[发明专利]基于短时离散谐波变换的音色特征提取方法

权利要求书

1.一种基于短时离散谐波变换的音色特征提取方法，其特征在于：包括：短时离散谐波变换方法和音色谐波谱特征提取方法；

a.短时离散谐波变换方法

基于谐波结构理论，根据音源的物理特性：物体振动发出的音频是复音，即具有谐波结构，且每个复音均有一个基频f₀，它是谐波谱的最小频率，不同音频的基音不同其f₀也不同；用频率序列来表示复音的谐波结构，将谐音按频率由低到高的顺序编号，使用向量HS＝(f₀，f₁，...，f_m，...，f_M)保存谐波谱的各次谐波频率值，M是最高谐波次数；谐波谱中第m条谱线所对应的模拟频率(中心频率)为：

f_m＝f₀·m (1)

其中相邻谐波谱对应的带宽为：

B_m＝f_m+1-f_m＝f₀ (2)

由此可以看出任意相邻谱线的间隔(带宽)为一个常值，此时中心频率和带宽的比值p_m为中心频率对应的谱线次序：

p_m＝f_m/B_m＝m (3)

设信号的采样频率为f_s；T₀为谐波谱的基音频率f₀对应的基音周期，则满足：

T₀＝f_s/f₀ (4)

若信号最高频率分量为f_max，则至少满足以下关系，才不会产生混叠失真；

f_s≥2f_max (5)

折叠频率(f_s/2)是能够分析模拟信号的最高频率；又因为在谐波谱中：

f_max≥M·f₀ (6)

由于最高谐波次数M为一个整数，所以向下取整得到：

对于窗长为N的信号序列，根据对离散信号的频域采样定理得到离散谱的数字频率的间隔必须满足下述公式：

B_m·N≤f_s (8)

对上式中取等号则得到N的表达式，由于N为一个整数，所以向下取整得到：

由上式可得，对于音频信号当已知基频或基音周期时，可求得基于谐波结构的时频变换的窗长和最高谐波次数；对(8)式去等号，并结合式(3)知，谐波谱中谱线m处的数字频率为：

基于离散短时傅立叶变换(the Diserete Short Time Fourier Transform，DSTFT)的相应分量，并进行标准化，得到基于谐波频率的稀疏变换，离散谐波变换(DiscreteHarmonic Transform，DHT)；设音频信号为有限长序列x(n)，DHT的m次谱分量表达式如下：

其中，N为谐波谱时频变换时对应的窗长度；w_N(n)是长度为N的窗函数；m＝1，…，M，m是序列谐波谱的频率下标，表示第m次谐波，M为最高谐波次数；设对原始信号x(n)分帧后的第i帧为x_i(n)，对x_i(n)进行离散谐波变换，得到称为信号的短时离散谐波变换：

b.音色谐波谱特征提取方法

谐波结构的频谱能量分布是影响音色的重要特征；因此，基于公式12的短时离散谐波变换，令E_m.表示第m次谐波能量，则第i帧的第m次谐波能量为：

对M个进行归一化，并记为则短时离散谐波能量可表示为：

对EDHTⁱ中的每个进行离散余弦变换(Discrete Cosine Transform，DCT)：

其中，p＝1，2，...，M；则短时离散谐波变换系数可表示为：

对SDHTCⁱ求一阶差分，得到谐波能量变换幅值，用一阶短时离散谐波变换系数ΔSDHTCⁱ表示；对SDHTCⁱ求二阶差分，得到谐波能量变换率，用二阶短时离散谐波变换系数Δ²SDHTCⁱ表示；则音色谐波谱特征由短时离散谐波变换系数、一阶差分短时离散谐波变换系数和二阶差分短时离散谐波变换系数构成局部音色谐波谱特征。

2.根据权利要求1所述的方法，其特征在于：对信号所有帧求得的第m次音色谐波谱特征求统计特征如均值、标准差、20％分位数、50％分为数、80％分为数以及峰度可以作为全局音色谐波谱特征。