[发明专利]一种音频指纹提取系统

权利要求书

1.一种音频指纹提取系统，其特征在于，包括：数据处理模块、特征点选取模块和指纹生成模块；所述数据处理模块用于对音频PCM数据的预处理，所述特征点选取模块的输入段与所述数据处理模块的输出端相连接，所述指纹生成模块的输入端与所述特征点选取模块的输出端相连接，所述指纹输出模块用于输出音频指纹信息。

2.根据权利要求1所述的一种音频指纹提取系统，其特征在于，所述数据处理模块的处理具体包括以下步骤：

步骤101、预加重：将采集得到音频单通道PCM编码样本数据，采样率为8000Hz，精度为16bit，对其进行预加重，循环从最后一个样本点向前执行FIR预加重滤波函数，第一个样本不变，即变换后的数据为当前样本值-0.97*前一个样本值，数据从16bit整型转为double浮点型；

所述FIR预加重滤波函数如下：

y[n]＝x[n]-α*x[n-1]，其中ɑ是预加重系数，一般取0.97,n是样本点索引,n>＝1；

步骤102、分帧：采用连续交叠分段法进行分帧，此处帧长取512即512个采样点为一帧，帧移和帧长的比值一般为(0,0.5]，这里取0.5即帧移为256；对于预加重后的样本数据，每隔256个样本点取512个采样点为一帧，当前帧数计数自增加1；

步骤103、加窗：取一帧，使用汉明窗进行加窗，循环使用汉明窗函数值与帧内每个样本值相乘，n和N由前面样本点分帧时计算得到，

所述汉明窗函数如下：

其中N是帧长，n是帧内该样本点的索引[0,N-1]；

步骤104、傅里叶变换：使用FFTW库对加窗后数据进行快速傅里叶变换，将加窗后数据转为fftw_complex格式，申请输出结果空间，创建变换方案(fftw_plan)，然后执行变换(fftw_execute)，最后释放资源，得到复数域结果；取傅里叶变换后的一帧的前256个样本值，将样本值从复数域转为实数域，使用复数的模长为样本值。

3.根据权利要求1所述的一种音频指纹提取系统，其特征在于，所述特征点选取模块的处理具体包括以下步骤：

步骤201、帧内极大值点获取：对一帧数据进行多个极大值点的获取，选择比较的邻域范围为[-8,8)，也即选择帧内比前8个样本值和后7个样本值都大的样本点作为特征点，将这些极大值点的位置及值信息保存下来，并设置标志；

步骤202、帧内极小值点获取：对一帧数据进行多个极小值点的获取，选择比较的邻域范围为[-8,8)，也即选择帧内比前8个样本值和后7个样本值都小的样本点作为特征点，将这些极小值点的位置保存下来，并设置标志；

步骤203、帧内特征点选取是否完毕条件判断：当当前帧数大于总帧数即总帧数＝样本点总数/256时，判定帧帧内特征点选取结束，跳转步骤204；否则，特征点选取未结束，跳转至步骤102；

步骤204、帧间兴趣点极大值点获取：根据步骤201中获取的极大值点的信息，使用16*16的窗口在帧间遍历获取帧间极大值，即该极大值点比前8帧后7帧的下8行上7行的极大值点的值都要大；循环遍历，获取所有帧的帧间兴趣点的位置信息，设置标志。

4.根据权利要求1所述的一种音频指纹提取系统，其特征在于，所述指纹生成模块的处理具体包括以下流程：遍历所有帧的样本点，根据标志判断，当某帧某一样本点为步骤204中寻找到的兴趣点，记为P1，则从当前帧的位置偏移30帧的位置记为L，从L开始寻找16帧内的所有帧间兴趣点，取其中之一记为Q,当前帧的第一个极小值点记为P0；如果有的话，没有就是0。