CN1945689A - 一种从歌曲中提取伴奏乐的方法及其装置 - Google Patents

Abstract

本发明公开了一种从歌曲中提取伴奏乐的方法，该方法为：接收左声道和右声道分别输出的信号，并将所述信号区分为包含人声信号的第一部分信号和不包含人声信号的第二部分信号；接着消除左声道和右声道中所述第一部分信号中的人声信号；最后分别将所述左声道和右声道中的第二部分信号和消除人声信号后的第一部分信号叠加以生成完整的输出信号。这样，便解决了现有技术在消除人声信号时会消除一部分伴奏音乐而影响伴奏音乐音质，以及在提取某些歌曲中的伴奏音乐时存在无法消除人声信号的问题，既保证了伴奏音乐的质量又在很大程度上提高了提取伴奏音乐的技术能力。本发明还公开了一种从歌曲中提取伴奏乐的装置。

Description

一种从歌曲中提取伴奏乐的方法及其装置

技术领域

本发明涉及信号处理技术，特别涉及一种从歌曲中提取伴奏乐的方法及其装置。

背景技术

在日常生活中，有时会希望通过伴奏带来录制自己演唱的歌曲，如果找不到合适的伴奏带，可以利用一些音频播放软件或音频处理软件把伴奏音乐单独从原唱歌曲中提取出来。参阅图1所示，目前的音频播放软件或音频处理软件在提取伴奏乐时，往往利用大多数歌曲中人声在左右两个声道中基本相同的特点，采用将两个声道中的信号直接对减的方法来消除人声。这种方法有以下两个缺点：

第一，在部分歌曲中，人声在左右两个声道中并没有准确对齐，而是有一个延迟，对于这种情况，现有的方法无法从歌曲中消除人声；

第二，现有的方法在消除人声的同时，也会消除一部分伴奏音乐，从而引起伴奏音乐音质的下降。

发明内容

本发明提供一种从歌曲中提取伴奏乐的方法及其装置，解决现有技术在消除人声时会消除一部分伴奏音乐而影响伴奏音乐音质的问题；进一步解决在提取某些歌曲中的伴奏音乐时存在无法消除人声的问题。

本发明技术方案如下：

一种从歌曲中提取伴奏乐的方法，包括步骤：

接收左声道和右声道分别输出的信号，并将所述信号区分为包含人声信号的第一部分信号和不包含人声信号的第二部分信号；

消除左声道和右声道中所述第一部分信号中的人声信号；

分别将所述左声道和右声道中的第二部分信号和消除人声信号后的第一部分信号叠加以生成完整的输出信号。

根据上述方法：

在消除人声信号时先将其中一个声道的第一部分信号作为参考信号，并对另一个声道的第一部分信号进行延时处理，使左右两个声道中的人声信号的位置对齐后消除人声信号。

在进行延时处理之前，先在所述参考信号中延时一定数量的取样点以保证所述参考信号迟于另一个声道的第一部分信号。

所述延时处理包括步骤：

根据所述参考信号对所述需要进行延时处理的第一部分信号进行延时估计，即获取对该第一部分信号进行延时所需的取样点的数量；

将所述需要进行延时处理的第一部分信号延时相应数量的取样点。

在获取所述取样点的数量时，包括步骤：

将所述参考信号和所述需要进行延时处理的第一部分信号进行分帧处理，并根据经过分帧处理的第一部分信号获取相应的频域系数向量；

获取所述频域系数向量的更新量并根据该更新量更新所述频域系数向量；

将所述更新后的频域系数向量转换为时域形式并获取时域系数向量中系数绝对值最大的系数；

根据所述系数获取所述延时所需取样点的数量。

所述时域系数向量中绝对值最大的系数所对应的序号即为延时所需的取样点的数量。

在获取所述频域系数向量的更新量时，包括步骤：

将经过分帧处理的第一部分信号的相邻两帧合并以生成新的输入信号，并将所述输入信号转换为频域形式；

根据所述频域系数向量对所述频域形式的输入信号进行滤波处理；

根据滤波处理的结果和所述参考信号生成相应的误差信号并将该误差信号转换为频域形式；

根据所述频域形式的误差信号和所述频域形式的输入信号的共轭取值计算得到频域系数向量的更新量。

一种从歌曲中提取伴奏乐的装置，包括：

用于分别将左声道和右声道输出的宽带信号区分为包含人声信号的第一部分信号和不包含人声信号的第二部分信号的模块；

用于消除所述左声道和右声道中的人声信号的模块；

用于分别将所述左声道和右声道中的第二部分信号和消除人声信号后的第一部分信号叠加以生成完整的输出信号的模块。

所述装置进一步包括：

用于将其中一个声道的第一部分信号作为参考信号，对另一个声道的第一部分信号进行延时处理的模块；

用于将所述参考信号延时一定数量的取样点的模块；

用于将左声道和右声道中已对齐的人声信号消除的模块。

本发明有益效果如下：

本发明通过将左声道和右声道中输出的音乐信号区分为包含人声信号的第一部分信号和不包含人声信号的第二部分信号，并在消除了第一部分信号的人声信号之后，根据所述第二部分信号对第一部分信号进行频率补偿处理，从而保证了所提取的伴奏音乐的音质。另一方面，本发明通过对所述第一部分信号进行延时处理，使第一部分信号中所包含的人声信号在左右两个声道中的位置对齐，并将所述对齐的人声信号消除，从而在很大程度上提高了从歌曲中提取伴奏音乐的技术能力。

附图说明

图1为现有技术下提取伴奏音乐方法示意图；

图2A和图2B为本发明实施例中预处理方法示意图；

图3A为本发明实施例中提取装置功能结构图；

图3B为本发明实施例中自适应滤波模块功能结构图；

图4为本发明实施例中从歌曲中提取伴奏乐的详细流程图。

具体实施方式

为了解决现有技术下，在从歌曲中提取伴奏音乐时，某些歌曲中的人声信号无法消除，或者在消除人声信号的同时也消除一部分伴奏音乐的问题。本发明通过分别将左声道和右声道中输出的音乐信号区分为包含人声信号的第一部分信号和不包含人声信号的第二部分信号，同时将需要进行延时处理的第一部分信号延时相应数量的取样点，从而使左右两个声道中的人声信号的位置对齐，再将对齐后的人声信号通过对减的方法进行消除，最后将消除人声的第一部分信号和所述第二部分信号进行叠加以生成最后的输出信号。

本实施例中，音乐一般都是宽带信号(采样率44.1KHz，信号带宽22.05KHz)，而人声的频率范围并没有那么大，一般在200Hz～6000Hz的频率范围内。本发明实施例中，提取装置(即从歌曲中提取伴奏乐的装置)在接收到左右两个声道中分别输出的宽带信号时，先根据带通滤波技术按频率将其分为两部分，参阅图2A和图2B所示，第一部分在200Hz～6000Hz范围以内，第二部分在200Hz～6000Hz范围以外，即0Hz～200Hz和6000Hz～22050Hz的频率范围内；第一部分信号几乎包含所有的人声信号，第二部分信号几乎不包含人声信号。

接下来，提取装置选择一个声道中的第一部分信号作为参考信号，并将该信号延时一定数量的取样点以保证所述参考信号在输出时间上迟于另一个声道中的第一部分信号，同时对所述另一个声道中的第一部分信号进行延时处理，使左右两个声道中的人声信号的位置对齐后再将其消除。所述延时处理即根据频域自适应滤波技术在所述第一部分信号中延时相应数量的取样点，使左右两个声道的第一部分信号所包含的人声信号的位置对齐。

最后，提取装置对消除了人声信号的第一部分信号进行频率补偿的处理，即分别将所述左声道和右声道中的第二部分信号和消除人声信号后的第一部分信号叠加以生成完整的输出信号。

参阅图3A所示，所述提取装置包括预处理模块30、自适应滤波模块31和频率补偿模块32。所述预处理模块30用于根据带通滤波技术将接收的宽带信号区分为包含人声信号的第一部分信号和不包含人声信号的第二部分信号；所述自适应滤波模块31用于消除左声道和右声道中输出的第一部分信号所包含的人声信号；所述频率补偿模块32用于将消除了人声信号的第一部分信号和所述第二部分信号进行叠加以生成完整的输出信号。

参阅图3B所示，所述自适应滤波模块31包括处理模块310和消除模块311。所述处理模块310用于接收预处理模块30发送的左声道和右声道分别输出的第一部分信号，并根据自适应滤波技术对其中一个声道的第一部分信号进行延时处理，使两个声道中的人声信号的位置对齐；所述消除模块311用于通过对减的方法将左右两个声道中已对齐的人声信号消除。

本实施例中，自适应滤波模块31将左声道输出的第一部分信号作为参考信号，在该第一部分信号中延时5个取样点并对该第一部分信号进行分帧处理，同时对右声道输出的第一部分信号进行延时处理，所述参考信号用

表示，即： $\stackrel{\→}{d}\left(k\right)=[d\left(\mathrm{kM}\right),d(\mathrm{kM}+1),...,d(\mathrm{kM}+M-1)]$ 。接着，自适应滤波模块31对右声道输出的第一部分信号进行分帧处理，本实施例中，自适应滤波模块31所采用的阶数是M，记为w(k)，(0≤K≤M-1)，阶数M也表示自适应滤波模块31拥有M个系数。为了避免信号混叠，要将M阶的自适应滤波模块31扩展M个0，使其拥有N＝2M个系数，接着对w(k)进行快速傅立叶变换(FFT)，得到自适应滤波模块31的频域系数向量 $W\left(k\right)=\mathrm{FFT}\left[\begin{array}{c}w\left(k\right)\\ 0\end{array}\right],$ 由此式看出，频域系数向量长度是时域系数向量长度的2倍。此时，经过分帧处理的右声道中输出的第一部分信号每一帧有M个取样点，为了和频域系数向量长度相符合，应将上一帧和当前帧合并为一个长度为N＝2M的大帧，所述合并后的大帧如下所示：

将

做FFT转换到频域： $U\left(k\right)=\mathrm{FFT}\left[\stackrel{\‾}{u}\left(k\right)\right];$ 接着采用重叠保留法，对输入信号进行滤波，得到： $\stackrel{\→}{y}\left(k\right)=[y\left(\mathrm{kM}\right),y(\mathrm{kM}+1),......,y(\mathrm{kM}+M-1)]=\mathrm{IFFT}[U\left(k\right)*W\left(k\right)]$ [逆傅丽叶变换(IFFT)结果取后M个点]。相应地，误差信号则表示为 $\stackrel{\→}{e}\left(k\right)=[e\left(\mathrm{kM}\right),e(\mathrm{kM}+1),......,e(\mathrm{kM}+M-1)]=\stackrel{\→}{d}\left(k\right)-\stackrel{\→}{y}\left(k\right),$ 经过FFT，得到频域的误差信号矢量为： $E\left(k\right)=\mathrm{FFT}\left[\begin{array}{c}0\\ \stackrel{\→}{e}\left(k\right)\end{array}\right],$ 通过误差信号矢量E(k)和输入信号矢量U(k)即可计算出自适应滤波模块31的频域系数向量的更新量 所述更新量是通过计算误差信号和输入信号的相关性来确定的，由于线性相关从形式上看相当与一个逆的线性卷积，因此， $\stackrel{\→}{\mathrm{\φ}}\left(k\right)=\mathrm{IFFT}[U^H\left(k\right)*E\left(k\right)]$ (IFFT结果取前M个点，U^H(k)为U(k)的共轭取值)。最后，利用更新量 来更新自适应滤波模块31的频域系数向量，即 $W(k+1)=W\left(k\right)+\mathrm{\μFFT}\left[\begin{array}{c}\mathrm{\φ}\left(k\right)\\ 0\end{array}\right].$

更新完毕后，我们将新的频域系数向量，通过IFFT转换成时域系数向量： $\stackrel{\→}{w}\left(n\right)=\mathrm{IFFT}\left[W\left(K\right)\right]$ (IFFT结果取前M个点)，

为自适应滤波模块31的时域系数向量，是一个长度为M的实向量， $\stackrel{\→}{w}\left(n\right)={[w_0\left(n\right),w_1\left(n\right),...,w_{M-1}\left(n\right)]}^T.$ 此时，

中绝对值最大的系数所在的位置即是左右两个声道中人声信号需要对齐的位置，该系数也反映了右声道输出的第一信号所必需延时的取样点的数量。即在|w_i(n)|i＝0，1，......，M-1中，搜索找到最大的系数绝对值|w_max(n)|及其对应的取样点i，记为imax，则imax即为右声道输出的第一部分信号所需延时的取样点的数量。

根据imax，自适应滤波模块31将左声道和右声道中输出的人声信号的位置对齐，接着再将两个声道中已对齐的人声信号对减，从而消除了左声道和右声道中的第一部分信号所包含的人声信号。例如，imax＝3，则将输入左声道的第一部分信号记为d(n)，输入右声道的第一部分信号记为u(n)，输出左声道的第一部分信号记为d’(n)，输出右声道的第一部分信号记为u’(n)，则：d’(n)＝d(n)-u(n-imax)；u’(n)＝u(n-imax)-d(n)。若imax＝5，则说明第一部分信号中的人声信号在左声道和右声道中的位置在没有经过自适应滤波处理之前即是对齐的，这样，也可以通过上述公式：d’(n)＝d(n)-u(n-imax)；u’(n)＝u(n-imax)-d(n)来将两个声道中的人声信号消除。

自适应滤波模块31对左右两个声道中的第一部分信号进行自适应滤波处理后，虽然输出的信号中已消除了人声信号，但是该部分信号的频率范围是从200Hz～6000Hz，需要做频率补偿处理。此时，频率补偿模块32将预处理模块30输出的左声道和右声道中的第二部分信号分别和所述两个声道中经过自适应滤波处理的第一部分信号叠加以实现频率补偿，最后再将完整的音乐信号输出，该音乐信号即所需提取的伴奏音乐。

参阅图4所示，本发明实施例中，从原唱歌曲中提取伴奏音乐的详细流程如下：

步骤400：预处理模块30接收左声道和右声道分别输出的宽带信号，并根据带通滤波技术分别将所述宽带信号区分为包含人声信号的第一部分信号和不包含人声信号的第二部分信号。

步骤401：自适应滤波模块31将左声道中输出的第一部分信号作为参考信号并将其延时一定数量的取样点，同时对右声道输出的第一部分信号进行延时处理。

步骤402：自适应滤波模块31将右声道中输出的第一部分信号进行分帧处理并获取相应的频域系数向量。

步骤403：自适应滤波模块31将经过分帧处理的第一部分信号的相邻两帧合并以生成新的输入信号，最后将所述输入信号转换为频域形式。

步骤404：自适应滤波模块31根据所述频域系数向量对所述频域形式的输入信号进行滤波处理，再根据滤波处理的结果和所述参考信号生成相应的误差信号并将该误差信号转换为频域形式。

步骤405：自适应滤波模块31根据所述频域形式的误差信号和所述频域形式的输入信号计算得到频域系数向量的更新量，并根据该更新量更新所述频域系数向量；

步骤406：自适应滤波模块31将所述更新后的频域系数向量转换为时域形式并获取时域系数向量中系数绝对值最大的系数。

步骤407：自适应滤波模块31根据时域系数向量中系数绝对值最大的系数对右声道中输出的第一部分信号进行延时处理，将该信号延时相应数量的取样点。

步骤408：自适应滤波模块31通过对减的方法将左声道和右声道中已对齐的人声信号消除。

步骤409：频率补偿模块32将消除人声信号后的第一部分信号和所述第二部分信号叠加以生成完整的输出信号。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1、一种从歌曲中提取伴奏乐的方法，其特征在于，包括步骤：

接收左声道和右声道分别输出的信号，并将所述信号区分为包含人声信号的第一部分信号和不包含人声信号的第二部分信号；

消除左声道和右声道中所述第一部分信号中的人声信号；

分别将所述左声道和右声道中的第二部分信号和消除人声信号后的第一部分信号叠加以生成完整的输出信号。

2、如权利要求1所述的方法，其特征在于，在消除人声信号时先将其中一个声道的第一部分信号作为参考信号，并对另一个声道的第一部分信号进行延时处理，使左右两个声道中的人声信号的位置对齐后消除人声信号。

3、如权利要求2所述的方法，其特征在于，在进行延时处理之前，先在所述参考信号中延时一定数量的取样点以保证所述参考信号迟于另一个声道的第一部分信号。

4、如权利要求2或3所述的方法，其特征在于，所述延时处理包括步骤：

根据所述参考信号对所述需要进行延时处理的第一部分信号进行延时估计，即获取对该第一部分信号进行延时所需的取样点的数量；

将所述需要进行延时处理的第一部分信号延时相应数量的取样点。

5、如权利要求4所述的方法，其特征在于，在获取所述取样点的数量时，包括步骤：

将所述参考信号和所述需要进行延时处理的第一部分信号进行分帧处理，并根据经过分帧处理的第一部分信号获取相应的频域系数向量；

获取所述频域系数向量的更新量并根据该更新量更新所述频域系数向量；

将所述更新后的频域系数向量转换为时域形式并获取时域系数向量中系数绝对值最大的系数；

根据所述系数获取所述延时所需取样点的数量。

6、如权利要求5所述的方法，其特征在于，将所述时域系数向量中绝对值最大的系数所对应的序号作为延时所需的取样点的数量。

7、如权利要求5或6所述的方法，其特征在于，在获取所述频域系数向量的更新量时，包括步骤：

将经过分帧处理的第一部分信号的相邻两帧合并以生成新的输入信号，并将所述输入信号转换为频域形式；

根据所述频域系数向量对所述频域形式的输入信号进行滤波处理；

根据滤波处理的结果和所述参考信号生成相应的误差信号并将该误差信号转换为频域形式；

根据所述频域形式的误差信号和所述频域形式的输入信号计算得到频域系数向量的更新量。

8、如权利要求7所述的方法，其特征在于，根据所述频域形式的输入信号的共轭取值计算所述频域系数向量的更新量。

9、一种从歌曲中提取伴奏乐的装置，其特征在于，包括：

用于分别将左声道和右声道输出的宽带信号区分为包含人声信号的第一部分信号和不包含人声信号的第二部分信号的模块；

用于消除所述左声道和右声道中的人声信号的模块；

用于分别将所述左声道和右声道中的第二部分信号和消除人声信号后的第一部分信号叠加以生成完整的输出信号的模块。

10、如权利要求9所述的装置，其特征在于，所述从歌曲中提取伴奏乐的装置进一步包括：

用于将其中一个声道的第一部分信号作为参考信号，对另一个声道的第一部分信号进行延时处理的模块；

用于将所述参考信号延时一定数量的取样点的模块；

用于将左声道和右声道中已对齐的人声信号消除的模块。

Images