[发明专利]一种音频识别方法及装置

权利要求书

1.一种音频识别方法，其特征在于，包括：

接收音频识别请求时，采集待识别的第一音频文件，并计算所述第一音频文件的第一特征信息；

从预置数据库查找与所述第一特征信息相匹配的至少一个第二特征信息，并获取所述至少一个第二特征信息中的每个第二特征信息对应的第二音频文件的属性数据；

将所述第二音频文件的属性数据作为所述第一音频文件的识别结果进行输出。

2.如权利要求1所述的方法，其特征在于，所述计算所述第一音频文件的第一特征信息，包括：

对所述第一音频文件进行时频分析，生成第一预设数量的相位通道；

提取所述第一预设数量的相位通道中的每个相位通道的至少一个峰值特征点，所述每个相位通道的至少一个峰值特征点构成所述每个相位通道的峰值特征点序列；

对所述每个相位通道的峰值特征点序列中的每个峰值特征点进行配对处理，形成所述每个相位通道的峰值特征点对序列；

对所述每个相位通道的峰值特征点对序列进行哈希计算，获得所述每个相位通道对应的指纹序列，所述第一预设数量的相位通道对应的指纹序列的集合构成所述第一音频文件的第一特征信息。

3.如权利要求2所述的方法，其特征在于，所述对所述第一音频文件进行时频分析，生成第一预设数量的相位通道，包括：

对所述第一音频文件进行时域分帧处理，形成多个音频帧信号；

对每一个音频帧信号进行短时傅立叶变换STFT变换，获得所述每一个音频帧信号的频率谱，并提取所述每一个音频帧信号的频率谱对应的幅度谱；

根据所述每一个音频帧信号的时间、频率谱和幅度谱，绘制所述第一音频文件的时频图；

按照时间取模的方式，对所述第一音频文件的时频图进行拆分，生成第一预设数量的时频子图，所述第一预设数量的时频子图中的一个时频子图对应所述第一音频文件的一个相位通道。

4.如权利要求1-3任一项所述的方法，其特征在于，所述预置数据库中存储至少一个音频文件的标识、所述至少一个音频文件的特征信息、以及所述至少一个音频文件的属性数据；

所述属性数据包括以下数据中的至少一种：音频文件名称、音频文件所属的专辑信息、音频文件的链接地址、音频文件的歌词。

5.如权利要求4所述的方法，其特征在于，所述从预置数据库查找与所述第一特征信息相匹配的至少一个第二特征信息，包括：

将所述第一特征信息与所述预置数据库中的每个特征信息进行比对，根据比对结果对所述预置数据库中的每个特征信息所对应的音频文件的标识进行加权处理；

按照权重由高至低的顺序，从所述预置数据库中选择第二预设数量的音频文件的特征信息组成候选列表；

计算所述候选列表中的每个音频文件的特征信息与所述第一特征信息的时间相关性；

从所述候选列表中选取与所述第一特征信息相匹配的至少一个第二特征信息，其中，所述第二特征信息与所述第一特征信息的时间相关性大于预设阈值。

6.一种音频识别装置，其特征在于，包括：

采集模块，用于在接收音频识别请求时，采集待识别的第一音频文件；

计算模块，用于计算所述第一音频文件的第一特征信息；

识别模块，用于从预置数据库查找与所述第一特征信息相匹配的至少一个第二特征信息；

获取模块，用于获取所述至少一个第二特征信息中的每个第二特征信息对应的第二音频文件的属性数据；

结果输出模块，用于将所述第二音频文件的属性数据作为所述第一音频文件的识别结果进行输出。

7.如权利要求6所述的装置，其特征在于，所述计算模块包括：

时频分析单元，用于对所述第一音频文件进行时频分析，生成第一预设数量的相位通道；

特征提取单元，用于提取所述第一预设数量的相位通道中的每个相位通道的至少一个峰值特征点，所述每个相位通道的至少一个峰值特征点构成所述每个相位通道的峰值特征点序列；

配对处理单元，用于对所述每个相位通道的峰值特征点序列中的每个峰值特征点进行配对处理，形成所述每个相位通道的峰值特征点对序列；

计算单元，用于对所述每个相位通道的峰值特征点对序列进行哈希计算，获得所述每个相位通道对应的指纹序列，所述第一预设数量的相位通道对应的指纹序列的集合构成所述第一音频文件的第一特征信息。