權(quán)利要求21所述的方法，其特征在于，分別獲得存儲(chǔ)的頻譜波動(dòng)、頻譜高頻帶 峰度、頻譜相關(guān)度和線性預(yù)測(cè)殘差能量?jī)A斜度中有效數(shù)據(jù)的統(tǒng)計(jì)量，根據(jù)所述有效數(shù)據(jù)的 統(tǒng)計(jì)量將所述音頻幀分類為語(yǔ)音幀或者音樂(lè)幀包括： 分別獲得存儲(chǔ)的頻譜波動(dòng)有效數(shù)據(jù)的均值，頻譜高頻帶峰度有效數(shù)據(jù)的均值，頻譜相 關(guān)度有效數(shù)據(jù)的均值和線性預(yù)測(cè)殘差能量?jī)A斜度有效數(shù)據(jù)的方差； 當(dāng)下列條件之一滿足時(shí)，將所述當(dāng)前音頻幀分類為音樂(lè)幀，否則將所述當(dāng)前音頻幀分 類為語(yǔ)音幀：所述頻譜波動(dòng)有效數(shù)據(jù)的均值小于第一閾值；或者頻譜高頻帶峰度有效數(shù)據(jù) 的均值大于第二閾值；或者所述頻譜相關(guān)度有效數(shù)據(jù)的均值大于第三閾值；或者線性預(yù)測(cè) 殘差能量?jī)A斜度有效數(shù)據(jù)的方差小于第四閾值。
23. 根據(jù)權(quán)利要求18或19所述的方法，其特征在于，還包括： 獲得當(dāng)前音頻幀的頻譜音調(diào)個(gè)數(shù)和頻譜音調(diào)個(gè)數(shù)在低頻帶上的比率，并存儲(chǔ)于對(duì)應(yīng)的 存儲(chǔ)器； 其中，所述根據(jù)存儲(chǔ)器中預(yù)測(cè)殘差能量?jī)A斜度部分?jǐn)?shù)據(jù)的統(tǒng)計(jì)量，對(duì)所述音頻幀進(jìn)行 分類包括： 分別獲得存儲(chǔ)的線性預(yù)測(cè)殘差能量?jī)A斜度的統(tǒng)計(jì)量、頻譜音調(diào)個(gè)數(shù)的統(tǒng)計(jì)量； 根據(jù)所述線性預(yù)測(cè)殘差能量?jī)A斜度的統(tǒng)計(jì)量、頻譜音調(diào)個(gè)數(shù)的統(tǒng)計(jì)量和頻譜音調(diào)個(gè)數(shù) 在低頻帶上的比率，將所述音頻幀分類為語(yǔ)音幀或者音樂(lè)幀；所述統(tǒng)計(jì)量指對(duì)存儲(chǔ)器中存 儲(chǔ)的數(shù)據(jù)運(yùn)算操作后獲得的數(shù)據(jù)值。
24. 根據(jù)權(quán)利要求23所述的方法，其特征在于，分別獲得存儲(chǔ)的線性預(yù)測(cè)殘差能量?jī)A 斜度的統(tǒng)計(jì)量、頻譜音調(diào)個(gè)數(shù)的統(tǒng)計(jì)量包括： 獲得存儲(chǔ)的線性預(yù)測(cè)殘差能量?jī)A斜度的方差； 獲得存儲(chǔ)的頻譜音調(diào)個(gè)數(shù)的均值； 根據(jù)所述線性預(yù)測(cè)殘差能量?jī)A斜度的統(tǒng)計(jì)量、頻譜音調(diào)個(gè)數(shù)的統(tǒng)計(jì)量和頻譜音調(diào)個(gè)數(shù) 在低頻帶上的比率，將所述音頻幀分類為語(yǔ)音幀或者音樂(lè)幀包括： 當(dāng)當(dāng)前音頻幀為活動(dòng)幀，且滿足下列條件之一，則將所述當(dāng)前音頻幀分類為音樂(lè)幀，否 則將所述當(dāng)前音頻幀分類為語(yǔ)音幀： 線性預(yù)測(cè)殘差能量?jī)A斜度的方差小于第五閾值；或 頻譜音調(diào)個(gè)數(shù)的均值大于第六閾值；或 頻譜音調(diào)個(gè)數(shù)在低頻帶上的比率小于第七閾值。
25. 根據(jù)權(quán)利要求18-24所述的任一方法，其特征在于，獲得當(dāng)前音頻幀的線性預(yù)測(cè)殘 差能量?jī)A斜度包括： 根據(jù)下列公式計(jì)算當(dāng)前音頻幀的線性預(yù)測(cè)殘差能量?jī)A斜度：
其中，epsP (i)表示當(dāng)前音頻幀第i階線性預(yù)測(cè)的預(yù)測(cè)殘差能量；n為正整數(shù)，表示線性 預(yù)測(cè)的階數(shù)，其小于等于線性預(yù)測(cè)的最大階數(shù)。
26. 根據(jù)權(quán)利要求23-24所述的任一方法，其特征在于，獲得當(dāng)前音頻幀的頻譜音調(diào)個(gè) 數(shù)和頻譜音調(diào)個(gè)數(shù)在低頻帶上的比率包括： 統(tǒng)計(jì)當(dāng)前音頻幀在〇?8kHz頻帶上頻點(diǎn)峰值大于預(yù)定值的頻點(diǎn)數(shù)量作為頻譜音調(diào)個(gè) 數(shù)； 計(jì)算當(dāng)前音頻巾貞在〇?4kHz頻帶上頻點(diǎn)峰值大于預(yù)定值的頻點(diǎn)數(shù)量與0?8kHz頻帶 上頻點(diǎn)峰值大于預(yù)定值的頻點(diǎn)數(shù)量的比值，作為頻譜音調(diào)個(gè)數(shù)在低頻帶上的比率。
27. -種信號(hào)分類裝置，用于對(duì)輸入的音頻信號(hào)進(jìn)行分類，其特征在于，包括： 分幀單元，用于對(duì)輸入音頻信號(hào)進(jìn)行分幀處理； 參數(shù)獲得單元，用于獲得當(dāng)前音頻幀的線性預(yù)測(cè)殘差能量?jī)A斜度；所述線性預(yù)測(cè)殘差 能量?jī)A斜度表示音頻信號(hào)的線性預(yù)測(cè)殘差能量隨線性預(yù)測(cè)階數(shù)的升高而變化的程度； 存儲(chǔ)單元，用于存儲(chǔ)線性預(yù)測(cè)殘差能量?jī)A斜度； 分類單元，用于根據(jù)存儲(chǔ)器中預(yù)測(cè)殘差能量?jī)A斜度部分?jǐn)?shù)據(jù)的統(tǒng)計(jì)量，對(duì)所述音頻幀 進(jìn)行分類。
28. 根據(jù)權(quán)利要求27所述的裝置，其特征在于，還包括： 存儲(chǔ)確認(rèn)單元，用于根據(jù)所述當(dāng)前音頻幀的聲音活動(dòng)性，確定是否將所述線性預(yù)測(cè)殘 差能量?jī)A斜度存儲(chǔ)于存儲(chǔ)器中； 所述存儲(chǔ)單元具體用于，當(dāng)存儲(chǔ)確認(rèn)單元確認(rèn)需要確定需要存儲(chǔ)時(shí)將將所述線性預(yù)測(cè) 殘差能量?jī)A斜度存儲(chǔ)于存儲(chǔ)器中。
29. 根據(jù)權(quán)利要求27或28所述的裝置，其特征在于， 預(yù)測(cè)殘差能量?jī)A斜度部分?jǐn)?shù)據(jù)的統(tǒng)計(jì)量為預(yù)測(cè)殘差能量?jī)A斜度部分?jǐn)?shù)據(jù)的方差； 所述分類單元具體用于將預(yù)測(cè)殘差能量?jī)A斜度部分?jǐn)?shù)據(jù)的方差與音樂(lè)分類閾值相比 較，當(dāng)所述預(yù)測(cè)殘差能量?jī)A斜度部分?jǐn)?shù)據(jù)的方差小于音樂(lè)分類閾值時(shí)，將所述當(dāng)前音頻幀 分類為音樂(lè)幀；否則將所述當(dāng)前音頻幀分類為語(yǔ)音幀。
30. 根據(jù)權(quán)利要求27或28所述的裝置，其特征在于，參數(shù)獲得單元還用于：獲得當(dāng)前 音頻幀的頻譜波動(dòng)、頻譜高頻帶峰度和頻譜相關(guān)度，并存儲(chǔ)于對(duì)應(yīng)的存儲(chǔ)器中； 所述分類單元具體用于：分別獲得存儲(chǔ)的頻譜波動(dòng)、頻譜高頻帶峰度、頻譜相關(guān)度和線 性預(yù)測(cè)殘差能量?jī)A斜度中有效數(shù)據(jù)的統(tǒng)計(jì)量，根據(jù)所述有效數(shù)據(jù)的統(tǒng)計(jì)量將所述音頻幀分 類為語(yǔ)音幀或者音樂(lè)幀；所述有效數(shù)據(jù)的統(tǒng)計(jì)量指對(duì)存儲(chǔ)器中存儲(chǔ)的有效數(shù)據(jù)運(yùn)算操作后 獲得的數(shù)據(jù)值。
31. 根據(jù)權(quán)利要求30所述的裝置，其特征在于，所述分類單元包括： 計(jì)算單元，用于分別獲得存儲(chǔ)的頻譜波動(dòng)有效數(shù)據(jù)的均值，頻譜高頻帶峰度有效數(shù)據(jù) 的均值，頻譜相關(guān)度有效數(shù)據(jù)的均值和線性預(yù)測(cè)殘差能量?jī)A斜度有效數(shù)據(jù)的方差； 判斷單元，用于當(dāng)下列條件之一滿足時(shí)，將所述當(dāng)前音頻幀分類為音樂(lè)幀，否則將所述 當(dāng)前音頻幀分類為語(yǔ)音幀：所述頻譜波動(dòng)有效數(shù)據(jù)的均值小于第一閾值；或者頻譜高頻帶 峰度有效數(shù)據(jù)的均值大于第二閾值；或者所述頻譜相關(guān)度有效數(shù)據(jù)的均值大于第三閾值； 或者線性預(yù)測(cè)殘差能量?jī)A斜度有效數(shù)據(jù)的方差小于第四閾值。
32. 根據(jù)權(quán)利要求27或28所述的裝置，其特征在于，所述參數(shù)獲得單元還用于：獲得 當(dāng)前音頻幀的頻譜音調(diào)個(gè)數(shù)和頻譜音調(diào)個(gè)數(shù)在低頻帶上的比率，并存儲(chǔ)于存儲(chǔ)器； 所述分類單元具體用于：分別獲得存儲(chǔ)的線性預(yù)測(cè)殘差能量?jī)A斜度的統(tǒng)計(jì)量、頻譜音 調(diào)個(gè)數(shù)的統(tǒng)計(jì)量；根據(jù)所述線性預(yù)測(cè)殘差能量?jī)A斜度的統(tǒng)計(jì)量、頻譜音調(diào)個(gè)數(shù)的統(tǒng)計(jì)量和 頻譜音調(diào)個(gè)數(shù)在低頻帶上的比率，將所述音頻幀分類為語(yǔ)音幀或者音樂(lè)幀；所述有效數(shù)據(jù) 的統(tǒng)計(jì)量指對(duì)存儲(chǔ)器中存儲(chǔ)的數(shù)據(jù)運(yùn)算操作后獲得的數(shù)據(jù)值。
33. 根據(jù)權(quán)利要求32所述的裝置，其特征在于，所述分類單元包括： 計(jì)算單元，用于獲得線性預(yù)測(cè)殘差能量?jī)A斜度有效數(shù)據(jù)的方差和存儲(chǔ)的頻譜音調(diào)個(gè)數(shù) 的均值； 判斷單元，用于當(dāng)當(dāng)前音頻幀為活動(dòng)幀，且滿足下列條件之一，則將所述當(dāng)前音頻幀分 類為音樂(lè)幀，否則將所述當(dāng)前音頻幀分類為語(yǔ)音幀：線性預(yù)測(cè)殘差能量?jī)A斜度的方差小于 第五閾值；或頻譜音調(diào)個(gè)數(shù)的均值大于第六閾值；或頻譜音調(diào)個(gè)數(shù)在低頻帶上的比率小于 第七閾值。
34. 根據(jù)權(quán)利要求27-33所述的任一裝置，其特征在于，所述參數(shù)獲得單元根據(jù)下列公 式計(jì)算當(dāng)前音頻幀的線性預(yù)測(cè)殘差能量?jī)A斜度：
其中，epsP (i)表示當(dāng)前音頻幀第i階線性預(yù)測(cè)的預(yù)測(cè)殘差能量；n為正整數(shù)，表示線性 預(yù)測(cè)的階數(shù)，其小于等于線性預(yù)測(cè)的最大階數(shù)。
35. 根據(jù)權(quán)利要求32-33所述的任一裝置，其特征在于，所述參數(shù)獲得單元用于統(tǒng)計(jì)當(dāng) 前音頻幀在0?8kHz頻帶上頻點(diǎn)峰值大于預(yù)定值的頻點(diǎn)數(shù)量作為頻譜音調(diào)個(gè)數(shù)；所述參數(shù) 獲得單元用于計(jì)算當(dāng)前音頻幀在0?4kHz頻帶上頻點(diǎn)峰值大于預(yù)定值的頻點(diǎn)數(shù)量與0? 8kHz頻帶上頻點(diǎn)峰值大于預(yù)定值的頻點(diǎn)數(shù)量的比值，作為頻譜音調(diào)個(gè)數(shù)在低頻帶上的比 率。
【文檔編號(hào)】G10L25/51GK104347067SQ201310339218
【公開(kāi)日】2015年2月11日 申請(qǐng)日期:2013年8月6日 優(yōu)先權(quán)日:2013年8月6日
【發(fā)明者】王喆 申請(qǐng)人:華為技術(shù)有限公司