[发明专利]对输入信号值序列进行时间缩放的方法

说明书

技术领域

本发明涉及一种数字信号处理技术，该技术改变音频信号的长度并从而有效改变其播放速度。在专业市场中，该技术用于电影工业中的帧率转换或音乐制作中的声音效果。此外，消费电子设备，例如mp3播放器、录音机或应答机利用时间缩放来进行快进或慢动作音频播放。 

背景技术

在Dorran等人的“A Comparison of Time-Domain Time-Scale Modification Algorithms，”AES 2006中，可以找到用于对音频信号进行时间缩放的以下应用列表： 

-用于数字图书馆和远程学习的语音材料的快速浏览 

-音乐和外语学习/教学 

-电话应答机和录音电话机的快/慢回放 

-视频-电影标准转换 

-对音频加水印 

-针对盲人的加速听觉阅读 

-音乐合成 

-音频-视频同步 

-音频数据压缩 

-心脏紊乱诊断 

-针对无线电/电视产业中分配的时隙来编辑音频/视觉记录 

-声音性别转换 

-文本至语音的合成 

-唇形同步和配音 

-韵律移植和卡拉OK 

实现这种用于音频信号长度改变的数字信号处理技术的一种方式是所谓的波形相似度叠加(WSOLA)方法。WSOLA能够产生高质量的时间缩放的输出信号。由固定长度(典型地约为20ms)的块来构造WSOLA输出信号。这些块重叠50％，以保证固定的交叉渐变长度。追加至输出信号的下一块是如下的块：首先该块与将正常跟随当前块的块最相似，其次该块位于理想位置(由缩放因子确定)周围的搜索窗内。因此，与理想位置的偏差典型地限制在小于5ms，从而产生10ms大小的搜索窗。 

Demol等人在“Efficient Non-Uniform Time-Scaling of Speech with WSOLA，”Speech and Computers(SPECOM)，2005中描述：也可以通过改变缩放因子来将WSOLA扩展为将处理后的信号的变化特性列入考虑之中。 

发明内容

本发明的目的是通过提出一种使用修改的波形相似度叠加方法来对输入信号值序列进行时间缩放的方法，以及一种使用修改的波形相似度叠加方法来对输入信号值序列进行时间缩放的设备，来增强WSOLA方法。 

根据所述方法，对波形相似度叠加方法进行修改，以确定子序列对的相似度度量中的最大化相似度，每个所述子序列对包括来自输入窗的待匹配子序列和来自搜索窗的匹配子序列，其中，所述子序列对包括至少两个子序列对，所述至少两个子序列对中的第一对包括第一待匹配子序列而第二对包括不同的第二待匹配子序列。 

所述输入窗允许找到具有比使用基于单一待匹配子序列的WSOLA方法所找到的相似度更高的子序列对。这产生了较少的可感知伪像。 

在实施例中，所述第一对包括第一匹配子序列，所述第二对包括不同的第二匹配子序列。 

在另一实施例中，所述第一对和所述第二对包括相同的匹配子序列。 

有利地，对所述波形相似度叠加方法的修改包括：拷贝子序列，直到所述拷贝所产生的累计时间偏差等于或大于预定最小时间偏差，所述累计时间偏差依赖于所拷贝的子序列的累计持续时间和期望的时间缩放因子。 

这减小了接合点(splice point)的数目，从而减小了时间缩放的可听性。 

每个子序列对的相似度度量可以包括加权，所述加权考虑所述对中的子序列之间的时间距离。 

考虑时间距离能够使WSOLA方法偏向优选的时间距离。 

例如，在实施例中，对相似度进行加权，使其偏向较大的时间距离。这允许追加更长的子序列，继而使得所需接合点更少。 

在所述方法的又一实施例中，对相似度进行加权，使其偏向与期望的时间缩放因子相对应的时间距离。 

然后，即使时间缩放后的序列的一部分也很好地反映了时间缩放因子。 

在又一实施例中，确定所述输入窗，使其包括至少一个暂停信号段。 

已知对于信号暂停而言接合在计算上较为简单。 

在另一实施例中，确定所述输入窗，使其不包括任何瞬变信号段。 

已知对于瞬变信号段而言接合在计算上较为困难。 

附图说明