[发明专利]导出音频输入信号的一个特征集的方法

说明书

本发明涉及导出音频输入信号的一个特征集的方法，和导出音频输 入信号的一个特征集的系统。本发明还涉及对音频输入信号进行分类的 方法和系统，以及比较音频输入信号的方法和系统。

数字内容的存储能力正在显著地增加。在不久的未来期望可以获得 具有至少一千兆字节存储容量的硬盘。作为对此的补充，诸如MPEG标 准的多媒体内容的压缩算法的演进，显著地减小每个音频或视频文件所 需存储容量的数量。结果是消费者将会能够在单个硬盘或其他存储介质 上存储许多小时的视频和音频内容。能够从数量不断增加的电台和电视 台记录视频和音频。消费者能够通过简单地从万维网即一种正在变得日 益流行的工具，下载视频和音频内容容易地增加他的收集。而且，具有 大存储容量的便携式音乐播放器是买得起的和实际的，它允许用户在任 何时间能够访问从其进行选择的音乐的广泛选择。

但是，从其进行选择的可用视频和音频数据的巨量选择不是没有问 题。例如，从具有成千上万音乐乐曲(music track)的大型音乐数据库组织 和选择音乐是困难并且耗时的。通过包括元数据能够部分地解决该问 题，该元数据能够被理解成以某种方式附加到实际音频数据文件的附加 信息标记。元数据有时被提供给音频文件，但是并不总是这样。当面对 耗时和令人不愉快的检索和分类问题时，用户非常可能会放弃，或者完 全不操心。

在解决音乐信号的分类问题中已经作出了一些尝试，例如，WO 01/20609 A2提出一种分类系统，在该系统中根据某些诸如节奏复杂度、 清晰度、感染力等等的特征或变量对音频信号，即多首音乐或音乐乐曲 进行分类。给每首音乐分配了针对大量选择的变量的权重值，这取决于 每个变量适用于这首音乐的程度。然而，这种系统具有的缺点在于，对 音乐乐曲相似音乐片段的分类或比较的精确度并非特别高。

因此，本发明的一个目的是提供一种更加稳定和精确的方式对音频 信号进行表征、分类或比较。

为此，本发明提供一种导出音频输入信号的一个特征集的方法，特 别用于对音频输入信号进行分类和/或将该音频输入信号与另一个音频 信号进行比较和/或对该音频输入信号进行表征，该方法包括识别音频输 入信号的大量第一阶特征，从至少部分该第一阶特征产生大量相关值， 以及利用所述相关值编辑音频输入信号的特征集。识别的步骤可以包 括，例如，从音频输入信号提取大量第一阶特征或从数据库检索大量第 一阶特征。

所述第一阶特征是音频输入信号的某些选取的描述性特征，可以描 述信号带宽、过零率、信号响度、信号亮度、信号能量或功率谱值等等。 第一阶特征描述的其他质量可以是谱衰减频率、谱矩心等等。从音频输 入信号导出的第一阶特征可以被选择为正交的，即它们可以被选为在一 定程度上彼此独立。第一阶特征的一个序列可以一起放入通常被称为 “特征向量”的单元中，其中特征向量中的某个位置总是被相同类型的 特征占据。

从第一阶特征的选择产生的相关值，因而也被称为第二阶特征，描 述了这些第一阶特征之间的相互关联性或协方差，并且是音频输入信号 的强有力的描述符。已经表面，在第一阶特征不够时，在第二阶特征的 帮助下，常常可以对音乐乐曲进行精确的比较、分类或表征。

根据本发明的方法的明显优点在于，可以容易地为任何音频输入信 号导出强有力的描述性特征集，并且这个特征集可以用来，例如，精确 地分类音频输入信号，或者快速和精确地识别另一个类似的音频信号。 例如，为音频信号编辑的一个优选特征集包括第一阶和第二阶特征的元 素，其不仅描述某些选择的描述性特征，而且还描述这些选择的描述性 特征之间的相互关系。

用于导出音频输入信号的一个特征集的适当系统包括识别音频输 入信号的大量第一阶特征的特征识别单元，用于从至少部分第一阶特征 产生大量相关值的相关值产生单元，和使用所述相关值编辑音频输入信 号的一个特征集的特征集编辑单元。所述特征识别单元可以例如包括特 征提取单元和/或特征检索单元。

从属权利要求和接下来的描述公开了本发明的特别有利的实施例 和特征。