CN1898970B - 音调检测方法和系统 - Google Patents

Abstract

描述了音调检测的方法和系统。该方法包括接收具有包括音调的信号的一系列帧并在该一系列帧中定位存在至少部分音调的第一帧。随后将存在至少部分音调的第一帧的信号能量与完整音调帧的信号能量比较或者与该一系列帧中第一帧的后续帧的信号能量比较。随后基于该第一帧和完整音调帧或后续帧的信号能量比较而确定该信号中音调的开始时间。通过在该一系列帧中定位存在至少部分音调的最后帧并将该一系列帧中存在至少部分音调的最后帧的信号能量和完整音调帧或该一系列帧中该最后帧的前一帧的信号能量比较，从而确定该信号中音调的结束时间。基于该信号中确定的音调开始时间和结束时间确定该音调信号的持续时间。

Description

音调检测方法和系统

技术领域

本发明的实施例涉及IP电话通讯应用领域，更为特别地涉及音调检测。

背景技术

在目前的电话通讯应用中，需要检测和发送标准音调的存在。当需要在包交换网络例如因特网协议语音(Voice Over IP)中进行数据传输时，基于逐帧地进行音调检测，通常进行该检测的频率和语音代码的帧频相同。由于音调的开始和结束并不和语音帧频同步，因此音调的开始、结束、以及持续时间的时间表示不准确。例如，对于10ms的帧频，以10ms的增量表示音调开始和结束点。这可能导致音调持续时间表示偏离真实值超过10ms。由于音调持续时间是音调检测和分类中的一个重要标准，该偏差可能导致音调检测的不准确并使音调步调信号(tone cadence)信息失真。

附图说明

通过参考下述描述和用于阐述本发明实施例的附图可以理解本发明。附图中：

图1为阐述包括本发明的系统的一个普遍实施例的方框图。

图2为阐述根据本发明实施例的音调检测示例的图示。

图3为阐述根据本发明实施例的方法的流程图。

图4为阐述实践了所示发明特定方面的适当计算环境的方框图。

发明详述

现在描述音调检测系统和方法的实施例。在下述描述中，列出了许多具体细节。然而，应该了解到，实践本发明实施例时可以不采用这些具体细节。在其它情形中，没有详细地示出公知的电路、结构和技术，以免使对该描述的理解变得不清楚。

整个说明书中提及“某一实施例”或“一个实施例”，是指结合该实施例所描述的具体特点、结构、或特性被包括在本发明的至少一个实施例中。因此，在整个说明书中各个位置出现短语“某一实施例”或“一个实施例”并不一定都指相同的实施例。此外，可在一个或多个实施例中以任何适当的方式组合这些具体特点、结构、或特性。

参考图1，该方框图阐述了根据本发明一个实施例的系统100。本领域普通技术人员将会了解到，系统100可包括比图1所示更多的元件。然而，为了公开用于实践本发明的示例性实施例，无需将所有这些通常传统元件都示出。

系统100包括IP网络114、通过网关106连接到IP网络114的发射机102、以及通过网关116连接到IP网络114的接收机104。网关106包括音调检测器108，用于检测从发射机接收到的信号是否为音调信号。如果接收到的信号被确定是音调信号，这些信号被音调编码器112编码后发送到IP网络114。如果接收到的信号被确定是语音信号，这些信号被语音编码器110编码后发送到IP网络114。该音调信号或语音信号随后可通过网关116从IP网络114发送到接收机104。

音调检测器108可使用各种音调检测算法中的一种，例如快速傅立叶变换(FFT)或滤波器组分析，从而检测接收信号中的音调。这些算法通常通过确定信号的能量和频率而分析所接收到的信号。随后将该信号的能量和频率与预定音调模板中的各种音调的能量和频率进行比较以识别音调(如果在该信号中存在任何音调的话)。因此，在该信号中检测到音调之后，可能已经确定该音调信号的各个帧的平均能量电平。

对于该音调信号的中间帧，平均能量相对稳定，并可由该信号的振幅确定该平均能量。然而，音调并不总是起始于帧起点或终止于帧结束。因此，音调信号的第一帧和最后一帧的平均能量可能小于中间帧的平均能量，这是因为只在帧的一部分中出现该音调。

帧内的平均能量电平应该和该帧内的音调的持续时间成比例。因此，为了评估音调信号的第一帧内该音调的持续时间，可使用第一帧的平均能量与整个音调帧的平均能量的比例。在一个实施例中，可使用第一帧的平均能量与一中间帧的平均能量的比例来评估音调信号的第一帧内音调持续时间。类似地，为了评估音调信号的最后一帧内的音调持续时间，可使用最后一帧的平均能量与整个音调帧或中间帧的平均能量的比例。在一个实施例中，可以使用将能量比例映射到实际持续时间的查找表来确定在第一帧或最后一帧中的音调持续时间。

通过确定和存储音调信号各个帧的平均能量并执行前述的划分和/或表格查找，可以确定音调信号的第一帧和最后一帧内的音调持续时间，从而提供音调信号中更为准确和精确的音调起始时间、结束时间、以及总持续时间。

图2为阐述了具有根据本发明一个实施例的示例音调信号202的音调检测示例。在该示例中，在六个帧(N+1一直到N+6)内出现音调，帧频为10ms。本发明可以使用各种其它帧频，包括但不限于20ms、40ms、或60ms。音调检测器可使用前述的许多种音调检测算法之一，以确定所接收的信号202是否为音调信号。将分析信号202的能量和频率，并将其能量和频率与一个或多个预定音调模板中的一个或多个音调的能量和频率进行比较。该比较将确定在信号202中是否存在音调。如果未在信号202中检测到音调，信号202被送到语音编码器110进行编码，之后发送到接收机104。如果在信号202中检测到音调，进行进一步的分析以确定音调的开始、结束、和持续时间。可根据音调的开始、中间、和结束的频率二进制来存储信号202各帧的平均能量。在音调检测分析期间可能已经确定了这个平均能量。

为了发现音调的开始，定位存在至少部分音调的音调信号第一帧的位置。前述音调检测分析可能已经确定了音调信号的开始帧和结束帧。确定的开始帧和结束帧可能精确，可能不精确。例如，在图2所示的示例中，音调检测分析可能已经确定了音调开始于帧N+2并结束于帧N+5。帧N+1和N+6不包括通过检测分析识别所需的足够音调，这可能会导致不精确的确定。

在一个实施例中，通过检查由该音调检测分析提供的开始帧并将该帧的平均能量与后续帧和/或前一帧的平均能量比较，由此确定音调开始的位置。例如，假设该音调检测分析已经确定帧N+2为音调的开始帧。帧N+2的平均能量为100。下一帧(N+3)的平均能量为100。这些平均能量之比为1。由于音调信号各个中间帧的平均能量代表了完整音调帧的平均能量，这个比例1表示帧N+2和帧N+3都是完整音调帧。因此，在帧N+2之前可能存在一帧，该帧具有部分音调并包括该音调的真实开始。因此分析帧N+1。将帧N+1的平均能量40与帧N+2的平均能量100比较。因此该平均能量之比为4/10。这表示帧N+1为部分帧音调并包括该音调的开始。为了确定该音调开始的起始时间，使用4/10的比例查找真实持续时间。由于帧的平均能量电平应该与该帧内音调持续时间成比例，对于帧频为10ms的比例4/10表示在帧N+1中存在4ms的音调。

在另一个示例中，如果音调检测分析已经确定帧N+1为音调开始帧，帧N+1的平均能量与帧N+2的平均能量的比例为4/10，这表示帧N+1为部分音调帧并且包括该音调的开始。因此，不需要分析前一帧(例如帧N)。

以相似的方式可以确定该音调结束的位置。例如，假设音调检测分析确定帧N+5为结束帧。帧N+5的平均能量为100。将该平均能量与前一帧(例如帧N+4)的平均能量比较，该前一帧的平均能量为100。该平均能量的比例为1。这表示帧N+4和N+5都是完整音调帧。因此，需要分析后续帧。帧N+6的平均能量为20。帧N+6的平均能量和帧N+5的平均能量的比例为2/10。这表示帧N+6为部分音调帧并包括该音调的结束。对于帧频为10ms的比例2/10意味着帧N+6包括2ms的音调。

通过前述过程确定了更为精确的音调开始和结束之后，可以确定更为精确的音调总持续时间。在图2的示例中，由于存在四个完整音调帧(N+2至N+5)，每个帧包括10ms的音调，开始部分帧包括4ms的音调，结束部分帧包括2ms的音调，所以该音调的总持续时间为46ms。

图3阐述了根据本发明一个实施例的方法。在步骤300，接收具有包括音调的信号的一系列帧。在步骤302，定位该一系列帧中存在至少部分音调的第一帧。在步骤304，将第一帧的信号能量与该一系列帧中的后续帧的信号能量进行比较。在一个实施例中，通过使用第一帧的信号能量与该一系列帧中后续帧的信号能量的比例而进行该比较。在一个实施例中，将该比例乘以帧频以确定第一帧内音调持续时间。在一个实施例中，可使用该比例执行将能量比例映射到持续时间的表格查找。在步骤306，基于第一帧与后续帧的信号能量的比较而确定该信号中音调的开始时间。在一个实施例中，定位该一系列帧中存在至少部分音调的最后一帧。随后将该最后一帧的信号能量与该一系列帧中前一帧的信号能量进行比较。基于最后一帧与前一帧的信号能量比较，随后确定该信号中音调结束时间。在一个实施例中，可基于所确定的信号中音调的开始时间和结束时间而确定该音调的持续时间。

图4为阐述实践了所示发明特定方面的适当计算环境的方框图。在一个实施例中，可在具有元件402-412的计算机系统400上实施前述的方法，该系统包括分别通过总线408相耦合的处理器402、存储器404、输入/输出装置406、数据存储装置412、以及网络接口410。这些元件执行该技术领域中已知的传统功能，并提供了用于实施系统100的工具。整体上说，这些部件代表了多种类型的硬件系统，包括但不限于通用计算机系统和专用的包发送装置。将会了解到，可以重新排列计算机系统400的各种部件，且本发明的特定实施并不要求包括所有上述部件。此外，系统400中可包括附加的部件，例如附加的处理器(例如数字信号处理器)、存储装置、存储器、以及网络或通信接口。

本领域技术人员将会了解到，用于实施本发明方法实施例的内容例如计算机程序指令，可由能够存储系统100可访问的数据的任何机器可读取介质来提供，作为存储器的一部分或者除了存储器之外，包括但不限于磁盘、磁带、闪存、数字视频磁盘、随机访问存储器(RAM)、只读存储器(ROM)等。在这一点上，系统100被装备成与诸如这种机器可读取的介质以本技术领域中熟知的方式进行通信。

本领域技术人员将会进一步了解到，可由任何外部装置向系统100提供用于实施本发明方法的实施例的内容，其中该任何外部装置能够存储这些内容并将这些内容传递给系统100。例如，在本发明一个实施例中，系统100可连接到网络，该内容可以存储在网络中的任何装置内。

尽管已经结合诸多实施例描述了本发明，但本领域技术人员将意识到，本发明不限于所述实施例，在所附权利要求书的精神和范围内可进行调整和改变。因此该说明书应被看作是阐述本发明而非限制本发明。

Claims (15)

1.一种用于音调检测的方法，包括：

接收具有包括音调的信号的一系列帧；

在该一系列帧中定位存在至少部分音调的第一帧；

将存在至少部分音调的第一帧的信号能量与该一系列帧中后续帧的信号能量比较；以及

基于该第一帧和后续帧的信号能量比较而确定信号中音调的开始时间；

其中将该第一帧的信号能量与该一系列帧中后续帧的信号能量的比较包括确定该第一帧的信号能量和该一系列帧中后续帧的信号能量的比例，以及

其中基于该第一帧和后续帧的信号能量比较而确定信号中音调的开始时间包括将该第一帧的信号能量与该一系列帧中后续帧的信号能量的比例乘以帧频以确定第一帧中音调的持续时间。

2.权利要求1的方法，进一步包括在该一系列帧中定位存在至少部分音调的最后帧。

3.权利要求2的方法，进一步包括将该最后帧的信号能量和该一系列帧中前一帧的信号能量比较。

4.权利要求3的方法，进一步包括基于该最后帧与前一帧的信号能量比较而确定该信号中音调结束时间。

5.权利要求4的方法，进一步包括基于信号中确定的音调的开始时间和结束时间来确定音调的持续时间。

6.权利要求1的方法，其中基于第一帧和后续帧的信号能量的比较而确定信号中音调开始时间包括，使用一系列帧中第一帧的信号能量与后续帧的信号能量的比例以执行将能量比例映射到持续时间的表格查找。

7.一种用于音调检测的设备，包括：

音调检测元件，用于检测信号中是否存在音调，其中用一系列帧代表该信号，并用于确定一系列帧中各帧的信号能量；以及

耦合到该音调检测元件的音调分析元件，用于将一系列帧中存在至少部分音调的第一帧的信号能量与完整音调帧的信号能量比较，并基于第一帧与完整音调帧的信号能量比较而确定该信号中音调开始时间，该音调分析元件进一步比较一系列帧中存在至少部分音调的最后帧的信号能量与完整音调帧的信号能量，并基于最后帧和完整音调帧的信号能量比较而确定该信号中音调结束时间，并基于所确定的信号中音调开始时间和结束时间而进一步确定该音调的持续时间。

8.权利要求7的设备，进一步包括耦合到该音调检测元件以编码语音信号的语音编码器。

9.权利要求7的设备，进一步包括耦合到该音调分析元件以编码音调信号的音调编码器。

10.权利要求7的设备，其中将一系列帧中存在至少部分音调的第一帧的信号能量与完整音调帧的信号能量比较，以及基于第一帧与完整音调帧的信号能量比较而确定该信号中音调开始时间的该音调分析元件包括，将一系列帧中存在至少部分音调的第一帧的信号能量与该一系列帧中第一帧的后续帧的信号能量比较，以及基于第一帧与后续帧的信号能量比较而确定该信号中音调开始时间的音调分析元件。

11.权利要求7的设备，其中将一系列帧中存在至少部分音调的最后帧的信号能量与完整音调帧的信号能量比较，以及基于最后帧与完整音调帧的信号能量比较而确定该信号中音调结束时间的该音调分析元件包括，将一系列帧中存在至少部分音调的最后帧的信号能量与该一系列帧中该最后帧的前一帧的信号能量比较，以及基于最后帧与前一帧的信号能量比较而确定该信号中音调结束时间的音调分析元件。

12.一种用于音调检测的系统，包括：

发送包括音调的信号的发射机；以及

耦合到该发射机以接收该信号的音调检测器，其中用一系列帧代表该信号，该音调检测器包括：

音调检测元件，用于检测信号中是否存在音调并确定该一系列帧中各帧的信号能量；以及

耦合到该音调检测元件的音调分析元件，用于将一系列帧中存在至少部分音调的第一帧的信号能量与该一系列帧中的后续帧的信号能量比较，并基于第一帧与后续帧的信号能量比较而确定该信号中音调开始时间，该音调分析元件进一步比较该一系列帧中存在至少部分音调的最后帧的信号能量与完整音调帧的信号能量，并基于最后帧和完整音调帧的信号能量比较而确定该信号中音调结束时间，并基于所确定的信号中音调开始时间和结束时间而进一步确定该音调的持续时间。

13.权利要求12的系统，进一步包括耦合到该音调检测器并在信号发送到接收机之前编码该信号的音调编码器。

14.权利要求12的系统，进一步包括耦合到该音调检测器以编码所接收的语音信号的语音编码器。

15.权利要求12的系统，其中该音调分析元件进一步比较该一系列帧中至少存在部分音调的最后帧的信号能量与该一系列帧中前一帧的信号能量，并基于该最后帧与前一帧的信号能量比较而确定该信号中音调的结束时间。

Images