CN108364660B - 重音识别方法、装置及计算机可读存储介质 - Google Patents
重音识别方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108364660B CN108364660B CN201810132213.8A CN201810132213A CN108364660B CN 108364660 B CN108364660 B CN 108364660B CN 201810132213 A CN201810132213 A CN 201810132213A CN 108364660 B CN108364660 B CN 108364660B
- Authority
- CN
- China
- Prior art keywords
- signal
- sampling points
- audio signal
- preset
- audio
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000005070 sampling Methods 0.000 claims abstract description 224
- 230000005236 sound signal Effects 0.000 claims abstract description 218
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000001914 filtration Methods 0.000 claims abstract description 18
- 238000001228 spectrum Methods 0.000 claims description 39
- 238000000605 extraction Methods 0.000 claims description 11
- 238000009499 grossing Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 239000000284 extract Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000033764 rhythmic process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10H—ELECTROPHONIC MUSICAL INSTRUMENTS; INSTRUMENTS IN WHICH THE TONES ARE GENERATED BY ELECTROMECHANICAL MEANS OR ELECTRONIC GENERATORS, OR IN WHICH THE TONES ARE SYNTHESISED FROM A DATA STORE
- G10H1/00—Details of electrophonic musical instruments
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10H—ELECTROPHONIC MUSICAL INSTRUMENTS; INSTRUMENTS IN WHICH THE TONES ARE GENERATED BY ELECTROMECHANICAL MEANS OR ELECTRONIC GENERATORS, OR IN WHICH THE TONES ARE SYNTHESISED FROM A DATA STORE
- G10H1/00—Details of electrophonic musical instruments
- G10H1/02—Means for controlling the tone frequencies, e.g. attack or decay; Means for producing special musical effects, e.g. vibratos or glissandos
- G10H1/04—Means for controlling the tone frequencies, e.g. attack or decay; Means for producing special musical effects, e.g. vibratos or glissandos by additional modulation
- G10H1/053—Means for controlling the tone frequencies, e.g. attack or decay; Means for producing special musical effects, e.g. vibratos or glissandos by additional modulation during execution only
- G10H1/057—Means for controlling the tone frequencies, e.g. attack or decay; Means for producing special musical effects, e.g. vibratos or glissandos by additional modulation during execution only by envelope-forming circuits
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10H—ELECTROPHONIC MUSICAL INSTRUMENTS; INSTRUMENTS IN WHICH THE TONES ARE GENERATED BY ELECTROMECHANICAL MEANS OR ELECTRONIC GENERATORS, OR IN WHICH THE TONES ARE SYNTHESISED FROM A DATA STORE
- G10H2210/00—Aspects or methods of musical processing having intrinsic musical character, i.e. involving musical theory or musical parameters or relying on musical knowledge, as applied in electrophonic musical tools or instruments
- G10H2210/031—Musical analysis, i.e. isolation, extraction or identification of musical elements or musical parameters from a raw acoustic signal or from an encoded audio signal
- G10H2210/076—Musical analysis, i.e. isolation, extraction or identification of musical elements or musical parameters from a raw acoustic signal or from an encoded audio signal for extraction of timing, tempo; Beat detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Electrophonic Musical Instruments (AREA)
- Auxiliary Devices For Music (AREA)
Abstract
本发明公开了一种重音识别方法、装置及计算机可读存储介质,属于信号处理技术领域。方法包括:从音频信号中提取第一预设频率范围内的信号,得到第一音频信号,第一预设频率范围为重音对应的频率范围;通过波形包络算法从第一音频信号中确定满足预设条件的多个目标采样点,并基于多个目标采样点对应的信号幅值确定波形包络信号;基于波形包络信号确定音频信号中的多个重音。本发明通过对音频信号进行整体过滤,得到主要包含有重音成分的第一音频信号,之后,智能设备可以通过对第一音频信号处理得到的波形包络信号识别音频信号中的多个重音,该多个重音不受音乐时长的限制,相较于相关技术中在每个音乐片段中识别一个重音,大大提高了识别准确性。
Description
技术领域
本发明涉及信号处理技术领域,特别涉及一种重音识别方法、装置及计算机可读存储介质。
背景技术
重音是音乐中强度较大的音,在声音的冲击上最为突出,是构成音乐节奏的主要因素。通过对音乐中的重音进行识别,可以判断出音乐节奏的快慢。
相关技术中,对于一首音乐,可以按照预设时长将该音乐划分为多个音乐片段,例如,每个音乐片段的时长可以为300ms。之后,可以将每个音乐片段在时域中的音频信号转换到频域中,得到每个音乐片段的音频频谱信号,并在每个音乐片段的音频频谱信号中检测低频信号的最大幅值,如果检测到的最大幅值大于预设幅值,则将该最大幅值确定为相应地音乐片段中的重音。
由此可见,在上述相关技术中,在一个音乐片段中很可能存在多个重音,当通过上述方法识别时,一个音乐片段中只能识别出一个重音,而其他的重音则会被漏检,识别到的重音的个数完全受到音乐时长的限制,识别效果较差,准确性较低。
发明内容
为了解决相关技术中在每个音乐片段中识别一个重音,识别到的重音的个数完全受到音乐时长的限制,识别准确性较低的问题,本发明实施例提供了一种重音识别方法、装置及计算机可读存储介质。所述技术方案如下:
第一方面,提供了一种重音识别方法,所述方法包括:
从音频信号中提取第一预设频率范围内的信号,得到第一音频信号,所述第一预设频率范围为重音对应的频率范围;
通过波形包络算法从所述第一音频信号中确定满足预设条件的多个目标采样点,并基于所述多个目标采样点对应的信号幅值确定波形包络信号;
基于所述波形包络信号确定所述音频信号中的多个重音。
可选地,所述从音频信号中提取第一预设频率范围内的信号,得到第一音频信号,包括:
基于预设截止频率,通过低通滤波器对所述音频信号进行低通滤波,得到所述第一音频信号,所述预设截止频率为所述第一预设频率范围内的频率。
可选地,所述从音频信号中提取第一预设频率范围内的信号,得到第一音频信号,包括:
将所述音频信号转换到频域,得到音频频谱信号;
从所述音频频谱信号中确定频率大于预设频率的频点,并将确定的频点的频率设置为0,得到处理后的音频频谱信号,所述预设频率根据所述第一预设频率范围内的最大频率确定得到;
将所述处理后的音频频谱信号转换到时域,得到所述第一音频信号。
可选地,所述通过所述波形包络算法从所述第一音频信号中确定满足预设条件的多个目标采样点,并基于所述多个目标采样点对应的信号幅值确定所述波形包络信号,包括:
从所述第一音频信号包括的多个采样点中确定多个第一采样点,所述多个第一采样点中的任一第一采样点A对应的信号幅值大于与所述第一采样点A相邻的采样点所对应的信号幅值;
从所述多个第一采样点中确定对应的信号幅值大于预设幅值的采样点,得到多个第二采样点;
对于所述多个第二采样点中任意相邻的两个采样点,当所述相邻的两个采样点之间的距离小于预设距离时,将所述相邻的两个采样点中对应的信号幅值最大的采样点确定为目标采样点;
将确定得到的多个目标采样点对应的信号幅值进行平滑处理,得到所述波形包络信号。
可选地,所述基于所述波形包络信号确定所述音频信号中的多个重音,包括:
从所述波形包络信号中提取第二预设频率范围内的信号,得到第二音频信号,并对所述第二音频信号进行下采样,得到第三音频信号;
从所述第三音频信号中确定最大信号幅值,并计算所述最大信号幅值与预设系数的乘积;
将所述第三音频信号中信号幅值大于所述最大信号幅值与预设系数的乘积的多个采样点确定为所述音频信号中的多个重音。
第二方面,提供了一种重音识别装置,所述装置包括:
提取模块,用于从音频信号中提取第一预设频率范围内的信号,得到第一音频信号,所述第一预设频率范围为重音对应的频率范围;
处理模块,用于通过波形包络算法从所述第一音频信号中确定满足预设条件的多个目标采样点,并基于所述多个目标采样点对应的信号幅值确定波形包络信号;
确定模块,用于基于所述波形包络信号确定所述音频信号中的多个重音。
可选地,所述提取模块包括:
滤波子模块,用于基于预设截止频率,通过低通滤波器对所述音频信号进行低通滤波,得到所述第一音频信号,所述预设截止频率为所述第一预设频率范围内的频率。
可选地,所述提取模块包括:
第一转换子模块,用于将所述音频信号转换到频域,得到音频频谱信号;
第一确定子模块,用于从所述音频频谱信号中确定频率大于预设频率的频点,并将确定的频点的频率设置为0,得到处理后的音频频谱信号,所述预设频率根据所述第一预设频率范围内的最大频率确定得到;
第二转换子模块,用于将所述处理后的音频频谱信号转换到时域,得到所述第一音频信号。
可选地,所述处理模块具体用于:
从所述第一音频信号包括的多个采样点中确定多个第一采样点,所述多个第一采样点中的任一第一采样点A对应的信号幅值大于与所述第一采样点A相邻的采样点所对应的信号幅值;
从所述多个第一采样点中确定对应的信号幅值大于预设幅值的采样点,得到多个第二采样点;
对于所述多个第二采样点中任意相邻的两个采样点,当所述相邻的两个采样点之间的距离小于预设距离时,将所述相邻的两个采样点中对应的信号幅值最大的采样点确定为目标采样点;
将确定得到的多个目标采样点对应的信号幅值进行平滑处理,得到所述波形包络信号。
可选地,所述确定模块包括:
提取子模块,用于从所述波形包络信号中提取第二预设频率范围内的信号,得到第二音频信号,并对所述第二音频信号进行下采样,得到第三音频信号;
第二确定子模块,用于从所述第三音频信号中确定最大信号幅值,并计算所述最大信号幅值与预设系数的乘积;
第三确定子模块,用于将所述第三音频信号中信号幅值大于所述最大信号幅值与预设系数的乘积的多个采样点确定为所述音频信号中的多个重音。
第三方面,提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,所述指令被处理器执行时实现上述第一方面所述的任一项方法的步骤。
本发明实施例提供的技术方案带来的有益效果是:从音频信号中提取第一预设频率范围内的信号,得到第一音频信号,之后,可以通过波形包络算法从第一音频信号中确定满足预设条件的多个目标采样点,并基于该多个目标采样点对应的信号幅值确定波形包络信号,基于该波形包络信号确定音频信号中的多个重音。由此可见,在本发明实施例中,可以通过对音乐的音频信号进行整体的处理得到第一音频信号,进而根据对第一音频信号处理得到的波形包络信号识别音频信号中的多个重音,这多个重音不受音乐时长的限制,相较于相关技术中在每个音乐片段中识别一个重音,识别准确性提高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的重音识别方法的流程图;
图2A是本发明实施例提供的重音识别方法的流程图;
图2B是本发明实施例示出的音频信号和从音频信号中提取得到的第一音频信号的示意图;
图2C是本发明实施例示出的波形包络信号和对该波形包络信号进行提取后得到的第二音频信号的示意图;
图2D是本发明实施例示出的对第二音频信号进行下采样得到的第三音频信号以及根据第三音频信号确定的多个重音的示意图;
图3A是本发明实施例提供的重音识别装置的结构示意图;
图3B是本发明实施例提供的提取模块的结构示意图;
图3C是本发明实施例提供的确定模块的结构示意图;
图4是本发明实施例提供的用于识别重音的智能设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
在对本发明实施例进行详细的解释说明之前,先对本发明实施例涉及的应用场景予以介绍。
通常,一首音乐中有节奏起始点、节拍、音律、调式等多种信息。通过对音乐中的信息的识别可以对音乐进行分类,从而方便对音乐进行管理和推荐。其中,重音是音乐中强度较大的因,是构成音乐节奏的主要因素。通过对音乐中重音的识别,可以判断音乐节奏的快慢。目前,越来越多的场景中可以利用音频可视化技术来提升娱乐性。其中,通过识别音乐中的重音来控制场景中某些设备呈现的可视化内容,已经被越来越多的用于各种娱乐场所中。例如,在KTV、酒吧、表演舞台等场所中,可以通过识别音乐中的鼓点、低音等重音,结合视频特效,展现不同的视频内容,从而进一步强化音乐节奏。再比如,可以通过识别音乐中的重音来对舞台灯光进行控制,从而使得舞台灯光可以随着音乐节奏的快慢发生变化等等。而本发明实施例中提供的重音识别方法即可以用于在上述场景中对音乐中的重音进行识别,从而为后续音频可视化技术提供数据支持。
接下来对本发明实施例提供的重音识别方法进行介绍。
图1是本发明实施例提供的一种重音识别方法的流程图。参见图1,该方法可以应用于诸如智能电视、计算机、音响设备等智能设备中,该方法包括以下步骤:
步骤101:从音频信号中提取第一预设频率范围内的信号,得到第一音频信号,第一预设频率范围为重音对应的频率范围。
步骤102:通过波形包络算法从第一音频信号中确定满足预设条件的多个目标采样点,并基于多个目标采样点对应的信号幅值确定波形包络信号。
步骤103:基于波形包络信号确定音频信号中的多个重音。
在本发明实施例中,从音频信号中提取第一预设频率范围内的信号,得到第一音频信号,之后,可以通过波形包络算法从第一音频信号中确定满足预设条件的多个目标采样点,并基于多个目标采样点对应的信号幅值确定波形包络信号,基于该波形包络信号确定音频信号中的多个重音。由此可见,在本发明实施例中,可以通过对音乐的音频信号进行整体的处理得到第一音频信号,进而根据对第一音频信号处理得到的波形包络信号识别音频信号中的多个重音,这多个重音不受音乐时长的限制,相较于相关技术中在每个音乐片段中识别一个重音,提高了识别准确性,增强了识别效果。
可选地,从音频信号中提取第一预设频率范围内的信号,得到第一音频信号,包括:
基于预设截止频率,通过低通滤波器对音频信号进行低通滤波,得到第一音频信号,预设截止频率为第一预设频率范围内的频率。
可选地,从音频信号中提取第一预设频率范围内的信号,得到第一音频信号,包括:
将音频信号转换到频域,得到音频频谱信号;
从音频频谱信号中确定频率大于预设频率的频点,并将确定的频点的频率设置为0,得到处理后的音频频谱信号,预设频率根据第一预设频率范围内的最大频率确定得到;
将处理后的音频频谱信号转换到时域,得到第一音频信号。
可选地,通过波形包络算法从第一音频信号中确定满足预设条件的多个目标采样点,并基于多个目标采样点对应的信号幅值确定波形包络信号,包括:
从第一音频信号包括的多个采样点中确定多个第一采样点,多个第一采样点中的任一第一采样点A对应的信号幅值大于与第一采样点A相邻的采样点所对应的信号幅值;
从多个第一采样点中确定对应的信号幅值大于预设幅值的采样点,得到多个第二采样点;
对于多个第二采样点中任意相邻的两个采样点,当相邻的两个采样点之间的距离小于预设距离时,将相邻的两个采样点中对应的信号幅值最大的采样点确定为目标采样点;
将确定得到的多个目标采样点对应的信号幅值进行平滑处理,得到波形包络信号。
可选地,基于波形包络信号确定音频信号中的多个重音,包括:
从波形包络信号中提取第二预设频率范围内的信号,得到第二音频信号,并对第二音频信号进行下采样,得到第三音频信号;
从第三音频信号中确定最大信号幅值,并计算最大信号幅值与预设系数的乘积;
将第三音频信号中信号幅值大于最大信号幅值与预设系数的乘积的多个采样点确定为音频信号中的多个重音。
上述所有可选技术方案,均可按照任意结合形成本公开的可选实施例,本公开实施例对此不再一一赘述。
图2A是本发明实施例提供的一种重音识别方法的流程图,如图2A所示,该方法可以应用于诸如智能电视、计算机、音响设备等智能设备中,该方法包括以下步骤:
步骤201:在时域或频域上从音频信号中提取第一预设频率范围内的信号,得到第一音频信号,第一预设频率范围为重音对应的频率范围。
其中,音乐中重音的频响范围一般在低频段20-200Hz之间,因此,该第一预设频率范围可以为20-200Hz。
智能设备可以通过以下两种不同的方法来从音频信号中提取第一音频信号。
第一种方式:基于预设截止频率,通过低通滤波器对音频信号进行低通滤波,得到第一音频信号,预设截止频率为所述第一预设频率范围内的频率。
其中,智能设备可以在时域上对该音频信号进行低通滤波,从而将该音频信号中高于第一预设频率范围的上限值的信号过滤掉。
需要说明的是,由于实际中的低通滤波器通常存在过渡带,由于过渡带的存在,在通过低通滤波器对音频信号进行低通滤波时,低通滤波器并不会直接将音频信号中高于截止频率的信号过滤掉,而是会使得高于该截止频率的高频信号逐渐衰减,因此,该预设截止频率可以低于第一预设频率范围的上限值,这样,通过低通滤波器之后才能尽可能准确的提取得到处于第一预设频率范围内的信号。
其中,当第一预设频率范围的上限值为200Hz时,该预设截止频率可以为100-150Hz之间的任意值,并且,在设置该预设截止频率时,可以根据低通滤波器的过渡带进行设置。另外,在本发明实施例中,该低通滤波器可以选用二阶巴特沃兹低通滤波器、切比雪夫低通滤波器等常用的滤波器,本发明实施例对此不做具体限定。
第二种方式:将音频信号转换到频域,得到音频频谱信号;从音频频谱信号中确定频率大于预设频率的频点,并将确定的频点的频率设置为0,得到处理后的音频频谱信号,预设频率根据第一预设频率范围内的最大频率确定得到;将处理后的音频频谱信号转换到时域,得到第一音频信号。
在该种实现方式中,智能设备可以通过短时傅里叶变换将音频信号转换到频域上,得到音频频谱信号。具体的,音频信号可以被划分为多个音频帧,通常,每个音频帧的帧长可以为10-30ms,对于采样率为44100Hz、采样点个数为1024的音频信号,每个音频帧的帧长为23ms。智能设备可以将音频信号包括的多个音频帧中的每个音频帧转换到频域上,从而得到音频频谱信号。
当得到音频频谱信号之后,智能设备可以从音频频谱信号中确定频率大于预设频率的频点,并将确定的频点的频率设置为0,得到处理后的音频频谱信号。其中,该预设频率可以为第一预设频率范围内的最大频率,也就是说,该预设频率可以为第一预设频率范围的上限值,例如,当第一预设频率范围的上限值为200Hz时,该预设频率即可以为200Hz。通过将该音频频谱信号中大于预设频率的频点的频率设置为0,实际上是将音频频谱信号中大于第一预设频率范围的上限值的频点全部进行了过滤,这样,经过处理的音频频谱信号中将只包括频率低于第一预设频率范围的上限值的信号成分。
当得到处理后的音频频谱信号之后,智能设备可以通过反傅里叶变换将该音频频谱信号再转换到时域上,从而得到第一音频信号,此时,该第一音频信号中将主要包含低于第一预设频率范围的上限值的信号成分,也即主要包含重音成分。
图2B示出了音频信号和从音频信号中提取得到的第一音频信号的波形图。如图2B中(1)所示,是未经处理的音频信号,从该音频信号中提取处于第一预设频率范围内的信号,得到如图2B中(2)所示的第一音频信号。
步骤202:通过波形包络算法从第一音频信号中确定满足预设条件的多个目标采样点,并基于多个目标采样点对应的信号幅值确定波形包络信号。
当从音频信号中提取到第一音频信号之后,智能设备可以通过波形包络算法对第一音频信号进行处理。具体的,智能设备可以通过波形包络算法从第一音频信号中确定满足预设条件的多个目标采样点,并基于多个目标采样点对应的信号幅值确定波形包络信号。
需要说明的是,该波形包络算法可以为常用的包络估计算法。例如,可以为均方根算法、峰值包络算法等。在本发明实施例中,将以波形包络算法为峰值包络算法为例进行解释说明。
具体的,智能设备可以从第一音频信号包括的多个采样点中确定多个第一采样点,多个第一采样点中的任一第一采样点A对应的信号幅值大于与第一采样点A相邻的采样点所对应的信号幅值;从多个第一采样点中确定对应的信号幅值大于预设幅值的采样点,得到多个第二采样点;对于多个第二采样点中任意相邻的两个采样点,当相邻的两个采样点之间的距离小于预设距离时,将相邻的两个采样点中对应的信号幅值最大的采样点确定为目标采样点;将确定得到的多个目标采样点对应的信号幅值进行平滑处理,得到波形包络信号。
其中,从音频信号中提取得到的第一音频信号是时域上的信号,智能设备可以从第一音频信号包括的多个采样点中确定多个第一采样点。其中,智能设备可以按照采样点的采样时间顺序逐一判断每个采样点是否为第一采样点。例如,对于任一采样点A,智能设备可以判断该采样点A的信号幅值是否大于与其相邻的前一个采样点的信号幅值以及与其相邻的后一个采样点的信号幅值,如果该采样点A大于与其相邻的前一个采样点的信号幅值,并且大于与其相邻的后一个采样点的信号幅值,则可以将该采样点A确定为第一采样点。对于该第一音频信号中包括的多个采样点,智能设备均可以参照上述方法判断每个采样点是否为第一采样点,从而确定得到多个第一采样点。
当确定得到多个第一采样点之后,智能设备可以从该多个第一采样点中选取多个第二采样点。其中,智能设备可以判断多个第一采样点中的每个采样点对应的信号幅值是否大于预设幅值,并将大于该预设幅值的采样点确定为第二采样点。
当确定得到多个第二采样点之后,智能设备可以继续从多个第二采样点中选择目标采样点。其中,智能设备可以首先按照时间先后顺序计算多个第二采样点中的第一个采样点和第二个采样点之间的采样时间差,该采样时间差也即是第一个采样点和第二个采样点之间的距离,智能设备可以判断这两个采样点之间的距离是否小于预设距离,如果小于预设距离,则将两个采样点中对应的信号幅值更大的那个采样点确定为目标采样点。当两个采样点之间的距离不小于预设距离时,则将第一个采样点确定为目标采样点,然后继续判断第二个采样点和第三个采样点之间的距离是否小于预设距离,以此类推,直到对多个第二采样点处理完为止。这样,智能设备可以从多个第二采样点中获取到多个目标采样点。
当确定多个目标采样点之后,智能设备可以将多个目标采样点对应的信号幅值进行平滑处理,从而得到波形包络信号。其中,智能设备可以通过常用的插值法对多个目标采样点对应的信号幅值进行平滑处理,从而得到波形包络信号。
步骤203:基于波形包络信号确定所述音频信号中的多个重音。
当得到波形包络信号之后,智能设备可以基于该波形包络信号确定音频信号中的多个重音。
其中,智能设备可以从波形包络信号中提取第二预设频率范围内的信号,得到第二音频信号,并对第二音频信号进行下采样,得到第三音频信号;从第三音频信号中确定最大信号幅值,并计算最大信号幅值与预设系数的乘积;将第三音频信号中信号幅值大于最大信号幅值与预设系数的乘积的多个采样点确定为音频信号中的多个重音。
具体的,在本发明实施例中,为了进一步的去除波形包络信号中的高频信号,去除波形包络信号中的抖动部分,从而使得波形包络信号更加平滑,同时,考虑到通常乐曲中每秒中可能的节拍数,智能设备可以再次从波形包络信号中提取第二预设频率范围内的信号。
需要说明的是,参考前述步骤201,智能设备从波形包络信号中提取处于第二预设频率范围内的第二音频信号时,同样可以采用两种方式,也即,智能设备既可以在时域上通过低通滤波器从波形包络信号中提取第二预设频率范围内的信号,也可以将波形包络信号转换到频域上进行处理,之后再将处理后的信号转换到时域上,得到第二音频信号。
其中,同样考虑到低通滤波器的过渡带的存在,当采用低通滤波器对波形包络信号进行滤波时,截止频率可以小于第二预设频率范围的上限值。例如,第二预设频率范围的上限值可以为50Hz,采用低通滤波器进行滤波的截止频率可以为10-15Hz。
图2C中示出了波形包络信号的波形图和对该波形包络信号再次进行低通滤波后得到的第二音频信号。其中,图2C中(1)所示的是通过步骤202对图2B中(2)所示的第一音频信号进行处理后得到的波形包络信号。图2C中(2)是对该波形包络信号再次进行低通滤波之后得到的第二音频信号。
当从波形包络信号中提取到处于第二预设频率范围内的第二音频信号之后,为了减少计算复杂度,智能设备可以对第二音频信号进行下采样,从而得到第三音频信号。其中,智能设备对第二音频信号进行下采样的具体实现过程可以参考相关技术中下采样的具体实现方式,本发明实施例在此不再赘述。可选地,在本发明实施例中,智能设备可以将第二音频信号下采样到1000Hz,从而得到第三音频信号。
当获取到第三音频信号之后,智能设备可以从第三音频信号中确定最大信号幅值,并根据设置的预设系数,计算最大信号幅值与预设系数的乘积。之后,智能设备可以将第三音频信号中每个采样点对应的信号幅值与最大信号幅值和预设系数的乘积进行比较,如果采样点对应的信号幅值大于最大信号幅值和预设系数的乘积,则可以将该采样点确定为一个重音。通过上述方法,智能设备可以从第三音频信号中确定得到多个重音。
图2D中示出了第三音频信号和根据第三音频信号确定得到的多个重音。图2D中(1)所示的是对图2C中(2)所示的第二音频信号下采样到1000Hz得到的第三音频信号。图2D中(2)所示的是通过上述方法确定得到的第三音频信号中的多个重音。
在本发明实施例中,智能设备可以从音频信号中提取第一预设频率范围内的信号,得到主要包含重音成分的第一音频信号,之后,可以通过波形包络算法从第一音频信号中确定满足预设条件的多个目标采样点,并基于该多个目标采样点对应的信号幅值确定波形包络信号,基于该波形包络信号确定音频信号中的多个重音。也即是,在本发明实施例中,智能设备可以首先对音频信号进行整体过滤,得到主要包含有重音成分的第一音频信号,之后,智能设备可以通过对第一音频信号处理得到的波形包络信号识别音频信号中的多个重音,该多个重音不受音乐时长的限制,相较于相关技术中在每个音乐片段中识别一个重音,大大提高了识别准确性。
接下来对本发明实施例提供的重音识别装置进行介绍。
参见图3A,本发明实施例提供了一种重音识别装置300,该装置300包括:
提取模块301,用于从音频信号中提取第一预设频率范围内的信号,得到第一音频信号,第一预设频率范围为重音对应的频率范围;
处理模块302,用于通过波形包络算法从第一音频信号中确定满足预设条件的多个目标采样点,并基于多个目标采样点对应的信号幅值确定波形包络信号;
确定模块303,用于基于波形包络信号确定音频信号中的多个重音。
可选地,提取模块301包括:
滤波子模块,用于基于预设截止频率,通过低通滤波器对音频信号进行低通滤波,得到第一音频信号,预设截止频率为第一预设频率范围内的频率。
可选地,参见图3B,提取模块301包括:
第一转换子模块3011,用于将音频信号转换到频域,得到音频频谱信号;
第一确定子模块3012,用于从音频频谱信号中确定频率大于预设频率的频点,并将确定的频点的频率设置为0,得到处理后的音频频谱信号,预设频率根据第一预设频率范围内的最大频率确定得到;
第二转换子模块3013,用于将处理后的音频频谱信号转换到时域,得到第一音频信号。
可选地,处理模块302具体用于:
从第一音频信号包括的多个采样点中确定多个第一采样点,多个第一采样点中的任一第一采样点A对应的信号幅值大于与第一采样点A相邻的采样点所对应的信号幅值;
从多个第一采样点中确定对应的信号幅值大于预设幅值的采样点,得到多个第二采样点;
对于多个第二采样点中任意相邻的两个采样点,当相邻的两个采样点之间的距离小于预设距离时,将相邻的两个采样点中对应的信号幅值最大的采样点确定为目标采样点;
将确定得到的多个目标采样点对应的信号幅值进行平滑处理,得到波形包络信号。
可选地,参见图3C,确定模块303包括:
提取子模块3031,用于从波形包络信号中提取第二预设频率范围内的信号,得到第二音频信号,并对第二音频信号进行下采样,得到第三音频信号;
第二确定子模块3032,用于从第三音频信号中确定最大信号幅值,并计算最大信号幅值与预设系数的乘积;
第三确定子模块3033,用于将第三音频信号中信号幅值大于最大信号幅值与预设系数的乘积的多个采样点确定为音频信号中的多个重音。
综上所述,在本发明实施例中,智能设备可以从音频信号中提取第一预设频率范围内的信号,得到主要包含重音成分的第一音频信号,之后,可以通过波形包络算法从第一音频信号中确定满足预设条件的多个目标采样点,并基于该多个目标采样点对应的信号幅值确定波形包络信号,基于该波形包络信号确定音频信号中的多个重音。也即是,在本发明实施例中,智能设备可以首先对音频信号进行整体过滤,得到主要包含有重音成分的第一音频信号,之后,智能设备可以通过对第一音频信号处理得到的波形包络信号识别音频信号中的多个重音,该多个重音不受音乐时长的限制,相较于相关技术中在每个音乐片段中识别一个重音,大大提高了识别准确性。
需要说明的是:上述实施例提供的重音识别装置在识别重音时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的重音识别装置与重音识别方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图4示出了本发明一个示例性实施例提供的用于检测无用代码的智能设备400的结构框图。上述实施例中的智能设备的功能可以通过图4中所示的智能设备来实现。该智能设备400可以是:智能电视、智能手机、平板电脑、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑、音响设备。智能设备400还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,智能设备400包括有:处理器401和存储器402。
处理器401可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器401可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器401也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器401可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器401还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器402可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器402还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器402中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器401所执行以实现本申请中方法实施例提供的重音识别方法。
在一些实施例中,智能设备400还可选包括有:外围设备接口403和至少一个外围设备。处理器401、存储器402和外围设备接口403之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口403相连。具体地,外围设备包括:射频电路404、触摸显示屏405、摄像头406、音频电路407、定位组件408和电源409中的至少一种。
外围设备接口403可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器401和存储器402。在一些实施例中,处理器401、存储器402和外围设备接口403被集成在同一芯片或电路板上;在一些其他实施例中,处理器401、存储器402和外围设备接口403中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路404用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路404通过电磁信号与通信网络以及其他通信设备进行通信。射频电路404将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路404包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路404可以通过至少一种无线通信协议来与其它智能设备进行通信。该无线通信协议包括但不限于:万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路404还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏405用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏405是触摸显示屏时,显示屏405还具有采集在显示屏405的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器401进行处理。此时,显示屏405还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏405可以为一个,设置智能设备400的前面板;在另一些实施例中,显示屏405可以为至少两个,分别设置在智能设备400的不同表面或呈折叠设计;在再一些实施例中,显示屏405可以是柔性显示屏,设置在智能设备400的弯曲表面上或折叠面上。甚至,显示屏405还可以设置成非矩形的不规则图形,也即异形屏。显示屏405可以采用LCD(Liquid Crystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件406用于采集图像或视频。可选地,摄像头组件406包括前置摄像头和后置摄像头。通常,前置摄像头设置在智能设备的前面板,后置摄像头设置在智能设备的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件406还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路407可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器401进行处理,或者输入至射频电路404以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在智能设备400的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器401或射频电路404的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路407还可以包括耳机插孔。
定位组件408用于定位智能设备400的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件408可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统或俄罗斯的伽利略系统的定位组件。
电源409用于为智能设备400中的各个组件进行供电。电源409可以是交流电、直流电、一次性电池或可充电电池。当电源409包括可充电电池时,该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池,无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
在一些实施例中,智能设备400还包括有一个或多个传感器410。该一个或多个传感器410包括但不限于:加速度传感器411、陀螺仪传感器412、压力传感器413、指纹传感器414、光学传感器415以及接近传感器416。
加速度传感器411可以检测以智能设备400建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器411可以用于检测重力加速度在三个坐标轴上的分量。处理器401可以根据加速度传感器411采集的重力加速度信号,控制触摸显示屏405以横向视图或纵向视图进行用户界面的显示。加速度传感器411还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器412可以检测智能设备400的机体方向及转动角度,陀螺仪传感器412可以与加速度传感器411协同采集用户对智能设备400的3D动作。处理器401根据陀螺仪传感器412采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器413可以设置在智能设备400的侧边框和/或触摸显示屏405的下层。当压力传感器413设置在智能设备400的侧边框时,可以检测用户对智能设备400的握持信号,由处理器401根据压力传感器413采集的握持信号进行左右手识别或快捷操作。当压力传感器413设置在触摸显示屏405的下层时,由处理器401根据用户对触摸显示屏405的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器414用于采集用户的指纹,由处理器401根据指纹传感器414采集到的指纹识别用户的身份,或者,由指纹传感器414根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器401授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器414可以被设置智能设备400的正面、背面或侧面。当智能设备400上设置有物理按键或厂商Logo时,指纹传感器414可以与物理按键或厂商Logo集成在一起。
光学传感器415用于采集环境光强度。在一个实施例中,处理器401可以根据光学传感器415采集的环境光强度,控制触摸显示屏405的显示亮度。具体地,当环境光强度较高时,调高触摸显示屏405的显示亮度;当环境光强度较低时,调低触摸显示屏405的显示亮度。在另一个实施例中,处理器401还可以根据光学传感器415采集的环境光强度,动态调整摄像头组件406的拍摄参数。
接近传感器416,也称距离传感器,通常设置在智能设备400的前面板。接近传感器416用于采集用户与智能设备400的正面之间的距离。在一个实施例中,当接近传感器416检测到用户与智能设备400的正面之间的距离逐渐变小时,由处理器401控制触摸显示屏405从亮屏状态切换为息屏状态;当接近传感器416检测到用户与智能设备400的正面之间的距离逐渐变大时,由处理器401控制触摸显示屏405从息屏状态切换为亮屏状态。
也即是,本发明实施例不仅提供了一种终智能设备,包括处理器和用于存储处理器可执行指令的存储器,其中,处理器被配置为执行图1和图2A所示的实施例中的方法,而且,本发明实施例还提供了一种计算机可读存储介质,该存储介质内存储有计算机程序,该计算机程序被处理器执行时可以实现图1和图2A所示的实施例中的重音识别方法。
本领域技术人员可以理解,图4中示出的结构并不构成对智能设备400的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种重音识别方法,其特征在于,所述方法包括:
从音频信号中提取第一预设频率范围内的信号,得到第一音频信号,所述第一预设频率范围为重音对应的频率范围;
通过波形包络算法从所述第一音频信号中确定满足预设条件的多个目标采样点,并基于所述多个目标采样点对应的信号幅值确定波形包络信号,所述预设条件为多个第一采样点对应的信号幅值大于预设幅值的采样点中任意相邻的两个采样点之间的距离小于预设距离且所述相邻的两个采样点中对应的信号幅值最大,所述多个第一采样点是指所述第一音频信号包括的多个采样点中信号幅值大于相邻的采样点的信号幅值的采样点;
从所述波形包络信号中提取第二预设频率范围内的信号,得到第二音频信号,并对所述第二音频信号进行下采样,得到第三音频信号;从所述第三音频信号中确定最大信号幅值,并计算所述最大信号幅值与预设系数的乘积;将所述第三音频信号中信号幅值大于所述最大信号幅值与预设系数的乘积的多个采样点确定为所述音频信号中的多个重音。
2.根据权利要求1所述的方法,其特征在于,所述从音频信号中提取第一预设频率范围内的信号,得到第一音频信号,包括:
基于预设截止频率,通过低通滤波器对所述音频信号进行低通滤波,得到所述第一音频信号,所述预设截止频率为所述第一预设频率范围内的频率。
3.根据权利要求1所述的方法,其特征在于,所述从音频信号中提取第一预设频率范围内的信号,得到第一音频信号,包括:
将所述音频信号转换到频域,得到音频频谱信号;
从所述音频频谱信号中确定频率大于预设频率的频点,并将确定的频点的频率设置为0,得到处理后的音频频谱信号,所述预设频率根据所述第一预设频率范围内的最大频率确定得到;
将所述处理后的音频频谱信号转换到时域,得到所述第一音频信号。
4.根据权利要求1-3任一所述的方法,其特征在于,所述通过波形包络算法从所述第一音频信号中确定满足预设条件的多个目标采样点,并基于所述多个目标采样点对应的信号幅值确定波形包络信号,包括:
从所述第一音频信号包括的多个采样点中确定所述多个第一采样点,所述多个第一采样点中的任一第一采样点A对应的信号幅值大于与所述第一采样点A相邻的采样点所对应的信号幅值;
从所述多个第一采样点中确定对应的信号幅值大于所述预设幅值的采样点,得到多个第二采样点;
对于所述多个第二采样点中任意相邻的两个采样点,当所述相邻的两个采样点之间的距离小于所述预设距离时,将所述相邻的两个采样点中对应的信号幅值最大的采样点确定为目标采样点;
将确定得到的多个目标采样点对应的信号幅值进行平滑处理,得到所述波形包络信号。
5.一种重音识别装置,其特征在于,所述装置包括:
提取模块,用于从音频信号中提取第一预设频率范围内的信号,得到第一音频信号,所述第一预设频率范围为重音对应的频率范围;
处理模块,用于通过波形包络算法从所述第一音频信号中确定满足预设条件的多个目标采样点,并基于所述多个目标采样点对应的信号幅值确定波形包络信号,所述预设条件为多个第一采样点对应的信号幅值大于预设幅值的采样点中任意相邻的两个采样点之间的距离小于预设距离且所述相邻的两个采样点中对应的信号幅值最大,所述多个第一采样点是指所述第一音频信号包括的多个采样点中信号幅值大于相邻的采样点的信号幅值的采样点;
确定模块,用于基于所述波形包络信号确定所述音频信号中的多个重音;
所述确定模块包括:
提取子模块,用于从所述波形包络信号中提取第二预设频率范围内的信号,得到第二音频信号,并对所述第二音频信号进行下采样,得到第三音频信号;
第二确定子模块,用于从所述第三音频信号中确定最大信号幅值,并计算所述最大信号幅值与预设系数的乘积;
第三确定子模块,用于将所述第三音频信号中信号幅值大于所述最大信号幅值与预设系数的乘积的多个采样点确定为所述音频信号中的多个重音。
6.根据权利要求5所述的装置,其特征在于,所述提取模块包括:
滤波子模块,用于基于预设截止频率,通过低通滤波器对所述音频信号进行低通滤波,得到所述第一音频信号,所述预设截止频率为所述第一预设频率范围内的频率。
7.根据权利要求5所述的装置,其特征在于,所述提取模块包括:
第一转换子模块,用于将所述音频信号转换到频域,得到音频频谱信号;
第一确定子模块,用于从所述音频频谱信号中确定频率大于预设频率的频点,并将确定的频点的频率设置为0,得到处理后的音频频谱信号,所述预设频率根据所述第一预设频率范围内的最大频率确定得到;
第二转换子模块,用于将所述处理后的音频频谱信号转换到时域,得到所述第一音频信号。
8.根据权利要求5-7任一所述的装置,其特征在于,所述处理模块具体用于:
从所述第一音频信号包括的多个采样点中确定所述多个第一采样点,所述多个第一采样点中的任一第一采样点A对应的信号幅值大于与所述第一采样点A相邻的采样点所对应的信号幅值;
从所述多个第一采样点中确定对应的信号幅值大于所述预设幅值的采样点,得到多个第二采样点;
对于所述多个第二采样点中任意相邻的两个采样点,当所述相邻的两个采样点之间的距离小于所述预设距离时,将所述相邻的两个采样点中对应的信号幅值最大的采样点确定为目标采样点;
将确定得到的多个目标采样点对应的信号幅值进行平滑处理,得到所述波形包络信号。
9.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现权利要求1-4任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810132213.8A CN108364660B (zh) | 2018-02-09 | 2018-02-09 | 重音识别方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810132213.8A CN108364660B (zh) | 2018-02-09 | 2018-02-09 | 重音识别方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108364660A CN108364660A (zh) | 2018-08-03 |
CN108364660B true CN108364660B (zh) | 2020-10-09 |
Family
ID=63005497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810132213.8A Active CN108364660B (zh) | 2018-02-09 | 2018-02-09 | 重音识别方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108364660B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109256146B (zh) * | 2018-10-30 | 2021-07-06 | 腾讯音乐娱乐科技(深圳)有限公司 | 音频检测方法、装置及存储介质 |
CN109670074B (zh) * | 2018-12-12 | 2020-05-15 | 北京字节跳动网络技术有限公司 | 一种节奏点识别方法、装置、电子设备及存储介质 |
CN112860943A (zh) * | 2021-01-04 | 2021-05-28 | 浙江诺诺网络科技有限公司 | 一种教学视频审核方法、装置、设备及介质 |
CN116185165B (zh) * | 2022-06-17 | 2024-04-02 | 武汉市聚芯微电子有限责任公司 | 一种触觉生成方法、系统、设备以及计算机存储介质 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3066528B1 (ja) * | 1999-02-26 | 2000-07-17 | コナミ株式会社 | 楽曲再生システム、リズム解析方法及び記録媒体 |
JP2003255993A (ja) * | 2002-03-04 | 2003-09-10 | Ntt Docomo Inc | 音声認識システム、音声認識方法、音声認識プログラム、音声合成システム、音声合成方法、音声合成プログラム |
CN101093661B (zh) * | 2006-06-23 | 2011-04-13 | 凌阳科技股份有限公司 | 一种音高跟踪和播放方法及其系统 |
CN101093660B (zh) * | 2006-06-23 | 2011-04-13 | 凌阳科技股份有限公司 | 一种基于双峰值检测的音符切分方法及其装置 |
JP2008134475A (ja) * | 2006-11-28 | 2008-06-12 | Internatl Business Mach Corp <Ibm> | 入力された音声のアクセントを認識する技術 |
KR101513615B1 (ko) * | 2008-06-12 | 2015-04-20 | 엘지전자 주식회사 | 이동 단말기 및 그 음성 인식 방법 |
US9158760B2 (en) * | 2012-12-21 | 2015-10-13 | The Nielsen Company (Us), Llc | Audio decoding with supplemental semantic audio recognition and report generation |
JP6263868B2 (ja) * | 2013-06-17 | 2018-01-24 | 富士通株式会社 | 音声処理装置、音声処理方法および音声処理プログラム |
CN104575519B (zh) * | 2013-10-17 | 2018-12-25 | 清华大学 | 特征提取方法、装置及重音检测的方法、装置 |
CN103578478B (zh) * | 2013-11-11 | 2016-08-17 | 科大讯飞股份有限公司 | 实时获取音乐节拍信息的方法及系统 |
CN103892939B (zh) * | 2014-04-11 | 2016-03-23 | 浙江诺尔康神经电子科技股份有限公司 | 提高汉语声调识别率的人工耳蜗言语处理器和方法 |
CN104217731A (zh) * | 2014-08-28 | 2014-12-17 | 东南大学 | 一种快速识别独奏乐曲乐谱的方法 |
CN106384599B (zh) * | 2016-08-31 | 2018-09-04 | 广州酷狗计算机科技有限公司 | 一种破音识别的方法和装置 |
-
2018
- 2018-02-09 CN CN201810132213.8A patent/CN108364660B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108364660A (zh) | 2018-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107967706B (zh) | 多媒体数据的处理方法、装置及计算机可读存储介质 | |
CN108401124B (zh) | 视频录制的方法和装置 | |
CN108538302B (zh) | 合成音频的方法和装置 | |
CN108965922B (zh) | 视频封面生成方法、装置和存储介质 | |
CN108364660B (zh) | 重音识别方法、装置及计算机可读存储介质 | |
CN109994127B (zh) | 音频检测方法、装置、电子设备及存储介质 | |
CN109379485B (zh) | 应用程序的反馈方法、装置、终端及存储介质 | |
CN108335703B (zh) | 确定音频数据的重音位置的方法和装置 | |
CN110688082B (zh) | 确定音量的调节比例信息的方法、装置、设备及存储介质 | |
CN110931053B (zh) | 检测录音时延、录制音频的方法、装置、终端及存储介质 | |
CN109192218B (zh) | 音频处理的方法和装置 | |
CN111105769B (zh) | 检测音频的中频节奏点的方法、装置、设备和存储介质 | |
CN108831424B (zh) | 音频拼接方法、装置及存储介质 | |
CN111065001A (zh) | 视频制作的方法、装置、设备及存储介质 | |
CN110956971B (zh) | 音频处理方法、装置、终端及存储介质 | |
CN109003621B (zh) | 一种音频处理方法、装置及存储介质 | |
CN109065068B (zh) | 音频处理方法、装置及存储介质 | |
CN110931048A (zh) | 语音端点检测方法、装置、计算机设备及存储介质 | |
CN109102811B (zh) | 音频指纹的生成方法、装置及存储介质 | |
CN110867194B (zh) | 音频的评分方法、装置、设备及存储介质 | |
CN112086102A (zh) | 扩展音频频带的方法、装置、设备以及存储介质 | |
CN109360577B (zh) | 对音频进行处理的方法、装置存储介质 | |
CN109003627B (zh) | 确定音频得分的方法、装置、终端及存储介质 | |
CN111860064A (zh) | 基于视频的目标检测方法、装置、设备及存储介质 | |
CN111611414A (zh) | 车辆检索方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |