[发明专利]音频处理方法、装置、设备、存储介质及计算机程序产品在审

专利信息
申请号: 202210681037.X 申请日: 2022-06-15
公开(公告)号: CN115116455A 公开(公告)日: 2022-09-27
发明(设计)人: 王蒙;肖玮;康迂勇;黄庆博;史裕鹏 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G10L19/16 分类号: G10L19/16;G10L19/032;G10L19/008
代理公司: 北京派特恩知识产权代理有限公司 11270 代理人: 王花丽;蒋雅洁
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 音频 处理 方法 装置 设备 存储 介质 计算机 程序 产品
【权利要求书】:

1.一种音频处理方法,其特征在于,所述方法包括:

对音频信号进行多通道信号分解处理,得到所述音频信号的N个子带信号,其中,所述N为大于2的整数,所述N个子带信号的频段依次递增;

对每个所述子带信号进行信号压缩处理,得到每个所述子带信号的子带信号特征;

对每个所述子带信号的子带信号特征进行量化编码处理,得到每个所述子带信号的码流。

2.根据权利要求1所述的方法,其特征在于,每个所述子带信号的子带信号特征的特征维度与每个所述子带信号的频段非正相关,第N个子带信号的子带信号特征的特征维度小于第一个子带信号的子带信号特征的特征维度。

3.根据权利要求1所述的方法,其特征在于,

所述多通道信号分解处理是通过多层二通道子带分解实现的;

所述对音频信号进行多通道信号分解处理,得到所述音频信号的N个子带信号,包括:

对所述音频信号进行第一层的所述二通道子带分解处理,得到所述第一层的低频子带信号以及所述第一层的高频子带信号;

对第i层的子带信号进行第i+1层的所述二通道子带分解处理,得到所述第i+1层的低频子带信号以及所述i+1层的高频子带信号;

其中,所述第i层的子带信号为所述第i层的低频子带信号,或所述第i层的高频子带信号和所述第i层的低频子带信号,所述i为递增的自然数且取值范围为1≤i<N;

将最后一层的子带信号以及每一层中未进行所述二通道子带分解处理的高频子带信号,作为所述音频信号的子带信号。

4.根据权利要求3所述的方法,其特征在于,所述对所述音频信号进行第一层的所述二通道子带分解处理,得到所述第一层的低频子带信号以及所述第一层的高频子带信号,包括:

对所述音频信号进行采样处理,得到采样信号,其中,所述采样信号包括采样得到的多个样本点;

对所述采样信号进行所述第一层的低通滤波处理,得到所述第一层的低通滤波信号;

对所述第一层的低通滤波信号进行下采样处理,得到所述第一层的低频子带信号;

对所述采样信号进行所述第一层的高通滤波处理,得到所述第一层的高通滤波信号;

对所述第一层的高通滤波信号进行下采样处理,得到所述第一层的高频子带信号。

5.根据权利要求1所述的方法,其特征在于,所述对每个所述子带信号进行信号压缩处理,得到每个所述子带信号的子带信号特征,包括:

针对任意所述子带信号执行以下处理:

调用所述子带信号对应的第一神经网络模型;

通过所述第一神经网络模型对所述子带信号进行特征提取处理,得到所述子带信号的子带信号特征;

其中,所述第一神经网络模型的结构复杂度与所述子带信号的子带信号特征的维度正相关。

6.根据权利要求5所述的方法,其特征在于,所述通过所述第一神经网络模型对所述子带信号进行特征提取处理,得到所述子带信号的子带信号特征,包括:

通过所述第一神经网络模型对所述子带信号执行以下处理:

对所述子带信号进行卷积处理,得到所述子带信号的卷积特征;

对所述卷积特征进行池化处理,得到所述子带信号的池化特征;

对所述池化特征进行下采样处理,得到所述子带信号的下采样特征;

对所述下采样特征进行卷积处理,得到所述子带信号的子带信号特征。

7.根据权利要求1所述的方法,其特征在于,所述对每个所述子带信号进行信号压缩处理,得到每个所述子带信号的子带信号特征,包括:

对前k个子带信号分别进行特征提取处理,得到所述前k个子带信号分别对应的子带信号特征;

对后N-k个子带信号分别进行频带扩展处理,得到所述后N-k个子带信号分别对应的子带信号特征;

其中,所述k为整数且取值范围为1<k<N。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210681037.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top