CN100538820C - 一种对音频数据进行处理的方法及装置 - Google Patents

Abstract

本发明公开了一种对音频数据进行处理的方法及装置，对经分段式压缩后的、各帧中独立保存有特征参数数据的音频数据进行进一步的处理，首先根据所述各帧音频数据的特征参数数据，为各帧生成特征参数包络曲线数据，然后使用所述各帧特征参数包络曲线数据替换所述各帧音频数据的特征参数数据，播放时，根据各帧音频数据中的特征参数包络曲线数据，动态计算出当前各帧音频数据的特征参数数据。本发明由于采用包络曲线来近似地表示并替代各个音帧的特征参数的变化，从而起到了再次压缩的作用，用户可以通过各种用户命令对压缩语音数据进行灵活方便的交互式修改，并实时输出编辑修改后的声音文件。

Description

一种对音频数据进行处理的方法及装置

技术领域

本发明涉及一种音频数据处理方法及装置，尤其涉及一种对压缩音频数据进行处理的方法及装置。

背景技术

随着音频压缩技术的发展，人们对于音频压缩技术的应用越来越广，要求也越来越高。例如，现有的很多电子玩具、电子书以及电子字典等产品，都具有语音输出、真人发音，甚至声音录制播放等功能。一般来说，这类电子设备都需要对输入语音进行压缩存储，然后再根据需要解压缩播放输出。

现有的音频压缩方式，以语音压缩为例，主要采取如图1所示的过程：首先，输入的原始语音经过预处理后进行LPC(Linear Predict Coding，线性预测编码)分析，其中的LPC系数进行LSF(Line Spectrum Frequency，线谱频率)转化得到LSF系数，进而将LSF系数传输给量化器；然后LPC分析后，预测残差并进行语气(UV)判断和音调(Pitch)搜索，得到音调和UV信息，并将其输送给量化器，量化器根据LSF系数和音调系数UV信息合成输出压缩码流。

上述对语音信号的预处理，主要是将连续语音分成一系列的音帧。语音信号处理时，常假设语音的特征是缓慢变化的，因此，处理这种不固定(nonstationary)周期的语音信号时，常将其分段处理，把每一小段当成一个固定(stationary)信号处理，每一小段称之为音帧，或称音框(Frame)，或短时距(short time)。音帧的取法方式有固定音框数取法，以及不固定音框数取法。

对于解压缩的方式，如图2所示，其过程与图1相反：首先，压缩码流经过反量化器得到LSF系数，音调系数以及UV信息，LSF系数转化成LPC系数，音调系数与UV信息合成激励信号，LPC系数和激励信号经过LPC合成后，经后处理，输出解码语音。

适用于语音压缩的编码方式有多种，例如上述线性预测编码(LPC)属于参数编码，参数编码是将信源信号在频率域或其它正交变换域提取特征参数，并将其变换成数字代码进行传输。另外还有波形编码，如脉冲编码调制(pulse code modulation，PCM)，以及混合编码，如多脉冲激励线性预测编码(MPLPC)。

上述的音调以及语气信息，都属于输入语音的特征参数，对特征参数的处理是对语音信号进行有效压缩的重要一环。

现有的语音压缩算法，特别是分段式压缩算法，利用上述压缩方式，对输入语音文件进行分段式压缩，并将特征参数，例如音调数据独立保存在每段中，然后将压缩后的语音数据与音调数据保存到存储模块中。

利用上述现有压缩方式对语音文件进行压缩处理后，已经在相当程度上达到了压缩的效果，可满足一般的应用需求。然而，在电子设备越来越小型化、便携化的今天，对于很多数码产品，例如掌上型电子设备，经过上述压缩后的语音仍占据了相对较大的存储空间，人们仍然希望对于经过上述压缩后的语音进行进一步压缩。

因此，针对当前具有音频压缩需求的电子设备，能否提出一种解决方案，在现有的压缩方式的基础上，对压缩后的音频数据进行进一步的处理，已经成为业内亟待解决的问题。

发明内容

本发明所要解决的技术问题在于提供一种对音频数据进行处理的方法及装置，在现有的分段式压缩方式的基础上，对压缩后的音频数据进行进一步的压缩处理，而声音质量并不会受到明显的影响。

本发明提供一种对音频数据进行处理的方法，对经分段式压缩后的、各帧中独立保存有特征参数数据的音频数据进行进一步的压缩，首先根据所述各帧音频数据的特征参数数据，为各帧生成特征参数包络曲线数据；然后使用所述各帧特征参数包络曲线数据替换所述各帧音频数据的特征参数数据。

另外，上述本发明方法还包括如下对压缩音频数据的编辑步骤：

1)接收用户输入的操作信息；

2)根据前述操作信息，自动生成与此对应的控制命令；

3)根据所述控制命令，编辑所述存储的压缩后的音频数据；及

4)显示编辑后的音频数据的波形和包络。

本发明进而还提供一种音频数据处理装置，包括分段式压缩模块，用于对音频数据进行分段式压缩，将特征参数数据独立保存于每帧中；存储模块，用于存储压缩音频数据；以及再压缩模块，用于对经分段式压缩后的音频数据进行进一步的压缩，该再压缩模块又包括：包络曲线生成单元，用于根据所述各帧音频数据的特征参数数据，为各帧生成特征参数包络曲线数据；以及特征参数替换单元，用于使用所述各帧特征参数包络曲线数据替换所述各帧音频数据的特征参数数据。

另外，上述音频数据处理装置还包括解压缩模块，用于对经压缩编辑后的音频数据进行解压缩，包括：特征参数计算单元，用于根据各帧音频数据中的特征参数包络曲线数据，动态计算出当前各帧音频数据的特征参数数据；以及分段式解压缩单元，用于根据所述各帧音频数据的特征参数数据，对当前各帧音频数据进行分段式解压缩。

另外，上述音频数据处理装置还包括输出模块，用于输出经解压缩后的音频数据和包络曲线。

另外，上述音频数据处理装置还包括用户交互模块，用于接收用户输入的命令，以执行再压缩编辑和显示控制。

本发明由于采用包络曲线来近似地表示各个音帧的特征参数，例如音调的变化，在播放时动态的计算出当前音帧数据的音调值，从而起到压缩的作用。在导出数据时，通过将音帧中的特征参数数据拿掉，并用包络曲线的数据进行替换即可，一般来说，由于声音文件的音帧较多，所以对音调部分的数据的替换起到了对数据压缩的功能。另外，本发明还提供了对压缩后的语音的输出和交互式编辑，用户可以通过各种用户命令对压缩语音数据进行灵活方便的交互式修改，并实时输出编辑修改后的声音文件。

附图说明

图1为现有的音频压缩方式示意图；

图2为现有的音频解压缩方式示意图；

图3为本发明所述的对音频数据进行处理的方法实施例流程示意图；

图4为利用本发明对音频数据进行交互式压缩编辑处理的方法实施例流程示意图；

图5为本发明所述的对音频数据进行处理的装置实施例结构示意图；

图6为利用本发明对音频数据进行交互式压缩编辑处理的装置实施例示意图；以及

图7为利用本发明对音频数据进行压缩编辑的用户界面示意图。

具体实施方式

分析现有的音频数据压缩，由于通过传统的分段式压缩处理后，会为每一个音帧独立记录一个特征参数，例如音调的值，但实际上，音调只要在一定范围内变化，声音听起来仍然可以让人满意，因此，对于经过压缩后的语音数据，仍存在进一步压缩的空间。

具体来说，现有的压缩方式，通过对语音文件进行分段式压缩，将音调数据独立保存在每段中，而后将压缩后的语音数据与音调数据保存到存储单元。针对这种情况，本发明首先提出一种对音频数据进行处理的方法，对经分段式压缩后的、各帧中独立保存有特征参数数据的音频数据进行进一步的压缩，如图3所示，首先，根据所述各帧音频数据的特征参数数据，为各帧生成特征参数包络曲线数据(步骤301)；然后使用所述各帧特征参数包络曲线数据替换所述各帧音频数据的特征参数数据(步骤302)。

应当注意的是，尽管本发明是以音调为例来说明对音频数据，特别是语音数据的特征参数数据，但是，明显的，特征参数数据还可以包括其他特征参数数据，例如语气等特征。因此，无论是何种音频数据，何种特征参数，都被本发明所包含。

如图4所示，为本发明方法的另一实施例流程示意图，首先，对输入的原始音频数据，例如“.Wav”格式文件，进行分段式压缩，形成例如“.Bin”格式文件，特征参数数据独立保存于每帧中(步骤401)，应当注意，如果直接输入的就是“.Bin”格式文件，则该步骤可以省略；然后根据所述各帧压缩音频数据的特征参数数据，为各帧生成特征参数包络曲线数据(步骤402)；使用所述各帧特征参数包络曲线数据替换所述各帧音频数据的特征参数数据(步骤403)；根据各帧音频数据中的特征参数包络曲线数据，动态计算出各帧音频数据的特征参数数据，以对当前各帧音频数据进行解压缩(步骤404)；输出所述解压缩结果(步骤405)；获取用户根据所述输出结果而输入的编辑修改命令(步骤406)；根据所述编辑修改命令控制所述包络曲线的修改生成与替换，以进行压缩调整(步骤407)；根据所述压缩调整，对调整后的音频数据再次进行解压缩，并输出结果(步骤408)；然后根据获取的用户修改命令，重复所述压缩调整与解压缩步骤，直至编辑结束(步骤409)。

其中，所述获取用户输入的编辑修改命令之步骤(步骤406)，如果用户需要改变特征参数包络曲线还可以对所述各帧的特征参数包络曲线数据进行多次修改，生成进一步简化的特征参数包络曲线，而对包络曲线的修改，可以通过修改所述包络曲线的节点而实现，然后使用修改后的特征参数包络曲线数据替换各帧音频数据的特征参数数据。

其中，所述获取用户输入的编辑修改命令之步骤(步骤406)，如果需要对波形的显示大小进行控制，则还可以进一步包括根据用户命令，控制对音频数据波形图的放大(zoom out)、缩小(zoom in)以及全图(zoom all)显示输出；还可以根据用户命令，选择特征参数包络曲线的显示输出，可以选择音调包络曲线，也可以选择语气等其他特征的包络曲线。

其中所述的编辑修改命令之步骤(步骤406)，如果需要输入音频数据，可以是直接从外部输入音频，也可以是根据获取的下载音频文件的用户命令，选择打开存储在存储模块中的音频文件。

对应于本发明所述的处理方法，本发明还提供一种对音频数据进行处理的装置，如图5所示，可以包括分段式压缩模块，用于对音频数据进行分段式压缩，将特征参数数据独立保存于每帧中，经分段式压缩后的音频数据存储于存储模块502中，本发明所述的再压缩装置501，包括包络曲线生成模块5011，用于根据所述各帧音频数据的特征参数数据，为各帧生成特征参数包络曲线数据；以及特征参数替换模块5012，用于使用所述各帧特征参数包络曲线数据替换所述各帧音频数据的特征参数数据。

本发明还提供一种音频数据处理装置的实施例，如图6所示，为本发明所述的交互式压缩编辑装置实施例示意图，包括分段式压缩模块601，存储模块602，解压缩模块603，输出模块604，再压缩模块605，用户交互模块606，如果需要将压缩文件下载到其他硬件中播放，则还可以包括一个下载播放模块607。

其中，分段式压缩模块601用于对输入的原始音频数据，例如“.Wav”格式的文件，进行分段式压缩，形成“.Bin”格式的压缩音频数据，将特征参数数据独立保存于每帧中，应当注意，如果输入的音频数据直接就是“.Bin格式”的文件，那么该分段式压缩模块601可以省略，直接在存储模块中存储即可；存储模块602用于存储压缩音频数据，如“.Bin”格式文件；再压缩模块605用于对经分段式压缩后的音频数据进行进一步的压缩；解压缩模块603用于对经压缩编辑后的音频数据进行解压缩；输出模块604用于输出经解压缩后的音频数据；用户交互模块606用于接受用户输入的命令，以控制执行压缩编辑。

其中，再压缩模块605包括一个包络曲线生成单元(图中未示)，用于根据所述各帧音频数据的特征参数数据，为各帧生成特征参数包络曲线数据；以及一个特征参数替换单元(图中未示)，用于使用所述各帧特征参数包络曲线数据替换所述各帧音频数据的特征参数数据。

其中，解压缩模块603包括特征参数计算单元(图中未示)，用于根据各帧音频数据中的特征参数包络曲线数据，动态计算出当前各帧音频数据的特征参数数据；以及分段式解压缩单元(图中未示)，用于根据所述各帧音频数据的特征参数数据，对当前各帧音频数据进行分段式解压缩。

其中，用户交互模块606包括一个输出显示控制单元6062，用于控制所述输出模块显示音频波形与特征参数的包络曲线；以及包络曲线修改单元6061，用户通过包络修改单元对显示的特征参数包络曲线进行修改，并生成进一步简化的特征参数包络曲线数据，而对包络曲线的修改，可以通过修改所述包络曲线的节点而实现，所述再压缩模块使用所述修改后的特征参数包络曲线数据替换各帧音频数据的特征参数数据。如果需要对显示波形进行进一步的控制，则还可以包括一个波形显示控制单元6063，用于控制对音频数据波形的放大(zoom out)、缩小(zoom in)以及全图显示(zoom all)，还可以包括直接选择显示原始文件中的音调和语气的包络曲线作参考。如果需要进一步控制选择所述存储模块602中的压缩音频文件，则还可以包括一个音频文件下载单元6064，用于选择压缩音频文件。

其中，所述包络曲线包括音调和语气的包络曲线。

其中，输出模块604进行输出，包括图形显示输出模块和声音播放输出模块。

另外，本发明所述的交互式压缩编辑装置，还可以进一步包括一个下载模块607，存储模块602中的声音文件可以下载到下载模块607中进行播放，下载模块607可以是EMU板。

如图7所示，为利用本发明的交互式压缩编辑装置及其方法，对音频数据进行压缩编辑的用户界面示意图，输出模块的输出可以包括图像显示输出和声音播放输出，而图像显示输出可以显示波形及其包络曲线，也可以只显示其一。

从图7中可以看出，曲线701为根据各个帧中音调值为参数画出的包络曲线，曲线702为用户通过用户交互单元发送包络修改命令而再次生成的包络曲线，可以明显看出数据个数的减少。通过如此反复的修改，并随时收听到解压缩后的效果，可以交互式的对压缩音频数据进行压缩编辑。

从本发明的实施例中可以看出，由于采用包络曲线来近似表示各个音帧的音调变化，在播放时动态计算出当前音帧数据的音调值，从而起到压缩的作用。在导出数据时，将音帧中的音调数据拿掉，并用包络曲线的数据进行替换，由于一般语音文件的音帧较多，所以对音调部分的数据的替换起到了对数据压缩的功能。

例如，对于一大小为74.3KB原始声音文件LF1.Wav，先对其以采样率为8000，压缩编码率为2000bps进行初步的压缩，压缩后的文件LF1.Bin大小为1.17KB，此时采用本发明所述的压缩编辑方法对其进行进一步的编辑压缩，将音帧中的音调数据替换掉，文件减少7×音帧个数/8个字节，之后生成一个替代音调数据的包络曲线文件(一般16点以内，取8个点)，大小为8×4个字节，由于音帧的值会较大，从而达到压缩目的，得到一个大小为1.03KB的文件LF1.Bin。

而且，利用本发明提供的对压缩后的语音的输出和交互式编辑，用户可以通过各种用户命令对压缩语音数据进行灵活方便的交互式修改，并实时输出编辑修改后的声音文件。

另外，值得提出的是，本发明可以扩展成为对其他压缩算法压缩后的声音数据的进一步压缩。只要是分段式压缩存储，并将特征参数，例如音调数据独立保存在每段中的算法都可以适用本发明。

Claims (15)

1、一种对音频数据进行处理的方法，对经分段式压缩后的、各帧中独立保存有特征参数数据的音频数据进行进一步的压缩，其特征在于包括如下步骤：

根据所述各帧音频数据的特征参数数据，为各帧生成特征参数包络曲线数据；以及

使用所述各帧特征参数包络曲线数据替换所述各帧音频数据的特征参数数据。

2、如权利要求1所述的方法，其特征在于还包括如下解压缩步骤：

根据各帧音频数据中的特征参数包络曲线数据，动态计算出当前各帧音频数据的特征参数数据，并根据特征参数数据对音频数据进行解压缩。

3、如权利要求2所述的方法，其特征在于还包括动态输出所述解压缩后的音频数据的步骤。

4、如权利要求3所述的方法，其特征在于所述动态输出包括显示音频数据的波形、包络曲线和/或播放该音频数据。

5、如权利要求4所述的方法，其特征在于还包括如下对压缩音频数据的编辑步骤：

1)接收用户输入的操作信息；

2)根据前述操作信息，自动生成与此对应的控制命令；

3)根据所述控制命令，编辑所述存储的压缩后的音频数据；及

4)显示编辑后的音频数据的波形和包络。

6、如权利要求5所述的方法，其特征在于所述步骤1)的接收操作信息包括接收用户针对包络曲线的修改并生成简化的特征参数包络曲线；所述步骤3)中编辑存储的压缩后的音频数据是指使用修改后的特征参数包络曲线数据替换各帧音频数据的特征参数数据。

7、如权利要求6所述的方法，其特征在于所述步骤1)输入的操作信息还包括放大、缩小、全图显示操作；选择声音文件的文件选择操作。

8、一种音频数据处理装置，其特征在于包括：

分段式压缩模块，用于对音频数据进行分段式压缩，将特征参数数据独立保存于每帧中；

存储模块，用于存储压缩音频数据；以及

再压缩模块，用于对经分段式压缩后的音频数据进行进一步的压缩，包括：

包络曲线生成单元，用于根据所述各帧音频数据的特征参数数据，为各帧生成特征参数包络曲线数据；以及

特征参数替换单元，用于使用所述各帧特征参数包络曲线数据替换所述各帧音频数据的特征参数数据。

9、如权利要求8所述的装置，其特征在于还包括解压缩模块，用于对经压缩编辑后的音频数据进行解压缩，包括：

特征参数计算单元，用于根据各帧音频数据中的特征参数包络曲线数据，动态计算出当前各帧音频数据的特征参数数据；以及

分段式解压缩单元，用于根据所述各帧音频数据的特征参数数据，对当前各帧音频数据进行分段式解压缩。

10、如权利要求9所述的装置，其特征在于还包括输出模块，用于输出经解压缩后的音频数据和包络曲线。

11、如权利要求8所述的装置，其特征在于还包括用户交互模块，用于接收用户输入的命令，以执行再压缩编辑和显示控制。

12、如权利要求11所述的装置，其特征在于所述的用户交互模块，进一步包括：包络修改单元，用户通过包络修改单元对显示的特征参数包络曲线进行修改，并生成进一步简化的特征参数包络曲线数据，所述再压缩模块使用所述修改后的特征参数包络曲线数据替换各帧音频数据的特征参数数据。

13、如权利要求11所述的装置，其特征在于所述的用户交互模块，进一步包括：

波形显示控制单元，用于控制对音频数据波形的放大、缩小以及全图显示；

音频文件下载单元，用于在所述存储模块中选择打开压缩音频文件。

14、如权利要求8所述的装置，其特征在于还包括一个将存储单元中的压缩音频数据下载到硬体的下载单元。

15、如权利要求9所述的装置，其特征在于还包括一个动态播放解压缩后的音频数据的播放单元。

Images