CN102074239A

CN102074239A - 一种实现声音变速的方法

Info

Publication number: CN102074239A
Application number: CN2010106029611A
Authority: CN
Inventors: 林洪艺
Original assignee: Fujian Star Net eVideo Information Systems Co Ltd
Current assignee: Fujian Star Net eVideo Information Systems Co Ltd
Priority date: 2010-12-23
Filing date: 2010-12-23
Publication date: 2011-05-25
Anticipated expiration: 2030-12-23
Also published as: CN102074239B

Abstract

本发明提供一种实现声音变速的方法，通过多媒体播放器中的软件解码器，解码出原始音频的信息数据；并读取信息数据到多媒体播放器缓存中，采用定长窗口搜索对信息数据的子系列数据进行操作寻找最佳重叠位置，进行重叠处理，将处理过的信号数据全部拷贝到多媒体播放器的音频播放缓冲区，按设置好的音频参数进行播放，来实现变速不变调的播放效果。本发明实现了声音变速的处理，对于快速、慢速播放时，能保持原来的音调不变，不引入噪声，提高了处理后的声音质量。

Description

一种实现声音变速的方法

【技术领域】

本发明涉及一种音频信号处理领域，尤其涉及一种实现声音变速的方法。

【背景技术】

在基于嵌入式系统的多媒体播放器领域，音频解码一般采用软解码，由软件来实现将音频数据解码为原始音频的PCM(脉冲编码调制)数据。目前MP3播放器实现的变速播放，对PCM数据，通过设置不同的采样率，实现变速播放，此时会同时伴随着音调的变化，快于正常速度播放时，音调相比正常变高；慢于正常速度播放时，音调相比正常变低，也就是变速播放时，音调会发生变化。

音频播放中，另一种类似变速效果的播放，是音频的快进快退播放。此功能能实现快速地向前或向后播放音频。实现原理是跳过当前播放的一段音频数据，不进行播放，然后播放跳转后新的音频数据，从而实现音频的快进快退。此种方法能实现类似变速的效果，但在播放时，会损失音频数据的一些信息，也就是有部分音频没有播放出来。

在英文等语言的学习功能上，对于快速、慢速播放，需要实现声音变速，同时保持原来的音调不变。这点在目前的便携多媒体播放器上尚未实现，也是本技术所要解决的问题。

【发明内容】

本发明要解决的技术问题，在于提供一种实现声音变速的方法，实现了声音变速的处理，对于快速、慢速播放时，能保持原来的音调不变。

本发明是这样实现的：一种实现声音变速的方法，其特征在于：包括如下步骤：

步骤10、通过多媒体播放器中的软件解码器，解码N帧的音频信息，得到对应每帧原始音频的信息数据；

步骤20、读取信息数据：将每帧原始音频信息数据，通过截取得到固定长度的信息数据的子系列数据保存在多媒体播放器缓存中；

步骤30、采用定长窗口搜索对所述信息数据的子系列数据进行操作：根据采样率，确定定长窗口的长度SeekWindowLength，以及在一个定长窗口长度内每次搜索的最大长度SeekLength，根据公式SeekWindowLength＝((unsigned int)((DEFAULT_SAMPLERATE*DEFAULT_SEQUENCE_MS)/1000))和公式SeekLength＝((unsigned int)((DEFAULT_SAMPLERATE*DEFAULT_SEEKWINDOW_MS)/1000))计算所得；将确定定长窗口的长度SeekWindowLength，以及在一个定长窗口长度内每次搜索的最大长度SeekLength提供给WSOLA算法，用于寻找最佳重叠位；其中，DEFAULT_SAMPLERATE为音频的采样率，DEFAULT_SEQUENCE_MS为每次截取得到固定长度的信息数据的子系列数据，DEFAULT_SEEKWINDOW_MS为搜索窗口的默认长度，unsigned int是宏观定义函数类型；

步骤40、最佳重叠位置找到后，进行重叠处理，并将重叠处理后的信息数据，拷贝到多媒体播放器输出缓存中；

步骤50、将处理过的信息数据全部拷贝到多媒体播放器的音频播放缓冲区；

步骤60、重新截取下一个固定长度的信息数据的子系列数据，并查找最佳的重叠位置，进行重叠处理，并将重叠处理后的信号数据，继续拷贝到多媒体播放器输出缓存中，直到N帧的原始音频信息数据处理完毕为止，按设置好的音频参数进行播放，最终得到变速不变调的播放效果。

本发明具有如下优点：采用定长窗口搜索对信息数据的子系列数据进行操作寻找最佳重叠位置，进行重叠处理，将处理过的信号数据全部拷贝到多媒体播放器的音频播放缓冲区，按设置好的音频参数进行播放，实现了声音变速的处理，对于快速、慢速播放时，能保持原来的音调不变，不引入噪声，提高了处理后的声音质量。

【附图说明】

图1为本发明方法流程示意图。

【具体实施方式】

下面参照附图结合实施例对本发明作进一步的说明。

实现声音变速的方法，见图1所示，包括如下步骤：

步骤10、通过多媒体播放器中的软件解码器，解码N帧的音频信息，得到对应原始音频的信息数据；

步骤30、采用定长窗口搜索对所述信息数据的子系列数据进行操作：根据采样率，确定定长窗口的长度SeekWindowLength，以及在一个定长窗口长度内每次搜索的最大长度SeekLength，根据公式SeekWindowLength＝((unsigned int)((DEFAULT_SAMPLERATE*DEFAULT_SEQUENCE_MS)/1000))和公式SeekLength＝((unsigned int)((DEFAULT_SAMPLERATE*DEFAULT_SEEKWINDOW_MS)/1000))计算所得；将确定定长窗口的长度SeekWindowLength，以及在一个定长窗口长度内每次搜索的最大长度SeekLength提供给WSOLA算法(其操作是在这个算法进行最佳相关位置的搜索过程中，使用常量偏移位置搜索表，减少了系统的计算时间)，用于寻找最佳重叠位；其中，DEFAULT_SAMPLERATE为音频的采样率，DEFAULT_SEQUENCE_MS为每次截取得到固定长度的信息数据的子系列数据，DEFAULT_SEEKWINDOW_MS为搜索窗口的默认长度，unsigned int是宏观定义函数类型，寻找最佳重叠位置具体如下步骤：

31、先对播放器的中间处理缓存(MidBuffer)进行幅度预计算：进行n次操作，n等于OverlapLength，其OverlapLength为每次进行预重叠处理前的第一部分信息数据长度；每次进行赋值操作：

RefMidBuffer[i]＝(MidBuffer[i]*(i*(OverlapLength-i)))＞＞SlopingDividerBits；

其SlopingDividerBits为防止计算结果超过32bit的大小而进行削减操作，其次数i取值从0到OverlapLength，得到播放器的中间处理参考缓存RefMidBuffer；

32、定义偏移位置搜索表ScanOffsetsTable，其表为二维数组表，定义相关位置为变量CorrelateOffset，临时位置为变量TempOffset，并进行最佳位置的搜索操作：

320、对临时位置为变量TempOffset值进行赋值操作：

TempOffset＝CorrelateOffset+*pscan++；

其中*pscan从偏移位置搜索表中读取一个值，并将表的读取位置向下移一个数值；

321、将得到的偏移TempOffset后的数据，与所述中间处理参考缓存数据进行相关值处理，得到一个相关值correlateValue，所述相关值处理是通过代码：

i＝overlapLength；

do

{

++mixPos；

++compare；

correlate+＝((*mixPos)*(*compare))＞＞overlapDividerBits；//不会超过int

}while(--i＞1)；

其文字描述为：

定义次数i，赋值为overlapLength；

定义相关值变量correlate，赋值为0；

定义short*类型的指针mixPos，赋值为inputBuffer；

定义short*类型的指针compare，赋值为pRefMidBuffer；

执行i次操作，i取值从overlapLength到0，每次操作步骤如下：

1、计算correlate值

计算当前位置的相关值((*mixPos)*(*compare))＞＞overlapDividerBits，并累加到变量correlate。

2、mixPos、compare指针加1；i值减1；

3、若i的值大于1，则跳转至步骤1，继续执行；若i的值小于等于1，则结束此处相关值计算操作。

322、判断相关值correlateValue是否大于最佳相关值BestCorrelate(最佳相关值BestCorrelate是一个变量，初始化赋值为0；通过每一轮的correlate Value和BestCorrelate值对比，如果correlate＞＝BestCorrelate，则BestCorrelate＝correlate，即对BestCorrelate的值进行更新；最终得到最大的相关值，也即最优相关值。)，是，则BestCorrelate赋值为当前的相关值correlateValue，并将当前的TempOffset，赋值给最佳偏移位置BestOffset，否则继续进行偏移位置搜索表的遍历返回执行步骤320；

323、若偏移位置搜索表遍历结束，将获得最终的最佳偏移位置BestOffset；

步骤40、最佳重叠位置找到后，进行重叠处理，并将重叠处理后的信息数据，拷贝到多媒体播放器输出缓存中(这是一次窗口最佳重叠位置搜索及叠加过程，整个数据处理会多次进行这样的操作)，其具体操作为如下步骤：

41、将预处理的原始音频的信息数据进行所述最佳偏移位置BestOffset偏移后，与所述中间处理缓存进行叠加，将叠加后的音频数据拷贝到输出缓存；

42、将预处理的原始音频的信息数据进行(BestOffset+OverlapLength)位置偏移后，拷贝长度为SeekWindowLength-2*OverlapLength的音频数据到输出缓存，其长度为每次进行预重叠处理前的第二部分数据长度；

43、将步骤41中叠加后的音频数据与第二部分数据长度的音频数据进行叠加处理；

步骤60、重新截取下一个固定长度的信息数据的子系列数据，并查找最佳的重叠位置，进行重叠处理，并将重叠处理后的信号数据，继续拷贝到多媒体播放器输出缓存中(每搜索，重叠完一次，拷贝一小部分数据到输出缓存)，直到N帧的原始音频信息数据处理完毕为止(即每次要N帧的原始音频数据处理完，才会进行播放操作。)，按设置好的音频参数进行播放，最终得到变速不变调的播放效果。

其中在叠加过程中将预处理的原始音频的信息数据，进行(Offset+SeekWindowLength-OverlapLength)的值偏移后，拷贝长度为2*OverlapLength的音频数据到所述中间处理缓存中，以备下一次处理使用。

下面举一具体实施例对本发明作进一步说明。

假定音频源为：mp3格式，采样率44100HZ，是单声道

预期播放效果：以正常速度的1.2倍进行播放

则每次需要解码3帧音频帧，解码后一帧长度为1152*2个字节，每次变速处理需要拷贝的原始音频缓存为3*1152*2＝6912字节。

处理流程：

1、定义如下数组：

short pMidBuffer[9216]；

short pRefMidBuffer[9216]；

short PcmBuf[2*9216]；

short*inputBuffer；

初始化变量：

overlapDividerBits＝8；

overlapLength＝2⁸＝256；

slopingDividerBits＝(2*(8-1)-1)＝13；

seekWindowLength＝(DEFAULT_SAMPLERATE*DEFAULT_SEQUENCE_MS)/1000)＝44100*42/1000＝1852.2＝1852；

seekLength＝((DEFAULT_SAMPLERATE*DEFAULT_SEEKWINDOW_MS)/1000)＝44100*7/1000＝308.7＝308；

inputBuffer＝PcmBut；

拷贝原始音频数据至播放器缓存inputBuffer，长度为6912字节，准备进行变速处理。

2、对中间处理缓存(MidBuffer)进行幅度预计算，得到中间处理参考缓存(RefMidBuffer)。预计算过程如下：

进行n次操作，n＝overlapLength＝256；次数i取值从0到256，每次进行赋值操作：

3、根据事先拟制好的偏移位置搜索表scanOffsetsTable(定义了一个二维数组scanOffsetsTable[4][24]，第一维数组包含24个元素，按一定的步长进行递增，如scanOffsetsTable[0][24]数组，按步长62进行递增：{124，186，248，310，372，434，496，558，620，682，744，806，868，930，992，1054，1116，1178，1240，1302，1364，1426，1488，0}，scanOffsetsTable[1][24]数组，按步长25进行递增：{-100，-75，-50，-25，25，50，75，100，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0})，进行最佳位置的搜索操作，操作过程如下：

3.0定义const short(*ppscan)[24]＝scanOffsetsTable；

3.1定义const short*pscan＝*ppscan++；

(说明，由于3.1会被执行4次，所以pscan在四轮循环中，分别被赋值为&scanOffsetsTable[0][24]、&scanOffsetsTable[1][24]、&scanOffsetsTable[2][24]、&scanOffsetsTable[3][24]，即对应一维数组的起始地址)

3.2定义相关位置correlateOffset，临时位置tempOffset，做赋值操作：

tempOffset＝correlateOffset+*pscan++；

其中*pscan从偏移位置搜索表scanOffsetsTabl中读取一个值，并将表的读取位置向下移一个位置。

3.3将原始音频的信息数据，偏移tempOffset后的数据，与之前得到的中间处理参考缓存进行相关值处理，得到一个相关值correlateValue。

3.4将相关值correlateValue与最佳相关值BestCorrelate进行比较，如果相关值correlateValue比BestCorrelate大，则BestCorrelate赋值为当前的相关值correlateValue，并将当前的tempOffset，赋值给最佳偏移位置BestOffset。

3.5若当前一维数组还未遍历结束，跳转到3.2继续执行操作。若一维数组遍历结束，跳转至3.1遍历下一个一维数组；若4个一维数组遍历完，即偏移位置搜索表scanOffsetsTable遍历结束，得到最佳偏移位置BestOffset。

4、根据获取的最佳偏移位置BestOffset，进行重叠操作，过程如下：

4.1将预处理的原始音频的信息数据，偏移BestOffset位置后，与中间处理缓存(MidBuffer)进行叠加操作，即将inputBuffer+BestOffset开始的数据与中间处理缓存(MidBuffer)进行叠加处理，将叠加后的部分音频数据拷贝到输出缓存，数据长度为overlapLength*2＝512。

4.2将预处理的原始音频的信息数据，偏移(BestOffset+overlapLength)位置后，即(inputBuffer+BestOffset+256)开始的数据，拷贝到输出缓存偏移overlapLength*2＝512开始的位置，拷贝长度为seekWindowLength-2*overlapLength＝1852-512＝1340字节。

5、将处理过的信息数据全部拷贝到多媒体播放器的音频播放缓冲区；

6、重新截取下一个固定长度的信息数据的子系列数据，并查找最佳的重叠位置，进行重叠处理，并将重叠处理后的信号数据，继续拷贝到多媒体播放器输出缓存中，直到N帧的原始音频信息数据处理完毕为止，按设置好的音频参数进行播放，最终得到变速不变调的播放效果。

其中值得一提的是：将预处理的原始音频的信息数据，偏移(offset+seekWindowLength-overlapLength)＝offset+1852-256＝offset+1596，拷贝到中间处理缓存(MidBuffer)，拷贝长度为2*overlapLength＝512字节，以备下一次处理使用。

若输出数据不足，原始数据偏移(seekWindowLength-overlapLength)*2＝1596*2＝3192字节，跳转至步骤2继续执行；

inputBuffer+＝1596；

说明：inputBuffer为short类型指针，所以只需要加1596，就向前偏移了3192个字节。

值得说明的是：本发明缩短时间的地方，在于每次寻找最佳重叠位置的做法，由执行seekLength次操作，进行相关值对比，得到最佳相关值；改为查找指定的相关位置表，并进行相关值对比，得到最佳相关值，减少执行次数，以轻微降低音质，来大大缩短的寻找最佳位置处理时间，实现占用系统较小资源的情况下，正常的变速播放。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims

1.一种实现声音变速的方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种实现声音变速的方法，其特征在于：所述步骤30中进行寻找最佳重叠位置进一步包括如下步骤：

先对播放器的中间处理缓存(MidBuffer)进行幅度预计算：进行n次操作，n等于OverlapLength，其OverlapLength为每次进行预重叠处理前的第一部分信息数据长度；每次进行赋值操作：

定义偏移位置搜索表ScanOffsetsTable，其表为二维数组表，定义相关位置为变量CorrelateOffset，临时位置为变量TempOffset，并进行最佳位置的搜索操作：

对临时位置为变量TempOffset值进行赋值操作：

TempOffset＝CorrelateOffset+*pscan++；

将得到的偏移TempOffset后的数据，与所述中间处理参考缓存数据进行相关值处理，得到一个相关值correlateValue；

判断相关值correlateValue是否大于最佳相关值BestCorrelate，是，则BestCorrelate赋值为当前的相关值correlateValue，并将当前的TempOffset，赋值给最佳偏移位置BestOffset，否则继续进行偏移位置搜索表的遍历返回执行步骤320；

若偏移位置搜索表遍历结束，将获得最终的最佳偏移位置BestOffset。

3.根据权利要求2所述的一种实现声音变速的方法，其特征在于：所述步骤40进行重叠处理进一步包括如下操作：

将预处理的原始音频的信息数据进行所述最佳偏移位置BestOffset偏移后，与所述中间处理缓存进行叠加，将叠加后的音频数据拷贝到输出缓存；

将预处理的原始音频的信息数据进行(BestOffset+OverlapLength)位置偏移后，拷贝长度为SeekWindowLength-2*OverlapLength的音频数据到输出缓存，其长度为每次进行预重叠处理前的第二部分数据长度；

将步骤41中叠加后的音频数据与第二部分数据长度的音频数据进行叠加处理。

4.根据权利要求3所述的一种实现声音变速的方法，所述的在叠加过程中将预处理的原始音频的信息数据，进行(Offset+SeekWindowLength-OverlapLength)的值偏移后，拷贝长度为2*OverlapLength的音频数据到所述中间处理缓存中，以备下一次处理使用。