[发明专利]一种音频句子边界检测方法

摘要

本发明涉及一种音频句子边界检测方法。针对歌声音频的分句问题，根据人耳听觉感知特性对演唱歌声采用CQT进行时频转换，通过子带谱熵法对演唱歌声进行细粒度的端点检测；在此基础上，利用演唱歌声句子之间停顿和发音间隔较长的特点，基于K‑means算法进行聚类分析得到分句端点位置，可较好的得到清唱音频句子之间的边界点，并自适应不同节奏的音乐。本发明所提出的一种音频句子边界检测方法，该方法简单，实现灵活，具有较强的实用性。

主权项

1.一种音频句子边界检测方法，其特征在于，按照如下步骤实现：步骤S1：将输入的清唱歌声音频信号进行预处理，预处理方式包括：滤波、预加重和归一化；步骤S2：对预处理后的歌声音频x(n)进行CQT变换得到频域信号XCQT(k)；步骤S3：取频域信号XCQT(k)的50Hz‑5kHz分量，将其按频率均等划分为八个子带，分别计算每个子带谱熵H(m)；步骤S4：采用单参数的双门限法反向端点检测将歌声音频x(n)分别标注为语音段起点序列Sp(n)和终点序列Ep(n)；步骤S5：根据肘部法则设置类簇的个数为K＝2，将歌声段长度序列S(n)和非歌声段长度序列M(n)依次对应组合成样本数据集T(n)＝{(S(n),M(n))|0＜n＜L}；步骤S6：采用K‑means聚类分析将样本数据集T(n)分为K类，并输出K个类簇和质心w1,w2,…,wk；步骤S7：在K个类簇中，将质心最大的类簇作为音频句子边界的检测结果，以该类簇中的数据对歌声音频x(n)进行句子边界标注得到句子边界序列。