[发明专利]一种基于音频分类的音质设置方法

摘要

本发明公开了一种基于音频分类的音质设置方法，首先提取一段语音数据的特征，生成特征图像，然后采用卷积神经网络分类方法对特征图像进行分类。最后根据不同的分类音频，在杜比音效、均衡设置上做出相应的调整。通过自动对不同音频场景进行识别和相应设置，使Android智能电视更加智能，提升用户的使用体验，感受Android智能电视带来的乐趣。

主权项

1.一种基于音频分类的音质设置方法，其特征在于，包括音频特征提取模块、音频分类模块和音频设置模块，还包括以下步骤：S1、音频特征提取；S11、预加重，将9S的语音数据通过高通滤波器，提升语音数据中的高频部分，使信号的频谱变得平坦；S12、分帧，采样率为22.05KHz，设置822个采样点为一帧，即一帧的时间为40ms，9S的语音数据分为225帧；S13、加窗，将每一帧乘以汉明窗，增加左右两端的连续性；S14、快速傅氏变换，对加窗后的每帧信号进行快速傅里叶变换，得到各帧的频谱，再对频谱取模平方，最后得到语音信号的功率谱；S15、Mel滤波，将信号的功率谱通过Mel滤波器，将线形的自然频谱转换为体现人类听觉特性的Mel频谱，仅取每一帧信号的前224个特征；S16、取对数，对Mel频谱取完对数，便可以得到225*224大小的频谱图，即横坐标为帧，纵坐标为Mel特征，在实际计算中，会舍弃一帧数据，即采用224*224大小的频谱图去做分类，但是此刻的频谱图的值并不全在图像0～255的范围内，为了将频谱图的值映射到图像0～255取值的范围内，本发明做了以下的线性映射计算：f(x)＝1.5×(10x+80)          (公式1)经过公式1的计算，Mel频谱图的值基本可以映射到图像0～255的取值范围中；S2、音频分类；S21、音频分类模块采用深度学习的CNN卷积神经网络——MobileNet分类网络来进行语音数据的分类；S3、音质设置；S31、对音乐类的语音数据，通过杜比音效的音频优化器功能衰减低频部分，提升人声对应频段，使用杜比音效语音清晰功能强化人声部分效果；S32、对新闻类的语音数据，通过杜比音效智能EQ功能勾画大致声音风格曲线，通过杜比音效重低音和环绕声等功能配合调节音效；S33、对其他类的语音数据，默认标准模式参数。