[发明专利]一种音频信号检测方法和装置

说明书

技术领域

本发明涉及音频领域的信号检测技术，尤其是一种音频信号检测方法和装置。

背景技术

在通信系统中，通常对输入的音频信号进行编码后传输到对端。在通信系统中，尤其是无线/移动通信系统中，信道带宽是一个比较稀缺的资源。在一个双向的通话中，某一方说话的时间大概只占总通话时间的一半左右，另一半都处在静音状态。在信道带宽比较紧张的情况下，如果通信系统只在人说话的时候传输信号，而在静音时停止信号的传输，将可以节省出大量的带宽分配给其它用户。为了达到这个目的，通信系统需要知道通话人何时开始说话，何时停止说话，即需要知道语音何时是激活的，这就需要语音激活检测(voice activity detection，VAD)。一般在语音激活时，语音编码器会采用较高的速率编码，而在无语音的背景信号阶段，编码器会采用较低的速率编码。通过语音激活检测技术，通信系统能够区分输入的音频信号是语音还是背景噪音，并采用不同的编码技术进行编码。

这种体制在通常的背景环境下都是可行的，但是当背景信号是音乐信号时，较低速率的编码会极大的影响听者的主观感受。因此一种新的需求被提出来，即VAD系统需要能够有效的识别出背景音乐的场景，并有针对性的提高背景音乐的编码质量。

在AMR VAD1中，有一种检测复杂信号的技术，一般来说，这里的复杂信号就是指音乐信号。在该VAD中，对每一帧信号，从AMR编码器中获得该帧的最大相关向量best_corr_hpm，并将其归一化在[0-1]的范围之内。对归一化后的最大相关向量best_corr_hpm求其长时的滑动平均相关向量corr_hp，计算方法为：

corr_hp＝α·corr_hp+(1-α)·best_corr_hp_m，

其中α为取值范围在[0.8，0.98]之间的遗忘系数

将每帧的corr_hp都与一高一低两个门限进行比较，如果出现连续8帧corr_hp都高于高门限的帧时，或者出现连续15帧corr_hp都高于低门限的帧时，则一个复杂信号标志complex_warning被设为1，表示复杂信号被检测到了。

发明人在实现本发明的过程中，发现现有技术至少存在以下缺点：

上述技术虽然可以检测出音乐信号，但是并不能区分出是前景音乐还是背景音乐，因而不能根据带宽情况对背景音乐信号采用适合的编码技术。

发明内容

本发明的实施例提供一种音频信号检测方法和装置，能够从音频信号中检测出背景音乐。

根据本发明的一实施例，提供一种音频信号检测方法，包括：

将输入的音频信号分为多帧音频信号帧；

对每一帧音频信号帧进行背景检测；

当检测到背景信号帧时，将一个背景帧计数器加上一个步长值；获得所述背景信号帧的音乐特征值，将所述音乐特征值累加到一个背景音乐特征累加值；

当所述背景帧计数器达到一个预先设定的数量时，将所述背景音乐特征累加值与一个门限做比较，当背景音乐特征累加值符合门限判定法则时，则检测到背景音乐。

根据本发明的另一实施例，提供一种编码器，包括：

背景帧识别器，用于对输入的每一帧音频信号进行检测，输出背景信号帧或前景信号帧的检测结果；

背景音乐识别器，用于当检测到背景信号帧时，根据所述背景信号帧的音乐特征值对所述背景信号帧进行检测，输出检测到背景音乐的检测结果；其中，所述背景音乐识别器包括：

背景帧计数器，用于当检测到背景信号帧时，将步长值加到其值上；

音乐特征值获得单元，用于获得所述背景信号帧的音乐特征值；

音乐特征值累加器，用于累加所述音乐特征值；

判决器，用于在背景帧计数器达到预先设定的数量时，确定背景特征累加值符合门限判定法则，输出检测到背景音乐的检测结果。

本发明实施例，对于背景信号进一步的根据音乐特征值进行判断，从而能够检测出背景音乐，提高语音/音乐分类器的分类性能；并能够提供更加灵活的对背景音乐的处理方案，有针对性的调整背景音乐的编码质量。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的音频信号检测方法的一个实施例的流程示意图；