CN1953048A - 一种混音的处理方法 - Google Patents

Abstract

本发明公开了一种混音的处理方法，包括：A.从需要进行混音处理的至少两路脉冲编码调制PCM流中分别依次提取每个采样点的振幅值；B.对每个采样点，利用预先为各路PCM流分别设定的加权值对各路PCM流在该采样点的振幅值分别进行加权处理，将加权处理后的振幅值相加，得到的值作为混音PCM流在该采样点的振幅值；C.依次对混音PCM流在每个采样点的振幅值进行编码，转化为混音PCM流。利用本发明所述方法可以保证混音后的语音效果和语音质量。

Description

一种混音的处理方法

技术领域

本发明涉及对数字语音流的处理技术，尤其涉及一种对至少两路数字语音流进行混音的处理方法。

背景技术

当前，随着计算机网络的快速发展，计算机用户可以在网络上方便地传播共享音乐。对于已经不能满足于仅仅唱卡拉OK的计算机用户，他们更希望能在自己的计算机上，根据自己的喜好来录制音乐，之后上传到计算机网络上，供大家一起欣赏和分享。因此，在计算机上的卡拉OK翻唱技术也就应运而生了。在计算机上，用户可以随意地定制自己的翻唱效果，包括音量控制以及各种声音效果等。具体的操作步骤是，用户首先在计算机上存储要翻唱的歌曲的伴奏音频文件；接着，在计算机上进行录音，录音后的人声将以纯脉冲编码调制(PCM，Pulse Code Modulation)格式被保存在本计算机上；之后，将伴奏声和人声进行混音处理；最后，根据自己喜好，添加各种音效处理。

通常，所述的伴奏音乐的格式不是纯PCM格式，而是mp3，wma等格式，因此需要先将非PCM格式的伴奏音乐转换成纯PCM格式。混音处理是把两个纯PCM格式的原始语音，即伴奏声和人声，最终合成一个PCM格式的语音，该语音既包括伴奏声又包括人声。现有的混音处理方法主要是：对于两路需要混音的原始PCM语音流，分别取出每个对应的样本点的振幅值，直接相加处理，即达到混音效果。

现有技术的缺点是：首先，当需要混音的两路原始PCM流的各自音量差别较大时，根据现有方法混音后，会出现伴奏音乐声太大而人声太小，或者伴奏音乐声太小而人声太大的不和谐语音效果，混音质量不高。其次，当两路声音的原始音量都比较大时，由于叠加后的PCM语音的振幅值超出了采样的量化等级所能指定的范围，因此混音后的声音会出现失真现象，这种失真除了会影响语音效果，还会造成刺耳的噪声。

发明内容

有鉴于此，本发明的主要目的在于提供一种混音的处理方法，以保证混音后的语音效果和语音质量。

为了实现上述发明目的，本发明的主要技术方案为：

一种混音的处理方法，包括：

A、从需要进行混音处理的至少两路脉冲编码调制PCM流中分别依次提取每个采样点的振幅值；

B、对每个采样点，利用预先为各路PCM流分别设定的加权值对各路PCM流在该采样点的振幅值分别进行加权处理，将加权处理后的振幅值相加的值作为混音PCM流在该采样点的振幅值；

C、依次对混音PCM流在每个采样点的振幅值进行编码，转化为混音PCM流。

优选地，所述步骤A是：以PCM流量化等级的位数为一个采样点的提取位数从PCM流中提取每个采样点的振幅值。

优选地，在步骤A之前，进一步包括：判断各路PCM流的采样参数是否相同，如果不同，则对该PCM流进行转换，转换成采样参数相同的PCM流。

优选地，所述判断各路PCM流的采样参数是否相同是：解析对应承载每路PCM流的位文件，从位文件的文件头中读取该路PCM流的采样参数，再以此判断各路PCM流的采样参数是否相同。

上述的采样参数为采样频率和量化级数。

并且，上述将不同采样频率的PCM流转化为相同采样频率的PCM流的方法是：通过复制采样点振幅值的方法将小采样率的PCM流转化为大采样率的PCM流；通过整合采样点振幅值的方法将大采样率的PCM流转化为小采样率的PCM流。

上述将不同采样频率的PCM流转化为相同采样频率的PCM流的方法还可以是：按照公式 $\frac{\mathrm{Rat}{e}_A}{\mathrm{Rat}{e}_B}=\frac{Y}{X}$ 得到X，其中Rate_A为转化前的采样频率，Rate_B为转化后的采样频率，Y为预先设定的值，将X取整得到X′，利用插值算法将PCM流中的每Y个采样点的振幅值平均转换为X′个采样点的振幅值。

上述将不同量化级数的PCM流转化为相同量化级数的PCM流的方法是：通过公式 $\frac{\mathrm{Valu}{e}_A}{\mathrm{Ma}{x}_A}=\frac{\mathrm{Valu}{e}_B}{\mathrm{Ma}{x}_B}$ 确定转化量化级数后的PCM流的各采样点的振幅值，其中Max_A为转化前的量化级数所能表达的最大振幅值，Value_A为转化前PCM流的某采样点的振幅值，Max_B为转化后的量化级数所能表达的最大振幅值，Value_B为转化后的PCM流在同一采样点的振幅值。

优选地，在步骤B之后，步骤C之前，进一步包括：根据预定的采样点的最大、最小振幅值的对混音PCM流在每个采样点的振幅值进行限制裁减。限制裁减的具体方法为：如果混音PCM流在某个采样点的振幅值大于所述的最大振幅值，则将所述的最大振幅值作为混音PCM流在该采样点的振幅值；如果混音PCM流在某个采样点的振幅值小于所述的最小振幅值，则将所述的最小振幅值作为混音PCM流在该采样点的振幅值。

所述最大振幅值和最小振幅值根据PCM流量化等级的位数确定。

优选地，所述对混音PCM流在每个采样点的振幅值进行编码是：先通过二进制编码将所述振幅值转换为二进制数据，再对转换得到的二进制数据进行线路编码，转换成数字PCM流信号。

优选地，所述预先为各路PCM流分别设定加权值是：预先为各路PCM流分别设置对应的加权值输入接口；在进行混音处理时，从各个加权值输入接口读取用户输入的加权值信息，以读取到的加权值作为与该加权值输入接口对应的PCM流的加权值。

由于本发明所述的方法在对两个或多个语音PCM流进行混音时，从加权值输入接口读取用户为每个原始语音PCM流设置的加权值，对每个采样点的振幅值，先进行加权处理，再将加权处理后的振幅值相加，得到混音流在该采样点的振幅值。所以，当原始PCM流的音量差别较大时，可以通过调整加权值来均衡各原始语音流的音量，从而避免不和谐的语音效果，提高混音后的语音质量。

另外，本发明还可对加权叠加后的混音流的振幅进行裁减处理，当混音流的某个采样点振幅值超过采样的量化等级所能指定的范围时，则以边界的最大或最小振幅值作为本采样点的振幅值，这样把混音流中所有采样点的振幅值都控制在量化等级所能指定的范围内，从而避免了语音的失真，提高了语音效果和质量。

附图说明

图1为本发明所述具体实施例的流程图。

具体实施方式

下面通过具体实施例和附图对本发明做进一步详细说明。

本发明的核心技术方案为：一种混音的处理方法，包括：

A、从需要进行混音处理的至少两路PCM流中分别依次提取每个采样点的振幅值；

B、对每个采样点，利用预先为各路PCM流分别设定的加权值对各路PCM流在该采样点的振幅值分别进行加权处理，将各路PCM流在该采样点的振幅值的加权值相加，得到的值作为混音PCM流在该采样点的振幅值；

C、依次对混音PCM流在每个采样点的振幅值进行编码，转化为混音PCM流。

本发明所述的混音处理方法可以是对至少两种以上的原始语音的PCM流进行混音，本实施例中以对两种原始语音(这里以音乐伴奏音和人声为例)进行混音处理为例对本发明的技术方案进行说明。

本发明所采用的方法可以由计算机或者具有计算处理能力的智能设备执行。本发明中，在智能设备上预先为各路PCM流分别设置对应的加权值输入接口，用户可以根据各原始语音的音量高低自行设置各原始语音的加权值，并通过加权值输入设备输入到智能设备中；智能设备在进行混音处理时，从各个加权值输入接口读取用户输入的加权值信息，以读取到的加权值作为预设的与该加权值输入接口对应的PCM流的加权值。

本实施例中，设置两个变量α和β的输入接口，该变量α和β分别作为用于调节伴奏声和人声音量的加权值。α表示伴奏声的加权放大倍数，取值大于0，当α小于1，表示降低音量；等于1，表示音量不变；大于1，表示提高音量。β表示人声的加权放大倍数，取值大于0，当β小于1，表示降低音量；等于1，表示音量不变；大于1，表示提高音量。α和β的缺省值都为1。在具体实施时，可以在α和β的输入接口中量化设置具体的数值，例如从0.1、0.2、0.3直到3，用户可以选择输入α和β的具体数值。

图1为本发明的具体实施例的流程图。参见图1，该流程包括：

步骤101、将承载音乐伴奏PCM流的位文件和人声PCM流的位文件存入到智能设备中。

此处，音乐承载伴奏音和人声的位文件的格式为PCM格式，如果不是PCM格式，则预先需要将其格式进行转换，转换为PCM格式，即语音流为PCM流，具体的转换技术可以采用现有成熟的语音格式转换方法。

步骤102、智能设备分别对承载音乐伴奏PCM流的位文件和人声PCM流的位文件进行解析，读取这两个位文件的文件头，从中分别得到音乐伴奏PCM流的采样参数和人声PCM流的采样参数。所述的采样参数为采样频率和PCM的量化级数。

步骤103、根据步骤102解析出的采样参数判断音乐伴奏PCM流的采样参数和人声PCM流的采样参数是否相同，如果相同，则执行步骤105；否则，执行步骤104。

步骤104、将音乐伴奏PCM流和人声PCM流进行转化，转化为具有相同采样参数的PCM流。

此处具体的转化方法为：

通常不同PCM流的采样频率都成整数倍关系，因此对于采样频率的转化，可通过复制采样点操作，将小采样率的PCM流转换成大采样率的语音流。例如，采样率为8000的PCM流，通过把每个采样点的振幅值都复制一份，作为相邻两个采样点的振幅值，就实现将PCM语音流转化成16000的采样率了。相反，通过对采样点的整合操作，可以将大采样率的PCM流转换成小采样率的流。例如，采样率为16000的PCM语音流，通过把每两个采样点的振幅值整合成一个采样点的方法，就将PCM流的采样率转化成8000，整合操作可以采用简单的求平均值的方法完成。

对于不同PCM流的采样频率不成整数倍关系的极少数情况，假设转化前的采样频率为Rate_A，转化后的采样频率为Rate_B，则按照公式(1)得到X：

$\frac{\mathrm{Rat}{e}_A}{\mathrm{Rat}{e}_B}=\frac{Y}{X}---\left(1\right)$

公式(1)中的Y为预先设定的值。接着对X取整得到X′，利用插值算法将PCM流中的每Y个采样点的振幅值平均转换为X′个采样点的振幅值，从而完成采样频率的转化。例如，8000采样率的PCM流转换成10000采样率的PCM流，且Y设为10，则X＝12.2，对X取整为12，则表示需要将10个采样点的振幅值对应地转换为12个。接下来，再以某种插值算法，将10个采样点的值平均转换为12个采样点的振幅值。很显然，上述的公式(1)中Y的取值和插值算法的选取都会对精度有影响。

对于量化等级的转化问题，假设有A，B两种量化等级，它们所能表达的最大值振幅范围分别为：Max_A和Max_B，例如，8位带符号量化等级表示的最大值振幅为127；16位带符号量化等级表示的最大值振幅为32767。假设PCM流的量化等级为A时，在某个采样点的振幅值为Value_A，将量化等级由A转化为B时，则在该采样点的振幅值Value_B可根据下面公式(2)确定：

$\frac{\mathrm{Valu}{e}_A}{\mathrm{Ma}{x}_A}=\frac{\mathrm{Valu}{e}_B}{\mathrm{Ma}{x}_B}---\left(2\right)$

在此假设转化后的两路PCM流的采样率都为8000Hz，单声道；量化等级为16位，带符号，因此每个样本点的最大振幅值(MaxAmplitude)为32767，最小振幅值(MinAmplitude)为-32768。同样地，本发明的方案也适用于任何采样频率，量化等级的PCM流。

以上步骤为进行混音处理的准备流程，以下步骤为进行混音处理的核心流程。

步骤105、从需要伴奏音PCM流和人声PCM流中分别依次提取每个采样点的振幅值。此处，以PCM流量化等级的位数为一个采样点的提取位数从所述PCM流中提取每个采样点的振幅值。即此处以16位为单位，从每个PCM流的开始位进行取值，每16位的二进制数据作为一个采样点的振幅值。

步骤106、在每个采样点，根据以下公式(3)确定混音后PCM流在该采样点的振幅值：

上述公式(3)中，A_i ^伴奏表示伴奏音PCM流的第i个采样点的振幅值，A_i ^人声表示人声语音PCM流第i个采样点的振幅值，A_i ^混音表示经过混音处理后的PCM流在第i个采样点的振幅值。

本实施例中，由于在智能设备上设置了α和β值的输入接口，智能设备可以接收用户通过输入的α和β值，根据该α和β值来分别控制伴奏声和人声的音量；用户可以根据自身的听觉感受和喜好设置α和β值，例如，当出现伴奏声的音量远远高于人声的音量时，可以设置α为0.8，β为1.2；当出现人声的音量远远高于伴奏声的音量时，可以设置α为1.2，β为0.8；智能设备再根据接收到的α和β值利用上述公式(3)的方法确定混音后的振幅值，达到均衡控制伴奏声和人声的音量的目的，以保证混音后的语音效果和语音质量。

如果智能设备没有接收到用户输入的α和β数值，则智能设备默认α和β均为1，这样混音后，伴奏声和人声都是原来的音量。

为了防止混音后的声音会出现失真现象，本发明还进一步包括对混音后的PCM流进行声音裁减处理。具体的方法如以下步骤107：

步骤107、根据预定的采样点的最大、最小振幅值的对混音PCM流在每个采样点的振幅值进行限制裁减。此处的最大、最小振幅值根据伴奏音PCM流和人声PCM流的量化等级的位数确定。例如本实施例中的量化等级为16位，因此每个采样点的最大振幅值(MaxAmplitude)为32767，最小振幅值(MinAmplitude)为-32768。

此处用A_i ^裁剪表示第i个采样点裁剪之后的振幅值，也是最终的振幅值。智能设备判断上述步骤106确定的A_i ^混音是否超过MaxAmplitude，如果是，则确定A_i ^裁剪等于MaxAmplitude；否则，再判断A_i ^混音是否小于MinAmplitude，如果是，则确定A_i ^裁剪等于MinAmplitude，否则确定A_i ^裁剪等于A_i ^混音。通过上述处理，把混音PCM流在所有采样点的振幅值都控制在MinAmplitude到MaxAmplitude之间，从而避免了语音的失真。

步骤108、依次对混音PCM流在每个采样点的振幅值进行编码，转化为混音PCM流。此处，所述的编码对象为步骤107处理后的A_i ^裁剪，如果本发明不进行语音裁减，也可直接对步骤106处理后的A_i ^混音进行编码。此处，可以先通过二进制编码将所述采样点的振幅值转换为二进制数据，再对转换得到的二进制数据进行线路编码，转换成数字PCM流信号。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (13)

1、一种混音的处理方法，其特征在于，

A、从需要进行混音处理的至少两路脉冲编码调制PCM流中分别依次提取每个采样点的振幅值；

B、对每个采样点，利用预先为各路PCM流分别设定的加权值对各路PCM流在该采样点的振幅值分别进行加权处理，将加权处理后的振幅值相加的值作为混音PCM流在该采样点的振幅值；

C、依次对混音PCM流在每个采样点的振幅值进行编码，转化为混音PCM流。

2、根据权利要求1所述的方法，其特征在于：

所述步骤A是：以PCM流量化等级的位数为一个采样点的提取位数从PCM流中提取每个采样点的振幅值。

3、根据权利要求1所述的方法，其特征在于：

在步骤A之前，进一步包括：

判断各路PCM流的采样参数是否相同，如果不同，则对该PCM流进行转换，转换成采样参数相同的PCM流。

4、根据权利要求3所述的方法，其特征在于：

所述判断各路PCM流的采样参数是否相同是：解析对应承载每路PCM流的位文件，从位文件的文件头中读取该路PCM流的采样参数，再以此判断各路PCM流的采样参数是否相同。

5、根据权利要求3或4所述的方法，其特征在于：

所述的采样参数为采样频率和量化级数。

6、根据权利要求5所述的方法，其特征在于：

所述将不同采样频率的PCM流转化为相同采样频率的PCM流的方法是：

通过复制采样点振幅值的方法将小采样率的PCM流转化为大采样率的PCM流；通过整合采样点振幅值的方法将大采样率的PCM流转化为小采样率的PCM流。

7、根据权利要求5所述的方法，其特征在于：

所述将不同采样频率的PCM流转化为相同采样频率的PCM流的方法是：

按照公式 $\frac{{\mathrm{Rate}}_A}{{\mathrm{Rate}}_B}=\frac{Y}{X}$ 得到X，其中Rate_A为转化前的采样频率，Rate_B为转化后的采样频率，Y为预先设定的值，将X取整得到X′，利用插值算法将PCM流中的每Y个采样点的振幅值平均转换为X′个采样点的振幅值。

8、根据权利要求5所述的方法，其特征在于：

所述将不同量化级数的PCM流转化为相同量化级数的PCM流的方法是：

通过公式 $\frac{{\mathrm{Value}}_A}{{\mathrm{Max}}_A}=\frac{{\mathrm{Value}}_B}{{\mathrm{Max}}_B}$ 确定转化量化级数后的PCM流的各采样点的振幅值，其中Max_A为转化前的量化级数所能表达的最大振幅值，Value_A为转化前PCM流的某采样点的振幅值，Max_B为转化后的量化级数所能表达的最大振幅值，Value_B为转化后的PCM流在同一采样点的振幅值。

9、根据权利要求1所述的方法，其特征在于：

在步骤B之后，步骤C之前，进一步包括：

根据预定的采样点的最大、最小振幅值的对混音PCM流在每个采样点的振幅值进行限制裁减。

10.根据权利要求9所述的方法，其特征在于，所述对采样点的振幅值进行限制裁减的具体方法为：如果混音PCM流在某个采样点的振幅值大于所述的最大振幅值，则将所述的最大振幅值作为混音PCM流在该采样点的振幅值；如果混音PCM流在某个采样点的振幅值小于所述的最小振幅值，则将所述的最小振幅值作为混音PCM流在该采样点的振幅值。

11、根据权利要求9或10所述的方法，其特征在于：

所述最大振幅值和最小振幅值根据PCM流量化等级的位数确定。

12、根据权利要求1所述的方法，其特征在于：

所述对混音PCM流在每个采样点的振幅值进行编码是：先通过二进制编码将所述振幅值转换为二进制数据，再对转换得到的二进制数据进行线路编码，转换成数字PCM流信号。

13、根据权利要求1所述的方法，其特征在于：

所述预先为各路PCM流分别设定加权值是：

预先为各路PCM流分别设置对应的加权值输入接口；在进行混音处理时，从各个加权值输入接口读取用户输入的加权值信息，以读取到的加权值作为与该加权值输入接口对应的PCM流的加权值。

Images