[发明专利]一种MP3压缩域音频分割方法

权利要求书

1.一种MP3压缩域音频分割方法，其特征在于：首先从MPEG1标准声音第三层压缩技术MP3文件中得到体现原始音频频域特性的数据，其次对这些数据计算能量和频域特征参数，然后使用这些参数去除静音部分并检测出语音；最后在语音片段间检测话者的改变，由此得到最终分割结果。

2.根据权利要求1所述的MP3压缩域音频分割方法，其特征在于：具体操作步骤如下：

a.MP3压缩音频的预处理：包括对解码帧头，边信息读取，主数据读取，哈夫曼解码和量化；

b.生成修正离散余弦变换MDCT矩阵：找出每一子带中的MDCT系数，对子带中系数排列，形成矩阵；

c.压缩域特征参数的提取：包括能量参数，谱中心距SC，梅尔倒谱系数MFCC参数的求取；

d.静音的检测：通过设定门限判别静音段和非静音段，并对结果做出修正；

e.语音检测：对非静音部分进一步去除非语音成分；

f.说话人改变点检测：根据统计判决模型进行说话人改变检测。

3.根据权利要求2所述的MP3压缩域音频分割方法，其特征在于：所述的MP3压缩音频预处理具体步骤是：

a.帧头信息的读取

(a).定义存放帧头信息的结构体layer；

(b).读取帧中的同步信息；

(c).使解码器与数据流同步；

(d).确定该帧数据开始的位置，把帧头信息存放于layer类型的变量Head_i中；

b.边信息的读取

(a).定义存放边信息的结构体sideinf；

(b).由帧头结束的地方确定边信息开始位置；

(c).读取边信息存放于sideinf类型的变量Side_i中；

c.主数据的读取

(a).定义存放缩放因子的结构scalefac，存放主数据大小的变量Maindata；

(b).计算主数据的长度并将该值存放于Maindata变量中；

(c).申请Maindata大小的内存空间Memory；

(d).读取主数据到Memory中；

(e).从Memory中读取缩放因子到scalefac类型的变量Scale_i中；

c.哈夫曼解码和反量化

(a).定义一个颗粒中存放哈夫曼解码数据的数组is[32][18]；

(b).根据边信息Side_i确定主数据中的哈夫曼数据的起始位置；

(c).对哈夫曼数据进行解码并将解码数据放在is[32][18]中；

(d).对is[32][18]中的数据进行反量化，仍存放于is[32][18]中。

4.根据权利要求2所述的MP3压缩域音频分割方法，其特征在于：所述的生成MDCT矩阵具体步骤是：

a.找出每一子带系数

(a).找出is[32][18]中每一子带的MDCT系数S_i，共32个；

(b).定义S_i子带中的系数为S_i[j]，每一子带系数18个；

b.形成行向量

(a).按频率高低原则重新排列S_i中系数，仍存放于S_i[j]中；

(b).将每一子带排列完成后的S_i[j]看作是矩阵中的行向量；

c.形成矩阵

(a).将S_i[j]行向量依子带序号组合形成32×18M[i][j]；

(b).依照上述原则，一帧中两个颗粒的MDCT系数矩阵表示为M₁[i][j]，M₂[i][j]。