[发明专利]一种实时的音频信号分类方法及设备

权利要求书

1.一种实时的音频信号分类方法，其特征在于，包括：

对输入的音频信号进行分帧及高通滤波处理后，进行当前帧静音检测，计算MDCT变换，在时域和MDCT域提取音频特征，当所述当前帧处于分类的收敛时间帧I内采用单个音频特征分类，若所述当前帧处于分类的收敛时间帧I之后则采用粗细分级规则的分类方法进行分类，且所述当前帧经过粗细分级规则分类后，根据所述当前帧之前的信号帧分类类型历史状态更新所述当前帧分类类型。

2.根据权利要求1所述的方法，其特征在于，采用短时过零率进行当前帧静音检测，所述当前帧短时过零率大于所述第一设定值，设置当前帧为非静音帧。

3.根据权利要求1所述的方法，其特征在于，通过对处理后的每帧音频信号进行MDCT变换，在时域与MDCT域中提取一系列的音频特征，音频特征包括短时过零率、MDCT频谱谐波结构稳定性、MDCT频谱子带能量变化统计值、MDCT频谱质心变化值、MDCT频谱子带能量和MDCT频谱系数前四个参数绝对值之和。

4.根据权利要求1所述的方法，其特征在于，当所述当前帧处于分类的收敛时间帧I内时采用单一特征分类，单一特征采用MDCT频谱子带能量，所述当前帧单一特征第一能量子带大于所述第二设定值，设置当前帧为语音帧。

5.根据权利要求1所述的方法，其特征在于，当所述当前帧处于分类的收敛时间帧I后时采用粗细分级规则进行多级特征分类，多级特征采用短时过零率、MDCT频谱谐波结构稳定性、MDCT频谱子带能量变化统计值、MDCT频谱质心变化值、MDCT频谱子带能量和MDCT频谱系数前四个参数绝对值之和。

6.根据权利要求5所述的方法，其特征在于，将所述当前帧进行粗分类，粗分类特征采用MDCT频谱子带能量的第一子带进行判别，大于所述第二设定值，设置当前帧为类语音帧，反之设置所述当前帧为类音乐帧。

7.根据权利要求5或6所述的方法，其特征在于，对粗分类后的信号帧按照多特征结合的方法进行精细分类，精细分类每级判断的音频特征分别与相应设定值比较判断信号类型，分级分类过程不改变分级特征判断顺序。

8.根据权利要求1所述的方法，其特征在于，通过存储分类结果的历史状态，结合当前帧的分类结果，利用出现频率最高的分类类型作为当前帧的分类结果，若当前帧为静音帧或者历史分类原始分类结果中仅有两帧为非静音帧则维持原分类结果。

9.根据权利要求1或2或4或7所述的方法，其特征在于，第一设定值和第二设置是给定的阈值，相应设定值是一系列给定的阈值。

10.一种实时的音频信号分类设备，其特征在于，该设备包括彼此连接的预处理模块、特征提取模块、粗细分级规则分类模块和分类结果修正模块，其中：

所述预处理模块，它包括对音频信号进行预处理与静音检测；

所述特征提取模块，它包括对处理后的音频信号在时域与MDCT域中进行实时特征提取；

所述粗细分级规则分类模块，它包括将获取的音频特征按照一定规则放置，按照基于粗细分级规则的方法进行分类；

所述分类结果修正模块，它包括对所述的原分类结果进行修正，最后输出精确的音频信号分类结果。

11.根据权利要求10所述的方法，其特征在于，采用短时过零率进行当前帧静音检测，所述当前帧短时过零率大于所述第一设定值，设置当前帧为非静音帧。

12.根据权利要求10所述的方法，其特征在于，通过对处理后的每帧音频信号进行MDCT变换，在时域与MDCT域中提取一系列的音频特征，音频特征包括短时过零率、MDCT频谱谐波结构稳定性、MDCT频谱子带能量变化统计值、MDCT频谱质心变化值、MDCT频谱子带能量和MDCT频谱系数前四个参数绝对值之和。

13.根据权利要求10所述的方法，其特征在于，当所述当前帧处于分类的收敛时间帧I内时采用单一特征分类，单一特征采用MDCT频谱子带能量，所述当前帧单一特征第一能量子带大于所述第二设定值，设置当前帧为语音帧。