[发明专利]复调音乐多音高估计方法及伪双谱在多音高估计中的应用

说明书

复调音乐多音高估计方法及伪双谱在多音高估计中的应用，属于数字语音信号处理领域，用于解决复调音乐的多个音高估计问题，技术要点是：对输入的音乐音频分帧；求每帧信号的伪双谱，根据二维模板与伪双谱的匹配互相关函数值从大到小排列，取出前若干个频率作为候选音高；计算各候选音高的加权谐波能量和，并选择具有最大加权谐波能量和的候选音高作为该次迭代输出的最显著估计音高。效果是：在具有较少谐波成分的情况下也能正常工作，可区分具有重叠谐波频率成分的音符，该方法具有较小的运算量，易于实现，且可用于除复调音乐以外的谐波信号的基频提取。

技术领域

本发明属于数字语音信号处理领域，涉及一种音乐信号处理方法。

背景技术

以算法原理为依据，复调音乐多音高估计方法可分为基于特征，基于统计模型和基于谱分解的方法，其中大部分方法都基于一维傅里叶变换谱。当不同音符具有相同的谐波频率成分时，一维傅里叶变换谱无法将这些重叠的谐波频率成分分离。和声是音乐的基本要素之一，从而在音乐信号中具有重叠谐波频率分量的情况普遍存在，因此准确分离具有重叠谐波频率的音符具有重要意义。

最近，Argenti等人提出基于双谱的多音高估计方法，该方法将输入一维时间域信号映射到二维双谱域，在二维双谱平面上，谐波信号形成一个典型的二维双谱模板，可独立分离具有相同谐波频率成分的两音符而互不影响。然而，信号的双谱幅度是一维傅里叶变换谱三个频率分量幅度的乘积，故其中任一分量为0都会导致双谱幅度为0，进而使二维模板匹配失败。另外，由于频谱泄露也会导致基于双谱的多音高估计方法产生较多的低八度误差。

发明内容

为了解决复调音乐多音高估计问题，准确分离具有相同谐波频率成分的音符，本发明构建一个全新的二维谱变换,以下称其为“伪双谱”，并将其应用于复调音乐多音高估计。

本发明提出如下技术方案：一种复调音乐多音高估计方法，对输入的音乐音频分帧；求每帧信号的伪双谱，根据二维模板与伪双谱的匹配互相关函数值从大到小排列，取出前若干个频率作为候选音高；计算各候选音高的加权谐波能量和，并选择具有最大加权谐波能量和的候选音高作为该次迭代输出的最显著估计音高。

进一步的，移除所述最显著估计音高的二维谐波成分，迭代上述过程，直至本次输出最显著估计音高的加权谐波能量和比前一音高的加权谐波能量和小于设定值。

进一步的，所述伪双谱由下式表示：

其中X(f₁)和X(f₂)为x(t)的一维傅里叶变换，(·)^*代表共轭转置运算，f₁和f₂为二维频率域中的自变量，t和τ分别为时间域信号x(t)和x(τ)的自变量。

进一步的，P_x为输入复调音乐伪双谱的离散化矩阵，每八度有N_oct个对数分布离散频点，使用每个音符的前H_r个谐波成分，令Q＝(q_i,j)是一个维度为R_q×R_q的稀疏矩阵，其中是向正无穷方向取整，当且仅当基频频点索引平移i和j个索引值后都对应谐波分量时，q_i,j＝1，由下式计算二维模板与伪双谱的匹配互相关函数值：

进一步的，选择具有最大谐波加权能量和的频率作为最显著估计音高，由下式求得：

其中α为常数，φ_k为音高f_k的显著函数值，|X(hf_k)|为f_k的第h次谐波幅度。

进一步的，输入信号为具有H个谐波分量的音符，表示为：