[发明专利]伴奏音乐提取方法及装置

说明书

技术领域

本发明涉及信号处理领域，尤指一种利用模式分类技术进行歌曲中伴奏音 乐提取的方法及装置。

背景技术

目前一些音频播放软件或者是音频处理软件已经具有从歌曲中提取伴奏 功能，这个功能的作用就是实现从一首歌曲中把其伴奏音乐提取出来。例如， 当想录制自己演唱的歌曲，而又找不到这首歌曲的伴奏音乐时，就可以使用这 个从歌曲中提取伴奏功能，从原唱歌曲中单独把伴奏音乐分离并提取出来。

由于人声频率主要集中在低频，而音乐频率在整个频带分布较为广泛，因 此，现有的提取伴奏音乐的方法，通常利用大多数歌曲中语音(即人声)在两 个声道中基本相同的特点，采用将两个声道中的音频信号直接进行对减的方式 来消除语音(即人声)。其进行信号处理的基本原理如图1所示，用左声道的 音频信号减去右声道的音频信号得到左声道的新音频信号，用右声道的音频信 号减去左声道的音频信号得到右声道的新音频信号，得到的左声道新音频信号 和右声道的新音频信号即可组成伴奏音乐。

现有从歌曲中提取伴奏音乐的方法具有的缺点是：直接采取将立体声歌曲 的左右声道两路信号对消的方式，往往不能有效的消除人声；且在消除语音的 同时，若伴奏音乐在两个声道中的也出现相同部分时，则也会消除一部分伴奏 音乐，使得提取的伴奏音乐准确度比较低，从而引起伴奏音乐音质的下降等问 题。

发明内容

本发明实施例提供一种伴奏音乐提取方法及装置，解决现有技术中在消除 语音时引起的伴奏音乐音质下降的问题，能够有效消除歌曲中的语音，得到音 质良好伴奏音乐。

一种伴奏音乐提取方法，包括：

获取待处理歌曲中的合成音频信号帧，所述合成音频信号帧由所述歌曲左 声道的音频信号帧和右声道的对应音频信号帧合成；

确定所述合成音频信号帧所属的音频类别为语音、音乐或语音音乐组合；

根据确定出的所述音频类别，设定对消增益参数和输出增益参数，具体包 括：

当确定所述合成音频信号帧所属的音频类别为语音时，分别设置所述 对消增益参数和输出增益参数为a1和b1；

当确定所述合成音频信号帧所属的音频类别为音乐时，分别设置所述 对消增益参数和输出增益参数为a2和b2；

当确定所述合成音频信号帧所属的音频类别为语音音乐组合时，分别 设置所述对消增益参数和输出增益参数为a3和b3；

其中，0≤a2＜a3＜a1≤1，0＜b1＜b3＜b2≤1；

计算所述左声道的音频信号帧与所述对消增益参数的乘积；

用所述乘积减去所述右声道的对应音频信号帧，得到对消后左声道的音频 信号帧；计算所述对消后左声道的音频信号帧与所述输出增益参数的乘积，得 到左声道的输出信号帧；以及

用所述右声道的对应音频信号帧减去所述左声道的音频信号帧与所述对 消增益参数的乘积，得到对消后右声道的音频信号帧；计算所述对消后右声道 的音频信号帧与所述输出增益参数的乘积，得到右声道的输出信号帧。

根据本发明的上述方法，确定所述合成音频信号帧所属的音频类别，具体 包括：

对所述合成音频信号帧进行频带划分，分别计算划分出的各子频带的频域 能量，得到由所有子频带频域能量组成的能量向量；

根据所述能量向量和存储的各个音频类别的分类模型参数，采用混合高斯 模型GMM算法，分别计算得到所述合成音频信号帧为各音频类别的概率；其 中，每个音频类别的分类模型参数根据已知的该音频类别的若干音频信号帧确 定；

确定所述概率最大值所对应的音频类别为所述合成音频信号帧所属的音 频类别。

根据本发明的上述方法，所述对所述合成音频信号帧进行频带划分，具体 包括：

将所述合成音频信号帧划分为不均匀的L个频带，划分出的第k个子频带 的起始频率～终止频率定义为：或或

将所述合成音频信号帧划分为均匀的L个频带，划分出的第k个子频带的 起始频率～终止频率定义为：

其中，F为所述合成音频信号帧的频带宽度，k＝0，1，......，L-1；且L 为大于等于1的正整数；

所述计算划分出的各子频带的频域能量，具体为：根据所述合成音频信号 帧的频率分布函数和各子频带的所述起始频率、终止频率，计算各个子频带的 频域能量。