[发明专利]音频信号分析

说明书

技术领域

本发明涉及音频信号分析，更具体地，涉及音乐韵律分析。

背景技术

在音乐术语中，音乐韵律包括音乐中强调或重音的循环模式。音乐韵律可以被描述为包括旋律脉冲(measure pulse)、节拍脉冲和塔特姆脉冲，分别是指在脉冲持续时间方面最长到最短的脉冲。

节拍脉冲提供音乐中的基本时间单位，节拍脉冲的速率(速度)被认为是大多数人在听到一段音乐时会用脚点地的速率。在许多实际应用中，识别一段音乐中节拍脉冲的出现或者所谓的节拍跟踪是有利的。这样的应用包括音乐推荐应用，其中，在例如需要播放列表中的音乐之间的无缝混音转换的电台节目主持人(DJ)应用中以自动循环技术搜索与基准音轨相似的音乐。

节拍跟踪系统和方法生成节拍序列，其包括在一段音乐或其一部分中节拍的时间位置。

以下的术语有助于理解将在后面描述的某些概念。

音高：音符的基频(f_o)的生理相关性。

色度(chroma)，也称为音高集合：用整数个八度音阶分隔的音乐音高属于常见的音高集合。在西方音乐中使用12个音高集合。

节拍或节拍法(tactus)：音乐中的基本时间单位，它可被认为是大多数人在听到一段音乐时会用脚点地的速率。这个词也用于表示属于单个节拍的音乐部分。

速度：节拍或节拍法脉冲的速率，通常以每分钟节拍(BPM)的单位表示。

小节或旋律：定义为指定数量的具有指定持续时间的节拍的时间段。例如，在具有4/4拍号的音乐中，每个小节包括4个节拍。

重音或基于重音的音频分析：分析音频信号以检测音乐中的事件和/或变化，包括但不限于所有离散声音事件的开始，特别是长而高的声音的开始、音色的响度的突然变化及和声变化。在下文给出进一步的细节。

人们相信人类是通过从重音中推断规律的脉冲模式来感知音乐韵律的，其中重音是音乐中被强调的时刻。音乐中的不同事件导致重音。示例包括响度或音色的变化、和声变化以及一般的所有声音事件的开始。特别地，长而高的声音的开始导致重音。自动的速度、节拍或强拍估计器可尝试在一定程度上模仿人类对音乐韵律的感知。这可包含以下步骤：测量音乐强调、执行对一个或多个脉冲的周期估计、找出所估计的脉冲的相位、以及选择与速度对应的韵律水平或者一些其它感兴趣的韵律水平。由于重音与音乐中的事件有关，因此，基于重音的音频分析是指对音乐中的事件和/或变化的检测。这种变化可能与信号的响度、频谱和/或音高内容的变化有关。作为一个示例，基于重音的分析可能与例如使用色度特征从信号中检测频谱变化、从信号中计算新的或起始点检测函数、从信号中检测离散的起始点或者检测信号的音高和/或和声内容的变化有关。在执行频谱变化检测时，可以使用各种变换或滤波器组分解，诸如快速傅里叶变换或多速率滤波器组、或者甚至基频f_o或音高突出度估计器。作为简单的示例，重音检测可通过在信号上以短帧计算信号在一组频带上的短时能量、然后计算每两个相邻帧之间的差(诸如欧几里得距离)来执行。为了增加针对各种音乐类型的鲁棒性，已经开发了很多不同的重音信号分析方法。

以下将要描述的系统和方法利用在以下公开物中描述的背景知识，这些公开物在此通过引用结合。

[1]Cemgil A.T.等"On tempo tracking:tempogram representation and Kalman filtering."J.New Music Research,2001.

[2]Eronen,A.和Klapuri,A.,"Music Tempo Estimation with k-NN regression,"IEEE Trans.Audio,Speech and Language Processing,Vol.18,No.1,Jan 2010.