[发明专利]音乐搜索设备及方法、程序以及记录介质

说明书

技术领域

本技术涉及音乐搜索设备及方法、程序以及记录介质，并且尤其涉及能够从输入信号中设别出音乐的音乐搜索设备及方法、程序以及记录介质。

背景技术

过去，为了识别作为输入信号而输入的音乐，进行将输入信号的特征量与作为要被识别的音乐的候选的参考信号的特征量进行匹配的处理。然而，例如，当诸如戏剧的电视节目的音频源被用作输入信号时，包括诸如对话、声音(环境噪声)、白噪声、粉红噪声以及音效的非音乐信号分量的噪声分量(在下文中简称为“噪声”)经常与诸如背景音乐(BGM)的音乐信号分量混合，并且由这种噪声导致的输入信号的特征量的变化影响匹配处理结果。

就这一点而言，已经提出了如下技术：该技术使用屏蔽模式来屏蔽输入信号的特征量中具有低可靠性的分量，从而只使用具有高可靠性的分量来进行匹配处理。

特别地，针对特征矩阵预先准备多种屏蔽模式，其中特征矩阵代表被变换为时频域中的信号的输入信号的特征量，而屏蔽模式用于屏蔽与预定的时频域相对应的矩阵分量。使用所有屏蔽模式进行输入信号的特征量与数据库中多个参考信号的特征量之间的匹配处理。被计算出最高相似度的那个参考信号的音乐被识别为输入信号的音乐(例如，参见日本专利申请公开(JP-A)2009-276776)。

发明内容

然而，难以评估输入信号上叠加有噪声的时间和频率，并且难以预先准备适合于输入信号的屏蔽模式。因此，在JP-A 2009-276776中公开的技术中，难以进行适当的匹配处理，因而很难以高准确度从音乐与噪声混合的输入信号中识别出音乐。

同时，还存在这样一种技术：该技术产生屏蔽模式，使得输入信号中平均功率高的时间段中的分量被视为叠加有音乐以外的噪声的分量，并且只使用输入信号中平均功率低的时间段的特征量进行匹配。根据该技术，尽管可以产生取决于输入信号的屏蔽模式，但是该屏蔽模式中没有考虑到频率分量，并且该屏蔽模式不一定是适于输入信号的屏蔽模式。此外，如图1的左侧所示，在时频域的输入信号中，音乐信号分量DM中包括了来自对话的噪声Dv。在此情况下，在该技术中，只使用对话中断的区域S1和S2中的几个段的特征量来进行匹配处理。因此，很难以高准确度从音乐与噪声混合的输入信号中识别出音乐。为了以高准确度从音乐与噪声混合的输入信号中识别出音乐，希望使用如图1的右侧所示的区域S3和S4中的音乐信号分量Dm的特征量来进行匹配处理。

本技术是鉴于上述问题而作出的，并且希望以高准确度从输入信号中识别出音乐。

根据本技术的一实施例，提供了一种音乐搜索设备，用于将输入信号与仅包括音乐的参考信号进行比较并识别所述输入信号的音乐，所述音乐搜索设备包括：指数计算单元，用于基于变换到时频域的所述输入信号的每个区域的信号分量的强度和通过对所述信号分量的强度进行近似而获得的函数，计算所述信号分量的音调指数；相似度计算单元，用于计算基于所述指数而获得的所述输入信号的每个区域中的特征量与基于对变换到所述时频域的所述参考信号计算出的指数而获得的所述参考信号的每个区域中的特征量之间的相似度；以及音乐识别单元，用于基于所述相似度来识别所述输入信号的音乐。

所述指数计算单元可以包括：最大点检测单元，用于从预定时间段的所述输入信号中检测所述信号分量的强度为最大的最大点；以及近似处理单元，用于通过模板函数对所述最大点附近的所述信号分量的强度进行近似，并且，所述指数计算单元可以基于所述最大点附近的所述信号分量的强度与所述模板函数之间的误差来计算所述指数。

所述指数计算单元可以根据所述模板函数的曲率来调节所述指数。

所述指数计算单元可以根据所述模板函数的最大点的频率来调节所述指数。

所述音乐搜索设备可以进一步包括权重分布产生单元，用于基于所述输入信号的每个区域中的第一特征量和所述参考信号的每个区域中的第一特征量来产生所述输入信号和所述参考信号的每个区域上的权重分布，并且计算所述输入信号的每个区域中的第一特征量与所述参考信号的每个区域中的第一特征量之间的第一特征量相似度。所述相似度计算单元基于所述权重分布的权重和所述第一特征量相似度来计算所述输入信号的每个区域中的第二特征量与所述参考信号的每个区域中的第二特征量之间的相似度。

所述音乐搜索设备可以进一步包括：第一特征量计算单元，用于计算通过在时间方向上过滤所述指数而获得的所述指数的时间平均量，作为所述第一特征量；以及第二特征量计算单元，用于计算通过在时间方向上过滤所述指数而获得的所述指数的时间变化量，作为所述第二特征量。