CN105897360B - 一种广播质量和效果判别方法及系统 - Google Patents
一种广播质量和效果判别方法及系统 Download PDFInfo
- Publication number
- CN105897360B CN105897360B CN201610330559.XA CN201610330559A CN105897360B CN 105897360 B CN105897360 B CN 105897360B CN 201610330559 A CN201610330559 A CN 201610330559A CN 105897360 B CN105897360 B CN 105897360B
- Authority
- CN
- China
- Prior art keywords
- broadcast
- speech signal
- broadcast singal
- quality
- signal
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04H—BROADCAST COMMUNICATION
- H04H20/00—Arrangements for broadcast or for distribution combined with broadcast
- H04H20/12—Arrangements for observation, testing or troubleshooting
- H04H20/14—Arrangements for observation, testing or troubleshooting for monitoring programmes
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明提供了一种广播质量和效果判别方法及系统,方法首先从广播信号中分离广播语音信号,并获取与广播语音信号相同的时间段内的参考语音信号,将广播语音信号与参考语音信号进行相似度判别,根据相似度结果,判别广播信号的质量和效果。本发明提高了中短波广播效果智能评估的客观性和准确性,解决了当前人工主观评估效率低下、主观误差较大等缺点。
Description
技术领域
本发明涉及音频智能判别技术领域,尤其涉及一种广播质量和效果判别方法及系统。
背景技术
随着我国广播事业的发展,广播监测事业也得到蓬勃发展。广播监测的一项重要业务就是中短波广播效果的评估,即评估中短波广播信号落地后的质量和效果,必须做到准确评估,从而保证安全播出。
已知现有的评估方法是通过广播信号采集的智能化设备和网络,把每个频率的中短波广播音频进行流媒体播放,然后采用人工到点轮班值守的方式逐个监听,给出广播效果的主观评估分数。
上述方法存在的问题是:随着监测业务向深度和广度的不断发展,传统依赖人工值守监听的监测方式,不仅效率低下,而且需要配置大量的人力和物力,此外,人工在监测过程中,存在疲劳、惯性等主观性因素,也会造成监测偏差,而且中短波广播音频比较嘈杂,时间长了对人耳的听力有一定损伤,所以仅靠人工监听越来越难以满足广播监测发展的客观要求。
发明内容
(一)要解决的技术问题
本发明的目的在于,提供一种广播质量和效果判别方法及系统,提高中短波广播效果智能评估的客观性和准确性,解决当前人工主观评估效率低下、主观误差较大等缺点。
(二)技术方案
本发明提供一种广播质量和效果判别方法,包括:
S1,从广播信号中分离广播语音信号;
S2,获取与广播语音信号相同的时间段内的参考语音信号,参考语音信号是广播信号中的源语音信号;
S3,将广播语音信号与参考语音信号进行相似度判别,得到相似度结果,并根据相似度结果,判别广播信号的质量和效果。
本发明还提供一种广播质量和效果判别系统,包括:
分离模块,用于从广播信号中分离出广播语音信号;
参考语音信号获取模块,用于获取与广播语音信号相同的时间段内的参考语音信号,参考语音信号是所述广播信号中的源语音信号;
质量判别模块,用于将广播语音信号与参考语音信号进行相似度判别,得到相似度结果,并根据相似度结果判别广播信号的质量和效果。
(三)有益效果
本发明通过对广播信号进行分类,能过滤大量的非广播节目内容(包括音乐、噪声、静音等),从而得到广播语音信号,因此广播监听人员不再需要到点轮班值守;另外,通过信号进行自动化评分,这样广播监听人只需要针对得分大于0分,但得分较低的广播信号进行监听即可,从而大幅缩减人工的劳动强度与工作量。
附图说明
图1是本发明实施例提供的中短波广播质量判别方法的流程图。
图2是本发明实施例中基于SVM的非静音信号分类示意图。
图3是本发明实施例中信号相似度判别的原理图。
图4是本发明实施例提供的中短波广播质量和效果判别系统的示意图。
图5是本发明实施例的中短波广播质量和效果判别系统的结构图。
图6是本发明实施例的中短波广播质量和效果判别系统的工作原理图。
图7是本发明实施例的中短波广播质量和效果判别系统的应用示意图。
具体实施方式
本发明提供一种广播质量和效果判别方法及系统,方法首先从广播信号中分离广播语音信号,并获取与广播语音信号相同的时间段内的参考语音信号,将广播语音信号与参考语音信号进行相似度判别,根据相似度结果,判别广播信号的质量和效果。本发明提高了中短波广播效果智能评估的客观性和准确性,解决了当前人工主观评估效率低下、主观误差较大等缺点。
本发明提供一种广播质量和效果判别方法,包括:
S1,从广播信号中分离广播语音信号;
S2,获取与广播语音信号相同的时间段内的参考语音信号,参考语音信号是广播信号中的源语音信号,优选地,可以通过卫星通道获取参考语音信号,其具有较小的失真度;
S3,将广播语音信号与参考语音信号进行相似度判别,得到相似度结果,并根据相似度结果,判别广播信号的质量和效果,具体地,对广播信号进行评分,例如可采用5分制进行评分,0~5渐强,进一步,通过计算s1/s2对广播效果进行评分,其中s1为广播信号质量,0~5渐强,s2为干扰信号质量,0~5渐弱。
进一步,步骤S1包括:
S11,在广播收听端获取广播信号,其中,在非广播时间,广播信号的内容可能是音乐或静音,而在广播时间,广播信号的内容可能是语音或音乐,并且,由于是在远端获取信号,广播信号中也存在一定的噪音;
S12,对广播信号进行分类,将广播信号分为广播语音信号、非语音信号和静音信号中的至少一种,并获取广播语音信号,优选地,可以基于SVM分类器进行音频分类,其中,通过鲁棒的音频特征得到语音、音乐、噪声和静音在广播信号中的比例,然后,判断广播信号的静音比例是否大于等于第一阈值,若是,则广播信号为静音信号,否则,判断广播信号语音比例是否大于等于第二阈值,若是,则广播信号为广播语音信号,否则,广播信号为非语音信号。优选地,第一阈值可以是95%,第二阈值可以是80%。
进一步,步骤S3包括:
S31,将广播语音信号转化为第一时域-频域图,将参考语音信号转化为第二时域-频域图,其中,时域-频域图也称为语谱图像,优选地,可以使用短时Fourier变换进行广播语音信号转化,以得到语谱图像;
S32,对第一时域-频域图进行特征提取,得到第一特征,对第二时域-频域图进行特征提取,得到第二特征,其中,第一特征和第二特征均是可区分的特征,由于音频流存在大量由于压缩、信号传输等影响造成的与固定模板之间的差异,因此解决鲁棒性是本发明的核心内容所在,本发明采用基于多频带能量相对比率的特征提取方法,该特征利用了各时刻所对应的各个频带的能量分布趋势相对稳定这一特定,很好地克服了由于音频信号扭曲等造成的不稳定因素;
S33,分别对第一特征和第二特征进行特征映射,得到第一指纹特征和第二指纹特征,具体的,可采用自适应滤波器分别对第一特征和第二特征进行特征映射,其中,自适应滤波器由如下方法实现:
获取海量的训练广播语音信号和同时段的训练参考语音信号,将所述训练广播语音信号和训练参考语音信号转化成时域-频域图,并对各自的时域-频域图进行特征提取,将提取的特征进行训练,得到所述自适应滤波器;
S34,计算第一指纹特征和第二指纹特征的相似度,得到相似度结果,其中,在一种实施方式中,在进行相似度计算时,对指纹特征建立Hash索引实现特征对齐后,基于期望最大化(expectation maximization,EM)的迭代搜索,从而计算两个指纹特征间的相似度。
进一步,步骤S3还包括:若广播信号为非语音信号,则根据非语音信号中的噪声比例,确定广播质量和效果评分;若广播信号为静音信号,则确定广播质量和效果评分为0。
本发明还提供一种广播质量和效果判别系统,包括:
分离模块,用于从广播信号中分离出广播语音信号;
参考语音信号获取模块,用于获取与广播语音信号相同的时间段内的参考语音信号,参考语音信号是广播信号中的源语音信号;
质量判别模块,用于将广播语音信号与参考语音信号进行相似度判别,根据相似度结果判别广播信号的质量和效果。
进一步,分离模块用于在广播收听端获取广播信号,并对广播信号进行分类,将广播信号分为广播语音信号、非语音信号和静音信号中的至少一种,并获取广播语音信号。
进一步,信号分类子模块用于:
判断所述广播信号的静音比例是否大于等于第一阈值,若是,则广播信号为静音信号,否则,
判断广播信号语音比例是否大于等于第二阈值,若是,则广播信号为广播语音信号,否则,
广播信号为非语音信号。
进一步,质量判别模块用于:
将广播语音信号转化为第一时域-频域图,将参考语音信号转化为第二时域-频域图;
对第一时域-频域图进行特征提取,得到第一特征,对所述第二时域-频域图进行特征提取,得到第二特征;
分别对第一特征和第二特征进行特征映射,得到第一指纹特征和第二指纹特征;
计算第一指纹特征和第二指纹特征的相似度,得到相似度结果;
根据相似度结果判别广播信号的质量和效果。
进一步,质量判别模块采用自适应滤波器分别对所述第一特征和第二特征进行特征映射,其中,自适应滤波器由如下方法实现:
获取海量的训练广播语音信号和同时段的训练参考语音信号,将训练广播语音信号和训练参考语音信号转化成时域-频域图,并对各自的时域-频域图进行特征提取,将提取的特征进行训练,得到自适应滤波器。
进一步,质量判别模块还用于:
若广播信号为非语音信号,则根据非语音信号中的噪声比例,确定广播质量和效果评分;若广播信号为静音信号,则确定广播质量和效果评分为0。
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
图1是本发明实施例提供的中短波广播质量判别方法的流程图,如图1所示,方法包括:
S100,在广播收听端获取广播信号,基于能量门限将广播信号分成静音和非静音,然后,如图2所示,通过三次SVM分类,把非静音信号分成4类:纯语音、非纯语音、音乐、噪音,并计算各类型信号所占比例,判断静音比例是否大于等于95%,若是,则广播信号为静音信号,否则,判断广播信号语音比例是否大于等于80%,若是,则广播信号为广播语音信号,否则,广播信号为非语音信号。
S200,在与广播语音信号相同的时间段内,通过卫星通道获取参考语音信号。
S300,将广播语音信号与参考语音信号进行相似度判别,得到相似度结果,并根据相似度结果,判别广播信号的质量和效果;同时,在对其他类型的信号进行评分时,若广播信号为非语音信号,则根据非语音信号中的噪声比例,确定广播质量和效果评分;若广播信号为静音信号,则确定广播质量和效果评分为0。
图3示出了本发明实施例中信号相似度判别的原理图,如图3所示,通过对信号频谱进行预处理,将广播语音信号转化为第一时域-频域图,并且,将参考语音信号转化为第二时域-频域图,对第一时域-频域图进行特征提取,得到第一特征,对第二时域-频域图进行特征提取,得到第一特征,采用自适应滤波器分别对第一特征和第二特征进行特征映射,得到第一指纹特征和第二指纹特征,对指纹特征建立Hash索引实现特征对齐后,基于期望最大化的迭代搜索,从而计算两个指纹特征间的相似度。
图4为本发明实施例提供的中短波广播质量和效果判别系统的示意图,如图4所示,系统包括分离模块、参考语音信号获取模块和质量判别模块,其中,分离模块通过SVM分类从广播信号中分离出广播语音信号,参考语音信号通过卫星通道获取与广播语音信号相同的时间段内的参考语音信号,质量判别模块将广播语音信号与参考语音信号进行相似度判别,根据相似度结果判别广播信号的质量和效果。
图5是本发明实施例的中短波广播质量和效果判别系统的结构图,如图5所示,分离模块包括频率运行图同步模块、数据获取模块及分类模块。质量判别模块包括音频语谱图像比对模块和质量评估模块。
在频率运行图同步模块中,计算机自动获取广播频率运行图信息,即一天24小时哪些广播频率存在广播节目,需要进行广播质量效果评估,即获取广播质量效果评估的目标广播频率。在本模块中,采用数据库物化视图以及数据库链相关技术,通过创建数据库链连接两个数据库表空间,其中一个表空间为频率运行图的数据源表,另外一个表空间即本系统用于存放频率运行图信息的数据表,通过物化视图同步的方式实时地将数据源表中的频率运行图信息同步到本系统中。
数据获取模块用于获取广播信号,其中,在获取广播信号中,计算机根据广播频率运行图信息,在一天24小时的每个时段中,采用对逐个广播频率轮询的方式,一次或多次地自动调用部署在远端的广播接收机获取相应频率的广播音频流,并自动采集广播音频数据,用于后续的广播质量评估。在本模块中,由计算机通过发送XML格式的Socket消息向部署在远端的广播接收机发起控制请求,可控制远端的广播接收机收听某频率的广播信号,并将收听到的广播音频数据通过音频流媒体的形式返回,由计算机获取广播音频流媒体数据,并保存为音频文件,用于后续的广播质量评估,在本系统中,用于广播质量评估的音频文件长度为30秒。
图6是本发明实施例的中短波广播质量和效果判别系统的工作原理图,如图6所示,分类模块在获取广播信号后,对广播信号进行分类,在本模块中,计算机自动确定广播信号中语音、音乐、噪声和静音的比例,从而确定广播信号的类型,即将广播信号分为广播语音信号、非语音信号和静音信号中的一种。在本实施例中,针对非语音信号,系统可根据非语音信号中的噪声比例,确定广播质量和效果评分,针对静音信号,系统直接确定广播质量和效果评分为0,所以在分类后,分类模块只获取广播语音信号进行后续处理。
在音频语谱图像比对模块中,对广播语音信号进行进一步的判别,由计算机自动对广播语音信号与参考语音信号进行语谱图像比对,得到相似度结果。
在质量评估模块中,基于上述音频分类以及音频指纹比对判别的结果,由计算机计算最终的广播质量评估得分,计算得分包括以下几种情况:
a.广播信号为静音:广播质量评估得分为0,表示此时无广播节目;
b.广播信号为非语音:包括两种情况(音乐、噪声),若广播信号音乐比例越高则得分越高,噪声比例越高则得分越低;
c.广播信号为语音:经过与参考信号的音频指纹比对判别,相似度越高则得分越高,相似度越低则得分越低。
图7是本发明实施例的中短波广播质量和效果判别系统的应用示意图,如图7所述,广播质量和效果判别系统将广播质量评估得分输出至质量评估结果编审模块,在质量评估结果编审模块中,基于广播质量评估得分,采用非线性编辑技术,提供附带音频波形图显示功能的播放器辅助人工快速对结果进行审核。用户可针对得分以及置信度等多种方式进行结果排序,对于得分区间在(0,60),并且置信度大于等于85的结果方予以回放审核,操作人员可执行暂停、播放、快进、快退、人工打分等操作。
在如图7所示的数据统计模块中,针对经过人工编审过的广播质量评估结果进行统计判别,可设定数据统计条件,包括接收机站点、语言类型、频率、台名、起止日期、时段等,对已入库保存的最终广播质量评估结果进行各种类型的统计判别,包括合格与不合格频率数、合格与不合格比例、智能评估置信度较低的频率数等信息。另外,采用柱状图与饼状图相结合的方式,显示用户设定条件下的广播质量效果统计情况,统计结果可生成用户指定格式的报表,并可导出与打印。
综上所述,通过提供本发明提供的广播质量和效果判别方法及系统,在实现广播效果自动打分的同时,还能够过滤大量的非广播节目内容,因此广播监听人员不再需要到点轮班值守,并且对每个广播频率的信号进行逐个监听,只需要针对系统得分大于0分,但得分较低的广播信号进行监听即可,从而大幅缩减人工的劳动强度与工作量。根据系统实际应用以来的数据统计显示,采用上述方法与系统后,与传统以人工为主的广播监听方式相比,平均可节省广播监听员90%以上的工作量。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种中短波广播质量和效果判别方法,其特征在于,包括:
S1,从广播信号中分离广播语音信号;
S2,通过卫星通道获取与所述广播语音信号相同的时间段内的参考语音信号,所述参考语音信号是所述广播信号中的源语音信号;
S3,将所述广播语音信号与参考语音信号进行相似度判别,得到相似度结果,并根据所述相似度结果,判别所述广播信号的质量和效果;所述步骤S1包括:
S11,在广播收听端获取广播信号;
S12,对所述广播信号进行分类,将所述广播信号分为广播语音信号、非语音信号和静音信号中的至少一种,并获取广播语音信号;
所述步骤S3包括:
S31,将所述广播语音信号转化为第一时域-频域图,将所述参考语音信号转化为第二时域-频域图;
S32,对所述第一时域-频域图进行特征提取,得到第一特征,对所述第二时域-频域图进行特征提取,得到第二特征;
S33,分别对所述第一特征和第二特征进行特征映射,得到第一指纹特征和第二指纹特征;
S34,计算所述第一指纹特征和第二指纹特征的相似度,得到相似度结果;
所述步骤S33中,采用自适应滤波器分别对所述第一特征和第二特征进行特征映射,其中,所述自适应滤波器由如下方法实现:
获取海量的训练广播语音信号和同时段的训练参考语音信号,将所述训练广播语音信号和训练参考语音信号转化成时域-频域图,并对各自的时域-频域图进行特征提取,将提取的特征进行训练,得到所述自适应滤波器;
所述步骤S3还包括:
若所述广播信号为非语音信号,则根据所述非语音信号中的噪声比例,确定广播质量评分;若所述广播信号为静音信号,则确定广播质量评分为0。
2.根据权利要求1所述的中短波广播质量和效果判别方法,其特征在于,所述步骤S12包括:
判断所述广播信号的静音比例是否大于等于第一阈值,若是,则所述广播信号为静音信号,否则,
判断所述广播信号语音比例是否大于等于第二阈值,若是,则所述广播信号为广播语音信号,否则,
所述广播信号为非语音信号。
3.一种中短波广播质量和效果判别系统,其特征在于,包括:
分离模块,用于从广播信号中分离出广播语音信号;
参考语音信号获取模块,用于通过卫星通道获取与所述广播语音信号相同的时间段内的参考语音信号,所述参考语音信号是所述广播信号中的源语音信号;
质量判别模块,用于将所述广播语音信号与参考语音信号进行相似度判别,根据相似度结果判别所述广播信号的质量和效果;所述分离模块用于在广播收听端获取广播信号,并对所述广播信号进行分类,将所述广播信号分为广播语音信号、非语音信号和静音信号中的至少一种,并获取广播语音信号;
所述质量判别模块用于:
将所述广播语音信号转化为第一时域-频域图,将所述参考语音信号转化为第二时域-频域图;
对所述第一时域-频域图进行特征提取,得到第一特征,对所述第二时域-频域图进行特征提取,得到第二特征;
分别对所述第一特征和第二特征进行特征映射,得到第一指纹特征和第二指纹特征;
计算所述第一指纹特征和第二指纹特征的相似度,得到相似度结果;
根据相似度结果判别所述广播信号的质量和效果;
所述质量判别模块采用自适应滤波器分别对所述第一特征和第二特征进行特征映射,其中,所述自适应滤波器由如下方法实现:
获取海量的训练广播语音信号和同时段的训练参考语音信号,将所述训练广播语音信号和训练参考语音信号转化成时域-频域图,并对各自的时域-频域图进行特征提取,将提取的特征进行训练,得到所述自适应滤波器;
所述质量判别模块还用于:
若所述广播信号为非语音信号,则根据所述非语音信号中的噪声比例,确定广播质量评分;若所述广播信号为静音信号,则确定广播质量评分为0。
4.根据权利要求3所述的广播质量和效果判别系统,其特征在于,信号分类子模块用于:
判断所述广播信号的静音比例是否大于等于第一阈值,若是,则所述广播信号为静音信号,否则,
判断所述广播信号语音比例是否大于等于第二阈值,若是,则所述广播信号为广播语音信号,否则,
所述广播信号为非语音信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610330559.XA CN105897360B (zh) | 2016-05-18 | 2016-05-18 | 一种广播质量和效果判别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610330559.XA CN105897360B (zh) | 2016-05-18 | 2016-05-18 | 一种广播质量和效果判别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105897360A CN105897360A (zh) | 2016-08-24 |
CN105897360B true CN105897360B (zh) | 2018-12-11 |
Family
ID=56716916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610330559.XA Active CN105897360B (zh) | 2016-05-18 | 2016-05-18 | 一种广播质量和效果判别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105897360B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115331684A (zh) * | 2022-08-12 | 2022-11-11 | 安徽汇鑫电子有限公司 | 一种解决非线性延时问题的音频比对设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103700370A (zh) * | 2013-12-04 | 2014-04-02 | 北京中科模识科技有限公司 | 一种广播电视语音识别系统方法及系统 |
CN104810025A (zh) * | 2015-03-31 | 2015-07-29 | 天翼爱音乐文化科技有限公司 | 音频相似度检测方法及装置 |
CN104900238A (zh) * | 2015-05-14 | 2015-09-09 | 电子科技大学 | 一种基于感知滤波的音频实时比对方法 |
CN104992713A (zh) * | 2015-05-14 | 2015-10-21 | 电子科技大学 | 一种快速广播音频比对方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2557198A1 (en) * | 2004-02-26 | 2005-09-09 | Mediaguide, Inc. | Method and apparatus for automatic detection and identification of broadcast audio or video programming signal |
AU2008321318B2 (en) * | 2007-11-12 | 2012-11-01 | The Nielsen Company (Us), Llc | Methods and apparatus to perform audio watermarking and watermark detection and extraction |
-
2016
- 2016-05-18 CN CN201610330559.XA patent/CN105897360B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103700370A (zh) * | 2013-12-04 | 2014-04-02 | 北京中科模识科技有限公司 | 一种广播电视语音识别系统方法及系统 |
CN104810025A (zh) * | 2015-03-31 | 2015-07-29 | 天翼爱音乐文化科技有限公司 | 音频相似度检测方法及装置 |
CN104900238A (zh) * | 2015-05-14 | 2015-09-09 | 电子科技大学 | 一种基于感知滤波的音频实时比对方法 |
CN104992713A (zh) * | 2015-05-14 | 2015-10-21 | 电子科技大学 | 一种快速广播音频比对方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105897360A (zh) | 2016-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103856689B (zh) | 面向新闻视频的人物对话字幕提取方法 | |
CN105976809B (zh) | 基于语音和面部表情的双模态情感融合的识别方法及系统 | |
CN102129456B (zh) | 去相关稀疏映射音乐流派有监督自动分类方法 | |
EP1787284B1 (de) | Vorrichtung und verfahren zur robusten klassifizierung von audiosignalen sowie verfahren zu einrichtung und betrieb einer audiosignal-datenbank sowie computer-programm | |
DE60305712T2 (de) | Lautstärkeregelung von sprache in signalen, die sprache oder andere arten von audiosignalen enthalten | |
CN106653032B (zh) | 低信噪比环境下基于多频带能量分布的动物声音检测方法 | |
CN109036382B (zh) | 一种基于kl散度的音频特征提取方法 | |
CN104900238B (zh) | 一种基于感知滤波的音频实时比对方法 | |
CN1655234B (zh) | 用于区别口声和其它声音的装置和方法 | |
CN109920434A (zh) | 一种基于会议场景的噪声分类去除方法 | |
CN115358718A (zh) | 基于智能监测前端的噪声污染分类及实时监管方法 | |
Silipo et al. | Prosodic stress revisited: Reassessing the role of fundamental frequency | |
Cristani et al. | On-line adaptive background modelling for audio surveillance | |
CN105897360B (zh) | 一种广播质量和效果判别方法及系统 | |
Zhang et al. | Fault diagnosis method based on MFCC fusion and SVM | |
Karnebäck | Discrimination between speech and music based on a low frequency modulation feature. | |
CN110534121A (zh) | 一种基于频域特征的音频内容一致性的监测方法及系统 | |
CN111276161B (zh) | 一种语音质量评分系统及方法 | |
CN111477244A (zh) | 一种面向用户的自定义体育赛事解说增强方法 | |
CN111009262A (zh) | 语音性别识别的方法及系统 | |
CN101312520B (zh) | 音频特征的泛用节目时段筛选方法与相关的辅助方法 | |
CN111144482B (zh) | 一种面向数字助听器的场景匹配方法、装置及计算机设备 | |
Barbedo et al. | A robust and computationally efficient speech/music discriminator | |
CN114678039A (zh) | 一种基于深度学习的歌唱评价方法 | |
CN114283851A (zh) | 基于视频彩铃识别客户的方法、系统、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |