[发明专利]一种歌声侦测的方法

权利要求书

1.一种歌声侦测的方法，其特征在于，具体步骤如下：

101)获取BGM频谱特征步骤：选定出一段目标歌曲中没有歌唱的纯背景音乐即BGM，提取其频谱特征，所述频谱特征的获取方式为先将BGM划分为N个单元，提取每个单元的频谱，而后求其频谱均值来作为其频谱特征；

102)剔除BGM步骤：根据步骤101)针对一个频点，遍历其前后5个单元的相应频点的频谱特征，并根据特征频谱值来找出其中的次极大值，当次极大值大于等于频谱值时，则该频点为需要进行剔除处理的频点；

103)人声判断步骤：将经过步骤102)处理后的音频信号，利用WebRTC来判断人声，并将音频信号分割为每次输入10ms的音频信号，WebRTC检测后的结果为“真”表示是人声，为“假”表示不是人声；所述WebRTC是Google开放项目，其中的VAD功能用于检测人声；

104)侦测数据的后处理步骤：将步骤103)的判断后的结果数据进行处理，最终将以时间段落的方式呈现歌声，具体包括如下处理的状况：

将步骤103)中经过判断的每段检测结果作为一个结果单元，根据其是否在歌声区域进行进一步的判别处理，当该结果单元处于歌声区域，并且WebRTC检测结果为“真”，则计算已有歌声区间的长度，当其大于歌声区域的长度则判定构建为一段歌唱区间，并进行重置标志量，若其小于歌声区域的长度则进行下一个结果单元的判定；当该结果单元处于歌声区域，并且WebRTC检测结果为“假”，则进行累加静音时长，再进行比较该静音时长与预设的一首歌的静音阈值，若小于静音阈值则直接进行下一个结果单元的判定，若大于静音阈值则计算声长，并与声长下限阈值进行对比，若小于声长下限阈值则丢弃这段数据，重置标志量，若大于声长下限阈值则构建为一段歌唱区间，重置标志量；当该结果单元不处于歌声区域，则进一步判定是否是歌声，若是，则标志歌声开始，若不是，则进行下一个结果单元的判定。

2.根据权利要求1所述的一种歌声侦测的方法，其特征在于，所述步骤102)某个需要进行剔除处理的频点的频谱值为X(k)，则处理后的频谱值为

X′(k)＝G*X(k) 公式(1)

其中G＝0.000001为剔除增益；因直接这样抹除BGM，其处理后的信号平滑性仍不足；声音会有触发、衰减、延续、释放的过程，在触发和释放阶段做平滑处理。

3.根据权利要求2所述的一种歌声侦测的方法，其特征在于，所述平滑处理，具体处理方式如下：

触发阶段取20毫秒，释放阶段取100毫秒；

触发阶段，每一个单元的增益G1有：

G1＝10^{gain/(20.0*(1+Ta*SampleRate/StepSize))} 公式(2)

其中，Ta是触发时长，SampleRate是信号的采样率，StepSize是分析步进，综合性能与平滑度取StepSize＝N/4，gain是以分贝计量的增益；

可通过如下公式(3)换算得到：

gain＝20*log₁₀G 公式(3)

释放阶段，每一个单元的增益G2有：

G2＝10^{gain/(20.0*(1+Tr*SampleRate/StepSize))} 公式(4)

其中，Tr是释放时长，其他参量含义与公式(2)相同。

4.根据权利要求3所述的一种歌声侦测的方法，其特征在于，所述触发阶段、释放阶段在应用时，会出现一下子将信号衰减到很小，这就会大大降低信号的平滑度，因此需将所要求衰减的增益与触发增益比较，取其中较大的值，以保证处理后的信号在时域上有较好的平滑度。

5.根据权利要求2所述的一种歌声侦测的方法，其特征在于，所述触发阶段、释放阶段在应用时，在时域上的平滑处理，能保证处理后的信号随时间不会出现过大跃变，但同一时间点，信号相邻频点之间仍存在出现跃变的状况，因此会对出现该跃变进行处理；

令某一频点的增益为G_i，前一个频点的增益为G_i-1，后一个频点的增益为G_i+1，取该频点前后频点增益的均值，平滑后，该频点的增益为

进一步，转换后得到公式(6)：

X′(k)＝G′*X(k) 公式(6)

其中G'是经过上述时域频域平滑后的信号增益。