[发明专利]一种清浊音分类方法和装置

说明书

技术领域

本发明涉及通信技术领域，特别涉及一种清浊音分类方法和装置。

背景技术

在中低编码速率(10kbits/s～32kbits/s)下，语音编码器及音频编码器不能完全适用于语音和音乐混合的内容(mixed contents of speech and music)的编码。语音编码器只考虑到语音信号的特点，对于音乐类的内容(music-like content)的编码效果欠佳；音频编码器是基于心理声学模型设计的，对于语音类的内容(speech-like content)的编码效果欠佳。针对上述问题，运动图像专家组(Moving Picture Experts Group，MPEG)音频组提出一个新的适用于语音和音乐混合的内容的语音音频编码(unified speech and audio coding，USAC)编码器。

USAC编码器的信号分类模块(Signal Classifier)需要输出两组分类结果：

speech/music分类结果(A)：分析输入信号属于speech-like content，或是属于music-like content。对于music-like content，选择音频编码器进行编码；对于speech-like content，选择语音编码器进行编码。

voiced/unvoiced分类结果(B)：针对speech-like content，进一步分析信号属于清音或是浊音。对于浊音信号，选择代数码激励线性预测(Algebraic Code Excited Linear Prediction，ACELP)编码器；对于清音信号，选择变换编码激励(Transform Coded Excitation，TCX)编码器。

在实现上述分类结果B的过程中，为了确定编码模式，需要将各种可能的编码模式都运行一次，再基于信噪比(signal to noise，SNR)信息选择其一，计算复杂度是相当高，因而编码效率低。

发明内容

本发明实施例要解决的技术问题是提供一种清浊音分类方法和装置，提高编码效率。

一种清浊音分类方法，包括：

接收音频的帧的数据；

对接收到的数据进行音调分量检测得到音调分量；

统计所述得到的音调分量获取全频带声压级、高频声压级、音调分量分布的周期性、音调分量分布的连续性中的至少一项；

根据获取的全频带声压级、高频声压级、音调分量分布的周期性、音调分量分布的连续性中的至少一项确定当前帧属于清音还是浊音。

一种清浊音分类装置，包括：

接收单元，用于接收音频的帧的数据；

检测单元，用于对接收到的数据进行音调分量检测得到音调分量；

统计单元，用于统计所述得到的音调分量获取全频带声压级、高频声压级、音调分量分布的周期性、音调分量分布的连续性中的至少一项；

分类单元，用于根据获取的全频带声压级、高频声压级、音调分量分布的周期性、音调分量分布的连续性中的至少一项确定当前帧属于清音还是浊音。

上述技术方案具有如下有益效果：通过对接收到的数据进行音调分量检测得到音调分量；统计所述得到的音调分量获取全频带声压级、高频声压级、音调分量分布的周期性、音调分量分布的连续性中的至少一项；根据获取的全频带声压级、高频声压级、音调分量分布的周期性、音调分量分布的连续性中的至少一项确定当前帧属于清音还是浊音。不用试各种可能的编码模式，减少计算复杂度，从而提高编码效率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例方法流程示意图；

图2为本发明实施例方法流程示意图；

图3A为本发明实施例时域波形及对应的语谱示例图；

图3B为本发明实施例方法一音调检测结果示例图；

图3C为本发明实施例方法一音调检测结果示例图；

图4A为本发明实施例时域波形及对应的语谱示例图；

图4B为没有去除孤立点的音调检测结果示例图；

图4C为去除孤立点后的音调检测结果示例图；

图5A为时域波形及对应的语谱示例图；

图5B为全频带声压级曲线示例图；

图6A为时域波形及对应的语谱示例图；