一种自适应音频感知响度调整方法

摘要

本发明属于多媒体信息处理和音频分析领域，涉及一种自适应音频感知响度调整方法，包括：对于当前音频文件进行等响度滤波；对于音频信号按特定窗口大小计算其RMS能量值，从而得到整个音频文件的RMS能量序列；将RMS能量序列转换为分贝值序列，并对其进行升序排序；对升序的分贝值序列利用差分法计算二阶导数，并利用局部窗口平均法进行二阶导数序列的平滑处理；当序列过长时，对原始序列进行亚采样；在平滑后的二阶导数序列上搜索当前音频的最优稳定分贝区间，计算此区间的平均分贝值作为当前音频文件的最优稳定响度。采用线性映射的方法对该音频进行响度调整。本发明具有运行速度快、校正准确、符合声学感知、性能稳定、无损音频音质等优点。

主权项

一种自适应音频感知响度调整方法，包括以下步骤：a)对当前音频信号进行等响度滤波；b)计算RMS能量序列：首先，将滤波后的音频信号按照时间间隔分割成若干个窗口，设每个窗口的数据量为M，计算每个窗口的均方根值，得到整个音频文件的RMS能量序列；c)能量分贝转换：将RMS能量序列转换为分贝序列，并对分贝序列进行升序排序得到SDB序列；d)采用差分法计算SDB序列的二阶导数SDB″序列；e)设置一个局部窗口，利用局部均值对SDB″序列进行平滑操作，去除干扰噪声，得到wSDB″序列；f)如果wSDB″序列长度大于某一特定阈值时，采用线性插值亚采样的方法降低样本数量，亚采样后的平滑二阶导数序列仍记为wSDB″序列；g)构造衡量某一时间区间[t1，t2]是否为最优稳定分贝空间可能性的能量函数 E ( t 1 , t 2 ) = α ( t 2 - t 1 ) + ( 1 - α ) std ( wSDB ′ ′ ( t 1 - t 2 ) ) , 其中，std(·)为标准差，α为调制系数，wSDB″(t1→t2)表示wSDB″序列中从t1到t2的子段，遍历所有可能的时间区间[t1，t2]组合，求出其中能量函数取值最大的时间区间作为最优稳定分贝区间，并在此区间上求均值，得到当前音频文件的最优稳定分贝代表值；h)按照83dB标准，恢复当前音频文件的最优稳定响度。i)在当前音频文件的最优稳定响度的基础上，采用线性映射的方法，调整该音频的实际响度。