[发明专利]一种实时音频流的比对方法和系统

权利要求书

1.一种实时音频流的比对方法，其特征在于，包括如下步骤：

接收实时主备音频流，预处理后得到主备音频帧信号；

对所述主备音频帧信号中每个音频帧提取logfbank特征向量，并将logfbank特征向量转换为0-1向量，得到待比对的主备音频帧指纹数据；

将待比对的主备音频帧指纹数据分别加入主备队列中，依次通过初始匹配和连续匹配，获取匹配帧，根据匹配帧的位置差得到延迟时间；

其中，在初始匹配过程中，依次将主队列中的每个音频帧与备队列中的每个音频帧进行比对，获取音频帧的相似度满足阈值条件的一对音频帧作为第一匹配帧，根据所述第一匹配帧获取初始匹配帧；在连续匹配过程中，根据所述初始匹配帧，获取待比对的音频对矩阵并对矩阵中的音频对进行依次比对，若获取到匹配帧，则将所述初始匹配帧更新为所述匹配帧，重新获取待比对的音频对矩阵并依次比对；若未获取到匹配帧，则更新所述主备队列，重新进行初始匹配获取初始匹配帧。

2.根据权利要求1所述的实时音频流的比对方法，其特征在于，所述将logfbank特征向量转换为0-1向量包括：

比较logfbank特征向量中每相邻两个特征值的差值，如果差值大于0，则置为1，如果差值小于等于0，则置为0。

3.根据权利要求2所述的实时音频流的比对方法，其特征在于，所述在初始匹配过程中，根据所述第一匹配帧获取初始匹配帧包括：

根据所述第一匹配帧，在主备队列中分别获取第一匹配帧后续的M帧，所述主备队列中的M帧按顺序依次组成M对音频帧进行比对，如果所述M对音频帧的相似度均满足所述阈值条件，则所述M对音频帧中最后一对音频帧作为初始匹配帧；否则，重新获取第一匹配帧，再根据所述第一匹配帧获取初始匹配帧。

4.根据权利要求3所述的实时音频流的比对方法，其特征在于，所述音频帧的相似度，根据待比对的一对音频帧指纹数据计算得到，包括：

根据待比对的一对音频帧指纹数据，计算出汉明距离；

根据每个音频帧指纹数据中0-1向量的维度数，得到总距离；

所述总距离与汉明距离的差值，除以总距离，得到待比对的一对音频帧的相似度。

5.根据权利要求4所述的实时音频流的比对方法，其特征在于，所述主备队列长度固定，在初始匹配过程中，如果所述主备队列比对结束，未获取到满足阈值条件的第一匹配帧或者初始匹配帧，则根据待比对的主备音频帧指纹数据，更新主备队列。

6.根据权利要求5所述的实时音频流的比对方法，其特征在于，所述在连续匹配过程中，根据所述初始匹配帧，获取待比对的音频对矩阵，包括：

根据所述初始匹配帧，跳过预置的帧数N，得到第二匹配帧；

根据主备队列中第二匹配帧各自的位置，分别向后连续取出N帧，以主备队列中的所述N帧作为行和列形成N×N的二维音频对矩阵，其中，矩阵中每个元素是由相应行和列对应的所述N帧中的音频帧形成的音频对。

7.根据权利要求6所述的实时音频流的比对方法，其特征在于，所述对矩阵中的音频对进行依次比对，若获取到匹配帧，则将所述初始匹配帧更新为所述匹配帧，包括：

基于所述待比对的音频对矩阵，取出当前第T轮待比对的音频对，包括：分别取第1,…,T行、第T列的音频对，以及，第T行、第1,…,T-1列的音频对，T=1,…,N；

根据当前第T轮待比对的音频对，识别是否存在满足阈值条件的音频对，如果存在，取音频帧的相似度最大的一个音频对作为匹配帧，将初始匹配帧更新为所述匹配帧，结束比对；如果不存在，从待比对的音频对矩阵中取出下一轮待比对的音频对进行比对，直至遍历完成。

8.根据权利要求1所述的实时音频流的比对方法，其特征在于，所述在初始匹配过程中，是沿着主备队列的尾部向头部的方向获取匹配帧；所述在连续匹配过程中，是沿着主备队列的头部向尾部的方向获取匹配帧。