[发明专利]一种音频数据的比较方法和装置

说明书

技术领域

本发明涉及音频数据处理技术领域，更具体地说，涉及一种音频数据的比较方法和装置。

背景技术

现有的唱歌评分技术，通常是对于一份唱歌数据，根据其音高和节奏和原唱的接近程度进行评分。唱歌评分应用的大部分的应用场景是：用户跟随伴奏的节奏演唱，评分系统通过分析录音数据和伴奏(原唱)，对比其中关系到唱歌评分性能好坏的参数，判断用户唱歌的好坏，最终给出评分结果。这里假定用户的录音数据中噪声数据比较少，采用通常的基频提取策略可以准确提取出来。

唱歌评分中最重要的是用户演唱数据的音高曲线和标准音高曲线之间的差异，如图1所示，即：

Dist=∫tbte|f(t)-g(t)|dt---(1)]]>

上式中，f(t)、g(t)分别表示标准基频和唱歌数据基频，t_b、t_e分别表示演唱开始和结束时间，误差Dist值越大，则得分越低，反之，得分越高。

通常，标准音高曲线的获得可以通过以下两种途径：

(1)以MIDI(Musical Instrument Digital Interface，乐器数字接口)文件记录音高信息。这种制作方式对工作人员音乐的专业知识要求相当高，而且制作的工作量比较大，不利于唱歌评分大规模应用；

(2)从原唱数据中提取原唱的基频曲线。

现有的常见的基频提取算法包括：时域AMDF(Average magnitudedifference function，平均幅度差函数)、自相关函数法等；频域谐波峰值法；以及时频分析法。引用上述基频提取算法处理带有环境噪声、背景音乐声时，往往获得的评分性能较差。

在有MIDI或者标准的清唱数据情况下，唱歌评分问题基本解决。但很多时候，这样的MIDI或清唱资源无法获得，能获得的是MP3或MTV形式的音频数据。对于MP3或MTV形式的音频数据，现有技术的解决方案有：对原唱数据直接提取基频。

然而，通过发明人的研究证实：通过音高分析的方式提取原唱基频的方式一般采用第一基频候选的方式或者先保留若干候选然后通过动态规划(Dynamic Programming)的方式寻找最优的基频曲线。评分时通过对比测试数据基频曲线和标准音高曲线的差异给出评分结果。这种方法最大的问题就在原唱歌曲中带有伴奏，常用的基频提取算法从带有伴音原唱中提取基频时容易出现大量的错误基频值，无法直接得到原唱的音高值。实验发现仅仅保留这些基频提取算法得到的评分性能很不理想。

发明内容

有鉴于此，本发明实施例提供一种音频数据的比较方法和装置，以实现对MP3或MTV形式的测试音频数据同标准音频数据之间的比较。

本发明实施例提供一种音频数据的比较方法，包括：

由预置的基准数据经过准确分段、训练得到高斯混合模型GMM，利用所述GMM对测试数据对应的标准数据进行分段；

提取对应所述测试数据的第一基频数据；

对每段中的标准数据进行分帧，提取对应所述标准数据的基频候选点数据，结合每段中所述测试数据和标准数据的误差，获得对应所述标准数据的第二基频数据；

将所述第一基频数据和第二基频数据进行比较，得出比较结果。

优选的，所述对每段中的标准数据进行分帧，提取对应所述标准数据的基频候选点数据，包括：

对所述测试数据按照预置帧长及帧移进行分帧，获取每帧测试数据中所有采样点的基频均值；

将所述采样点的基频值减去所述基频均值，并对相减之后的采样点的基频进行汉宁窗函数处理；