[发明专利]数字音频变速处理方法及其设备

说明书

技术领域

本发明涉及音频信号处理技术，特别涉及音频信号处理技术中的音频变速处理。

背景技术

在各种多媒体应用中，录制好的数字音频的重放速度调整具有广泛的需求。比如降低语音重放的音速，可以有助于有听力或理解力障碍的人群以及外语初学者提高听音的可懂度；而提高音速，则可帮助听者节省从录音中获取信息的时间。此外，对音乐重放音速的调整还可以改变音乐的节奏，获得独特的效果；对于视频中的伴音，音频重放的音速调整，可以使得视频在加快或放慢回放速度的同时，使观众可以听到同步的，没有发生畸变的伴音。

但是，直接对音频进行播放速度调整而不做任何处理，会因为声音中频率成分的线性迁徙而带来音调和音色的变化。比如说，在降低音速时，声音会变低沉，语音则变现为如沉睡中发出的鼻音；在提高音速时，声音会变得尖锐，语音则表现为如幼童快速讲话。因此，为了保证音频仅仅发生了音速变化，而音调和音色均不发生变换，没有明显畸变，需要对数字音频进行处理。目前，大都采用基于重叠相加技术的算法或者基于时频变换和频谱处理的算法进行音频的变速处理。关于音频变速处理的技术也可参见专利号为“5952596”的美国专利。

然而，本发明的发明人发现，在基于重叠相加(overlap add)技术实现的算法中，需要通过检测波形的相似程度(waveform similarity)来确定重叠窗的时延，这类方法只能处理具有明显基音周期的语音，它使用时域或频域的互相关检测技术取得相似波形的时延，以此作为重叠窗的时延，因此计算消耗较大且处理音质一般；而基于时频变换和频谱处理的算法可以处理包括语音和音乐的通用音频(general audio)，它对原始数字音频进行重采样以变换采样率，然后将改变了采样率的数字音频转换到频域获得音频的频谱，随后对频谱进行频谱搬移(frequency shift)，将处理后的频谱变换回时域，这个算法一般使用可完美重构的短时傅里叶变换(short time Fourier transform)实现，为能获得较高的处理音质，短时傅里叶变换需要一次处理较长的音频，这类方法虽然能获得比较好的处理音质，但是它的计算量和存储量较大，在手持和移动设备上，因为计算能力和功耗的约束，该算法几乎无法实现。

发明内容

本发明的目的在于提供一种数字音频变速处理方法及其设备，对通用数字音频的变速处理可以以更低的计算量实现，并且得到较高的处理音质。

为解决上述技术问题，本发明的实施方式提供了一种数字音频变速处理方法，包含以下步骤：

A将待进行音频变速处理的音频信号数据填充到缓冲区，直至所述缓冲区的已填充长度达到数据处理长度L_p；

B将所述缓冲区中待处理的音频信号数据通过以下方式进行加窗处理，得到输出信号x_out：

如果所述音频变速处理为加快速度的处理，则将所述缓冲区中长度为L_p的音频信号数据与长度为L_W的窗函数W_L左端对齐后逐点乘上W_L得到x_L，将所述缓冲区中长度为L_p的音频信号数据与长度为L_W的窗函数W_R右端对齐后逐点乘上W_R得到x_R，将得到的x_L和x_R相加，得到L_W个所述输出信号x_out；

如果所述音频变速处理为放慢速度的处理，则将所述缓冲区中长度为L_p的音频信号数据与长度为L_W的窗函数W_L右端对齐后逐点乘上W_L得到x_L，将所述缓冲区中长度为L_p的音频信号数据与长度为L_W的窗函数W_R左端对齐后逐点乘上W_R得到x_R，将得到的x_L和x_R相加，得到L_W个所述输出信号x_out；

C将已完成加窗处理的L_D个信号移出缓冲区，在缓冲区尾部继续填充待处理的音频信号数据，直至所述缓冲区的已填充长度达到数据处理长度L_p；

重复执行所述步骤B和步骤C，直至完成所有的音频信号数据的音频变速处理；