[发明专利]信号处理装置、信号处理方法及程序

说明书

技术领域

本公开涉及信号处理装置、信号处理方法及程序，并且更具体地涉及能够从混合有乐曲和噪声的输入信号中识别该乐曲的信号处理装置、信号处理方法及程序。

背景技术

在相关技术中，为了识别作为输入信号而输入的乐曲，进行将输入信号的特征量与作为要被识别的乐曲的候选的参考信号的特征量相匹配的匹配处理。然而，例如，当电视节目(诸如戏剧)的广播声源作为输入信号被输入时，该输入信号通常包括作为背景音乐(BGM)的乐曲的信号分量以及除了该乐曲以外的诸如人类对话或噪声(环境噪声)的噪声分量(在下文中也被称为噪声)，并且由噪声导致的该输入信号的特征量的变化影响匹配处理的结果。

因此，已经提出了如下技术：该技术通过利用对输入信号的特征量中的低可靠性分量进行屏蔽的屏蔽模式而只使用高可靠性分量来进行匹配处理。

特别地，已经提出了如下技术：该技术准备与表示输入信号的特征量的特征矩阵的预定时频域相对应的、用于屏蔽矩阵分量的多种屏蔽模式，并且使用所有屏蔽模式来进行将该输入信号的特征量与数据库中的多个参考信号的特征量相匹配的匹配处理，从而将具有最高相似程度的参考信号的乐曲识别为输入信号的乐曲，其中该输入信号被转换为该时频域中的信号(例如，参见日本未审查专利申请公开2009-276776)。

还提出了如下技术：该技术假定输入信号中具有高平均功率的时间段的分量是叠加有除乐曲以外的噪声的分量，并且创建允许只使用输入信号中具有低平均功率的时间段的特征量来进行匹配处理的屏蔽模式(例如，参见日本未审查专利申请公开2004-326050)。

发明内容

然而，由于难以预测输入信号中叠加了噪声的时间段和叠加了噪声的频率，并且也难以预先准备适合于这种输入信号的屏蔽模式，所以在日本未审查专利申请公开2009-276776中公开的技术并未进行适当的匹配处理，而且不能以高精确度从混合了乐曲和噪声的输入信号中识别出该乐曲。

在日本未审查专利申请公开2004-326050中所公开的技术中，能够创建与输入信号相对应的屏蔽模式，但是由于没有考虑频率分量，因此很难说这个屏蔽模式是适合于该输入信号的屏蔽模式。如图1左侧所示，当时频域中的输入信号中的乐曲的信号分量Dm中包括了基于人类对话的噪声Dv的时候，日本未审查专利申请公开2004-326050中所公开的技术能够仅使用人类对话中断的区域S1和S2中的几个时间段的特征量来进行匹配处理，因而很难以高精确度从混合了该乐曲和噪声的输入信号中识别出该乐曲。为了以高精确度从混合了乐曲和噪声的输入信号中识别出该乐曲，优选地，应该使用如图1右侧所示的区域S3和S4中的该乐曲的信号分量Dm的特征量来进行匹配处理。

期望以高精确度从输入信号中识别乐曲。

根据本公开的一个实施例，提供一种通过将输入信号与仅包括乐曲的多个参考信号进行比较而识别所述输入信号的乐曲的信号处理装置，所述信号处理装置包括：权重分布生成部，用于生成与变换到时频域的所述输入信号的各区域中的音乐类似度对应的权重分布；以及相似度计算部，用于以基于所述权重分布的权重设置为基础，计算变换到所述时频域的所述输入信号的各区域中的特征量和变换到所述时频域的所述参考信号的各区域中的特征量之间的相似程度。

所述权重分布生成部可以生成所述权重分布，所述权重分布通过基于表示所述音乐类似度的音乐度对所述音乐度大于预定阈值的区域进行权重设置来屏蔽所述音乐度不大于所述预定阈值的区域。

所述信号处理装置可以进一步包括：检测部，用于从所述输入信号中检测信号分量的功率谱为最大值的点；以及音乐度计算部，用于基于预定时间段中所述最大值点的出现频度计算所述音乐度。

所述出现频度可以是每个频率的最大值点的出现频度。

所述相似度计算部可以计算所述输入信号的特征量和所述多个参考信号的特征量之间的相似程度。在此情况下，所述信号处理装置可以进一步包括确定部，该确定部将各相似程度当中被计算出比预定阈值高的最高相似程度的参考信号的乐曲确定为所述输入信号的乐曲。

所述相似度计算部可以计算所述输入信号的特征量和所述多个参考信号的特征量之间的相似程度。在此情况下，所述信号处理装置可以进一步包括确定部，该确定部将各相似程度当中被计算出比预定阈值高的相似程度的多个参考信号的乐曲确定为所述输入信号的乐曲。