一种音频数据质量优化方法

摘要

本发明公开了一种音频数据质量优化方法，具体流程为：先计算每一帧音频数据的时间戳计数，然后相邻两帧音频数据之间的时间戳计数差值，如果差值大于正常差值的5倍，则采用时效优化算法进行修正；如果差值大于正常差值的1.5倍且小于5倍，则采用质量优先算法修正；如果差值小于正常差值的1.5倍，则不进行修正。本方案修正之后，不再产生暴音，普通听力人员也发觉不了音频内容的缺失，很好的保证了广播电台对这部分音频引用播出的节目质量。本方案适用于数字视频广播中对音频数据实时的优化处理。

主权项

一种音频数据质量优化方法，其特征在于，包括以下步骤：步骤一、计算每一帧音频数据的时间戳计数；步骤二、检验相邻两帧音频数据之间的时间戳计数差值，如果差值大于正常差值的5倍，则在相邻两帧之间插入L个静音采样点，L的计算公式如下：L=(P2(t)‑P1(t)‑J(x))×x/90000P1(t)为前一帧音频数据的时间戳计数，P2(t)为后一帧音频数据的时间戳计数，J(x)为正常差值，x为音频数据的采样率，J(x)的计算公式如下：J(x)=(1152/x)×90000；步骤二中，如果相邻两帧音频数据之间的时间戳计数差值大于正常差值的1.5倍且小于正常差值的5倍，则按如下方式进行修正：需要修复的采样点个数为N，FB为波形断开点在原始采样点数据中的序号，BL为断点波形长度，原始采样点数组为S_N，修正后输出采样点数组为So_N，P为计算波形能量云矩阵纬度，P=min(BL×3,N)，矩阵X_P×P初始状态下所有元素均为0，数组B_P初始状态下所有元素均为0，变量i、变量row、变量col、变量row2和变量col2的初始值均为0；X[row][col]表示矩阵X_P×P的第row行第col列的元素，B[row]表示数组B_P的第row个元素；S1、对矩阵X_P×P和数组B_P赋值；S2、对矩阵X_P×P求逆，得到逆矩阵X^‑1_P×P；S3、将逆矩阵X^‑1_P×P与数组B_P相乘得到数组A_P；S4、对矩阵X2_(N‑P)×P赋值；S5、取矩阵X2_(N‑P)×P的故障分块子矩阵X2′_{（N‑P)×BL}，取得算法为：X2′_{（N‑P)×BL} = SubMatrix(X2_(N‑P)×P, 0, N‑P, FB, BL)；对故障分块子矩阵实行转置处理得到矩阵：X2^T_BL×(N‑P)；S6、取矩阵X2_(N‑P)×P的故障前分块子矩阵X2前′_{（N‑P)×BL}，取得算法为：X2前′_(N‑P)×FB = SubMatrix(X2_(N‑P)×P, 0, N‑P, 0, FB);S7、取矩阵X2_(N‑P)×P的故障后分块子矩阵X2后′_{（N‑P)×BL}，取得算法为：X2后′_(N‑P)×FB = SubMatrix(X2_(N‑P)×P, 0, N‑P, 0, FB);S8、对故障前分块子矩和故障后分块子矩阵进行列合并，得到合并后矩阵Ak_{(N‑P)×(B‑BL)}；S9、取原始采样点S_N数组的故障前子集S前_FB，取得算法为：S前_FB= SubArray(S_N,0,FB)；S10、取原始采样点S_N数组的故障后子集S后_{(N‑FB‑BL)}，取得算法为：S后_{(N‑FB‑BL)}= SubArray(S_N,FB+BL,N‑FB‑BL)；S11、对故障前子集和故障后子集进行合并，得到合并后的数组Sk_(N‑BL)；S12、将矩阵X2^T_BL×(N‑P)和矩阵X2′_{（N‑P)×BL}相乘得到矩阵X3_BL×BL，即X3_BL×BL= X2^T_BL×(N‑P)×X2′_{（N‑P)×BL}；S13、对矩阵X3_BL×BL求逆得到矩阵X3^‑1_BL×BL；S14、将矩阵X3^‑1_BL×BL中每个元素的符号取反，得到矩阵‑X3^‑1_BL×BL，即‑X3^‑1_BL×BL=X3^‑1_BL×BL×(‑1)；S15、将矩阵‑X3^‑1_BL×BL与矩阵X2^T_BL×(N‑P)相乘得到矩阵X4 _BL×(N‑P)，即X4 _BL×(N‑P)= ‑X3^‑1_BL×BL×X2^T_BL×(N‑P)；S16、将矩阵X4 _BL×(N‑P)与矩阵Ak_{(N‑P)×(B‑BL)}相乘得到矩阵X5_BL×(N‑BL)，即X5_BL×(N‑BL) = X4 _BL×(N‑P) ×Ak_{(N‑P)×(B‑BL)}；S17、将矩阵X5_BL×(N‑BL)与数组Sk_(N‑BL)相乘以后得到数组Su_BL，即Su_BL= X5_BL×(N‑BL) ×Sk_(N‑BL)；S18、将数组S前_FB、数组Su_BL和数组S后_{(N‑FB‑BL)}得到数组So_N。