一種自適應音頻感知響度調整方法
2023-07-29 16:48:21
專利名稱：一種自適應音頻感知響度調整方法
技術領域：
本發明屬於多媒體信息處理和音頻分析領域，涉及一種自適應音頻感知響度估計與快速歸一化的新型技術，可用於將不同響度感知基準的音頻文件自動調整為統一的感知響度基準。
背景技術：
ReplayGain(回放增益)標準是David Robinson於2001年提出的一套技術標準，用以衡量MP3音樂文件的感知響度，並對音頻響度進行增益歸一化處理(見文獻 D. Robinson, " ReplayGain specification discussion" ,www. replaygain. org,2010)。 具體步驟是，首先對整個音頻文件進行心理聲學掃描，以量度它的感知響度和峰值電平；進而計算音頻文件的原始響度與目標響度(通常定為89分貝的聲壓值)的差別增益值；將該音頻文件的增益值和峰值電平值作為元數據存儲於音頻文件中，以便播放器能夠根據這些元數據自動衰減(或放大)音量播放該文件，從而在回放不同的音頻文件時得到近似一致的輸出響度。ReplayGain標準可以緩解在播放不同專輯的音頻文件時需要不斷手動調整音量的問題，並避免對響度較高的歌曲產生削波。然而，ReplayGain標準對於音頻文件感知響度的衡量採用了固定閾值(95%最大能量)的估計方法，難以保證其對不同類型音頻感知響度的估計精度，尤其不能很好地剔除音頻中由於自然發聲過程所引起的極低與極高響度成份的不良影響，從而使得所估計的響度偏離真實聽覺感知響度區間。
發明內容
本發明的目的是針對現有技術在自動估計不同音頻文件的感知響度上的不足，提供一套實用的音頻感知響度自適應調整方法，可以使用戶方便地將不同音量基準的音頻文件更為準確地自動調整到統一的感知響度基準。為此，本發明採用如下的技術方案一種自適應音頻感知響度調整方法，包括以下步驟a)對當前音頻信號進行等響度濾波；b)計算RMS能量序列首先，將濾波後的音頻信號按照時間間隔分割成若干個窗口，設每個窗口的數據量為M，計算每個窗口的均方根值，得到整個音頻文件的RMS能量序列；c)能量分貝轉換將RMS能量序列轉換為分貝序列，並對分貝序列進行升序排序得到SDB序列；d)採用差分法計算SDB序列的二階導數SDB"序列；e)設置一個局部窗口，利用局部均值對SDB"序列進行平滑操作，去除幹擾噪聲， 得到wSDB "序列；f)如果wSDB"序列長度大於某一特定閾值時，採用線性插值亞採樣的方法降低樣本數量，亞採樣後的平滑二階導數序列仍記為wSDB"序列；
g)構造衡量某一時間區間[tp t2]是否為最優穩定分貝空間可能性的能量函
數
權利要求
1.一種自適應音頻感知響度調整方法，包括以下步驟a)對當前音頻信號進行等響度濾波；b)計算RMS能量序列首先，將濾波後的音頻信號按照時間間隔分割成若干個窗口，設每個窗口的數據量為M，計算每個窗口的均方根值，得到整個音頻文件的RMS能量序列；c)能量分貝轉換將RMS能量序列轉換為分貝序列，並對分貝序列進行升序排序得到 SDB序列；d)採用差分法計算SDB序列的二階導數SDB"序列；e)設置一個局部窗口，利用局部均值對SDB"序列進行平滑操作，去除幹擾噪聲，得到 wSDB "序列；f)如果wSDB"序列長度大於某一特定閾值時，採用線性插值亞採樣的方法降低樣本數量，亞採樣後的平滑二階導數序列仍記為wSDB"序列；g)構造衡量某一時間區間[tpt2]是否為最優穩定分貝空間可能性的能量函數ri = '-z - ri — f::' ….，，其中，Std( )為標準差，a 為調製係數，wSDB " (h —t2)表示wSDB"序列中Wtjljt2的子段，遍歷所有可能的時間區間[ti，t2]組合，求出其中能量函數取值最大的時間區間作為最優穩定分貝區間，並在此區間上求均值， 得到當前音頻文件的最優穩定分貝代表值；h)按照83dB標準，恢復當前音頻文件的最優穩定響度。i)在當前音頻文件的最優穩定響度的基礎上，採用線性映射的方法，調整該音頻的實際響度。
2.根據權利要求I所述的自適應音頻感知響度調整方法，其特徵在於，步驟a中採用級聯Yulewalk與二階高通Butterworth濾波器組,對當前音頻信號進行等響度濾波。
全文摘要
本發明屬於多媒體信息處理和音頻分析領域，涉及一種自適應音頻感知響度調整方法，包括對於當前音頻文件進行等響度濾波；對於音頻信號按特定窗口大小計算其RMS能量值，從而得到整個音頻文件的RMS能量序列；將RMS能量序列轉換為分貝值序列，並對其進行升序排序；對升序的分貝值序列利用差分法計算二階導數，並利用局部窗口平均法進行二階導數序列的平滑處理；當序列過長時，對原始序列進行亞採樣；在平滑後的二階導數序列上搜索當前音頻的最優穩定分貝區間，計算此區間的平均分貝值作為當前音頻文件的最優穩定響度。採用線性映射的方法對該音頻進行響度調整。本發明具有運行速度快、校正準確、符合聲學感知、性能穩定、無損音頻音質等優點。
文檔編號G10L21/02GK102610232SQ20121000551
公開日2012年7月25日 申請日期2012年1月10日 優先權日2012年1月10日
發明者萬亮, 馮偉, 江建民, 譚志羽 申請人:天津大學