專利名稱：一種基于音樂特征的數(shù)字音頻時(shí)域壓縮方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于音樂特征的數(shù)字音頻時(shí)域壓縮方法，屬于音頻處理技術(shù)領(lǐng) 域。
背景技術(shù)：
在數(shù)字音頻處理中，經(jīng)常遇到數(shù)字音頻的時(shí)間長度與應(yīng)用環(huán)境的時(shí)間長度要求不 相符的情況。例如使用一段時(shí)間長度為330秒的樂曲作為一段時(shí)間長度為觀0秒的視頻 片段的配樂。為了使數(shù)字音頻的時(shí)間長度滿足應(yīng)用環(huán)境的時(shí)間長度要求，需要使用數(shù)字音 頻時(shí)域壓縮方法對數(shù)字音頻進(jìn)行時(shí)域壓縮。在進(jìn)行時(shí)域壓縮后，需要保證數(shù)字音頻的播放 質(zhì)量可以滿足用戶的欣賞需求。
現(xiàn)有的數(shù)字音頻時(shí)域壓縮方法存在如下不足均勻數(shù)字音頻時(shí)域壓縮方法對樂曲 中各個(gè)音頻片段按照相同的時(shí)域壓縮率進(jìn)行時(shí)域壓縮，因此對于樂曲中壓縮抗性值較低的 片段，會產(chǎn)生樂曲速度過快、聲音抖動等現(xiàn)象，影響時(shí)域壓縮后樂曲的播放質(zhì)量。而現(xiàn)有的 非均勻數(shù)字音頻時(shí)域壓縮方法，如名稱為“一種基于歌詞的數(shù)字音頻時(shí)域壓縮方法”、申請 號為CN2009102357M. 3、公開號為CN101702321A的發(fā)明專利，只能基于歌詞處理樂曲，無 法處理沒有歌詞的樂曲。同時(shí)，該方法僅利用歌詞密度信息估計(jì)各音頻片段的壓縮抗性，無 法獲得一個(gè)歌詞句子內(nèi)部的壓縮抗性信息。發(fā)明內(nèi)容
本發(fā)明的目的是提出一種基于音樂特征的數(shù)字音頻時(shí)域壓縮方法，通過提取樂曲 的音頻特征和歌詞特征，分析并獲得樂曲中各音頻片段的壓縮抗性值，然后根據(jù)各音頻片 段的壓縮抗性值對樂曲的數(shù)字音頻中各音頻片段進(jìn)行不同程度的時(shí)域壓縮，從而改變一首 樂曲的播放時(shí)間。
本發(fā)明提出的基于音樂特征的數(shù)字音頻時(shí)域壓縮方法，包括以下步驟
(1)根據(jù)用戶設(shè)定的壓縮后的樂曲數(shù)字音頻的時(shí)間長度九和原始樂曲數(shù)字音頻的時(shí)間長度Tm，得到時(shí)域壓縮率P = ，并得到壓縮后的總時(shí)間減少量D = Tm-Tu，根據(jù)用戶設(shè)1 m定，將壓縮后的總時(shí)間減少量D平分為k份長度相等的時(shí)間片T = I；
(2)將原始樂曲數(shù)字音頻分為η個(gè)音頻片段，分別記為Sl、s2、&........Slri^n，設(shè)第Si個(gè)音頻片段的原始時(shí)間長度為、，設(shè)第Si個(gè)音頻片段的壓縮過程中的當(dāng)前時(shí)間長度 為Ci,使η個(gè)音頻片段的當(dāng)前時(shí)間長度Ci的值等于音頻片段Si的原始時(shí)間長度、；
(3)使用音樂特征提取方法，分別從η個(gè)音頻片段的每個(gè)音頻片段Si中提取一個(gè)ν維的音樂特征向量Fi = (fia, fU2,......，Ai1，U，其中&」為第Si個(gè)音頻片段的第j個(gè)音樂特征值，其中j的取值范圍為1到ν的整數(shù)；
(4)根據(jù)上述音樂特征向量Fi,計(jì)算第Si個(gè)音頻片段的壓縮抗性值Ri, Ri =權(quán)利要求
1. 一種基于音樂特征的數(shù)字音頻時(shí)域壓縮方法，其特征在于該方法包括以下步驟(1)根據(jù)用戶設(shè)定的壓縮后的樂曲數(shù)字音頻的時(shí)間長度九和原始樂曲數(shù)字音頻的時(shí)間長度Tm，得到時(shí)域壓縮率P = ，并得到壓縮后的總時(shí)間減少量D = Tm-Tu，根據(jù)用戶設(shè)定，將壓縮后的總時(shí)間減少量D平分為k份長度相等的時(shí)間片T = ~(2)將原始樂曲數(shù)字音頻分為η個(gè)音頻片段，分別記為Sl、s2,S3........Slri、sn，設(shè)第Si個(gè)音頻片段的原始時(shí)間長度為、，設(shè)第Si個(gè)音頻片段的壓縮過程中的當(dāng)前時(shí)間長度為 Ci,使η個(gè)音頻片段的當(dāng)前時(shí)間長度Ci的值等于音頻片段Si的原始時(shí)間長度、；(3)使用音樂特征提取方法，分別從η個(gè)音頻片段的每個(gè)音頻片段Si中提取一個(gè)ν維的音樂特征向量Fi = (fia, fU2,......，Au，fi,v)，其中4」為第Si個(gè)音頻片段的第j個(gè)音樂特征值，其中j的取值范圍為1、2、3......ν；(4)根據(jù)上述音樂特征向量Fi,計(jì)算第Si個(gè)音頻片段的壓縮抗性值Ri,Ri = _2_
全文摘要
本發(fā)明涉及一種基于音樂特征的數(shù)字音頻時(shí)域壓縮方法，屬于音頻處理技術(shù)領(lǐng)域。本方法通過提取樂曲的音頻和歌詞特征，分析并獲得樂曲中各音頻片段的壓縮抗性值，根據(jù)壓縮抗性值對樂曲的數(shù)字音頻中各音頻片段進(jìn)行不同程度的時(shí)域壓縮，以改變一首樂曲的播放時(shí)間。本方法通過提取樂曲的音頻、歌詞等特征計(jì)算樂曲數(shù)字音頻中各音頻片段的壓縮抗性值，可以更精確地刻畫各音頻片段在時(shí)域壓縮后的播放質(zhì)量下降程度。在對數(shù)字音頻進(jìn)行時(shí)域壓縮時(shí)，根據(jù)壓縮抗性值的大小，將時(shí)域壓縮的時(shí)間減少量優(yōu)先分配給壓縮抗性高的音頻片段，減少了壓縮抗性低的音頻片段的時(shí)間減少量，因此可以有效地降低時(shí)域壓縮對整首樂曲的質(zhì)量影響，提高時(shí)域壓縮后樂曲的播放質(zhì)量。
文檔編號G11B20/14GK102034514SQ20101057024
公開日2011年4月27日 申請日期2010年11月26日 優(yōu)先權(quán)日2010年11月26日
發(fā)明者劉璋, 王建民, 王朝坤 申請人:清華大學(xué)