影視動(dòng)畫配音節(jié)奏特征自動(dòng)提取系統(tǒng)設(shè)計(jì)
發(fā)布時(shí)間：2021-10-02 04:39
配音節(jié)奏特征對(duì)于影視動(dòng)畫人物理解與情緒表達(dá)尤為重要,基于此,設(shè)計(jì)影視動(dòng)畫配音節(jié)奏特征的自動(dòng)提取系統(tǒng)。配音采集模塊采用TLV320AIC23音頻接口芯片,該芯片內(nèi)部集成A/D和D/A轉(zhuǎn)換器,可對(duì)采集的影視動(dòng)畫配音音頻進(jìn)行模數(shù)轉(zhuǎn)換,將獲取的模擬信號(hào)傳輸至節(jié)奏特征提取模塊。節(jié)奏特征提取模塊以TMS320VC5509 DSP芯片為核心,采用優(yōu)化后的哈佛結(jié)構(gòu),利用配音節(jié)奏特征提取算法提取影視動(dòng)畫配音節(jié)奏特征。配音節(jié)奏特征提取算法中,通過快速傅里葉變換確定復(fù)數(shù)域信息,確定發(fā)音點(diǎn)檢測信號(hào),以及各幀發(fā)音點(diǎn)檢測信號(hào)函數(shù)的自相關(guān)函數(shù)�；谏舷挛牡墓�(jié)拍周期推導(dǎo)算法推導(dǎo)配音片段節(jié)拍周期�；诎l(fā)音點(diǎn)檢測信號(hào)函數(shù),通過HMM模型可推算節(jié)拍出現(xiàn)的詳細(xì)時(shí)間點(diǎn)并進(jìn)行節(jié)拍跟蹤,確定節(jié)拍速度特征。實(shí)驗(yàn)結(jié)果顯示,所設(shè)計(jì)系統(tǒng)可準(zhǔn)確劃分影視動(dòng)畫配音情緒類型,且能耗較低。
【文章來源】：現(xiàn)代電子技術(shù). 2020,43(18)北大核心
【文章頁數(shù)】：5 頁
【部分圖文】：
系統(tǒng)硬件結(jié)構(gòu)設(shè)計(jì)
TLV320AIC23單片音頻接口芯片數(shù)據(jù)傳輸字長包括16位、24位和32位，可滿足6～98 kHz之間的采樣頻率。EPM240采用具有非易失性的CPLD架構(gòu)，將傳統(tǒng)可編程邏輯成本與功耗分別降低50%和90%，而密度和性能則提升400%和200%。EPM240的具體作用是提供一種解決方案來確保2種總線協(xié)議轉(zhuǎn)換過程中成本最低。在配音采集模塊中AIC23芯片的具體作用為數(shù)據(jù)轉(zhuǎn)換，利用A/D轉(zhuǎn)換器將4路配音信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，經(jīng)由數(shù)據(jù)傳輸協(xié)議傳輸至EPM240內(nèi)，利用其串并協(xié)議轉(zhuǎn)換，將各AIC23芯片的串行數(shù)據(jù)轉(zhuǎn)換為并行數(shù)據(jù)，供MCU讀取處理。處理后的數(shù)據(jù)被EPM240轉(zhuǎn)換為I2S協(xié)議數(shù)據(jù)，返回至AIC23芯片內(nèi)，利用D/A轉(zhuǎn)換器轉(zhuǎn)為模擬量信號(hào)，傳輸至節(jié)奏特征提取模塊內(nèi)。1.3 節(jié)奏特征提取模塊
VC5509與AIC23的連接
【參考文獻(xiàn)】：
期刊論文
[1]一種基于卷積神經(jīng)網(wǎng)絡(luò)特征表征的語音情感識(shí)別方法[J]. 姜芃旭,傅洪亮,陶華偉,雷沛之. 電子器件. 2019(04)
[2]利用諧波顯著度和語者音色特征的混合語音中目標(biāo)人基頻軌跡提取[J]. 后方帥,黎美琪,劉若倫. 聲學(xué)技術(shù). 2019(04)
[3]基于注意力機(jī)制的LSTM語音情感主要特征選擇[J]. 胡婷婷,馮亞琴,沈凌潔,王蔚. 聲學(xué)技術(shù). 2019(04)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的孤立詞語音識(shí)別[J]. 侯一民,李永平. 計(jì)算機(jī)工程與設(shè)計(jì). 2019(06)
[5]結(jié)合時(shí)變?yōu)V波和時(shí)頻掩碼的語音增強(qiáng)方法[J]. 成帥,張海劍,孫洪. 信號(hào)處理. 2019(04)
[6]基于語譜圖提取深度空間注意特征的語音情感識(shí)別算法[J]. 王金華,應(yīng)娜,朱辰都,劉兆森,蔡哲棟. 電信科學(xué). 2019(07)
[7]基于語音心理聲學(xué)分析的駕駛疲勞檢測[J]. 李響,李國正,石俊剛,彭理群. 儀器儀表學(xué)報(bào). 2018(10)
[8]基于自編碼特征的語音增強(qiáng)聲學(xué)特征提取[J]. 張濤,任相贏,劉陽,耿彥章. 計(jì)算機(jī)科學(xué)與探索. 2019(08)
[9]采用低維特征映射的耳語音向正常音轉(zhuǎn)換[J]. 周健,竇云峰,劉榮敏,王華彬,陶亮. 聲學(xué)學(xué)報(bào). 2018(05)
[10]疲勞及緊張狀態(tài)管制員通話語音反應(yīng)特征研究[J]. 張興儉,袁樂平,趙嶷飛. 中國安全科學(xué)學(xué)報(bào). 2018(06)
本文編號(hào)：3418022
【文章來源】：現(xiàn)代電子技術(shù). 2020,43(18)北大核心
【文章頁數(shù)】：5 頁
【部分圖文】：
系統(tǒng)硬件結(jié)構(gòu)設(shè)計(jì)
TLV320AIC23單片音頻接口芯片數(shù)據(jù)傳輸字長包括16位、24位和32位，可滿足6～98 kHz之間的采樣頻率。EPM240采用具有非易失性的CPLD架構(gòu)，將傳統(tǒng)可編程邏輯成本與功耗分別降低50%和90%，而密度和性能則提升400%和200%。EPM240的具體作用是提供一種解決方案來確保2種總線協(xié)議轉(zhuǎn)換過程中成本最低。在配音采集模塊中AIC23芯片的具體作用為數(shù)據(jù)轉(zhuǎn)換，利用A/D轉(zhuǎn)換器將4路配音信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，經(jīng)由數(shù)據(jù)傳輸協(xié)議傳輸至EPM240內(nèi)，利用其串并協(xié)議轉(zhuǎn)換，將各AIC23芯片的串行數(shù)據(jù)轉(zhuǎn)換為并行數(shù)據(jù)，供MCU讀取處理。處理后的數(shù)據(jù)被EPM240轉(zhuǎn)換為I2S協(xié)議數(shù)據(jù)，返回至AIC23芯片內(nèi)，利用D/A轉(zhuǎn)換器轉(zhuǎn)為模擬量信號(hào)，傳輸至節(jié)奏特征提取模塊內(nèi)。1.3 節(jié)奏特征提取模塊
VC5509與AIC23的連接
【參考文獻(xiàn)】：
期刊論文
[1]一種基于卷積神經(jīng)網(wǎng)絡(luò)特征表征的語音情感識(shí)別方法[J]. 姜芃旭,傅洪亮,陶華偉,雷沛之. 電子器件. 2019(04)
[2]利用諧波顯著度和語者音色特征的混合語音中目標(biāo)人基頻軌跡提取[J]. 后方帥,黎美琪,劉若倫. 聲學(xué)技術(shù). 2019(04)
[3]基于注意力機(jī)制的LSTM語音情感主要特征選擇[J]. 胡婷婷,馮亞琴,沈凌潔,王蔚. 聲學(xué)技術(shù). 2019(04)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的孤立詞語音識(shí)別[J]. 侯一民,李永平. 計(jì)算機(jī)工程與設(shè)計(jì). 2019(06)
[5]結(jié)合時(shí)變?yōu)V波和時(shí)頻掩碼的語音增強(qiáng)方法[J]. 成帥,張海劍,孫洪. 信號(hào)處理. 2019(04)
[6]基于語譜圖提取深度空間注意特征的語音情感識(shí)別算法[J]. 王金華,應(yīng)娜,朱辰都,劉兆森,蔡哲棟. 電信科學(xué). 2019(07)
[7]基于語音心理聲學(xué)分析的駕駛疲勞檢測[J]. 李響,李國正,石俊剛,彭理群. 儀器儀表學(xué)報(bào). 2018(10)
[8]基于自編碼特征的語音增強(qiáng)聲學(xué)特征提取[J]. 張濤,任相贏,劉陽,耿彥章. 計(jì)算機(jī)科學(xué)與探索. 2019(08)
[9]采用低維特征映射的耳語音向正常音轉(zhuǎn)換[J]. 周健,竇云峰,劉榮敏,王華彬,陶亮. 聲學(xué)學(xué)報(bào). 2018(05)
[10]疲勞及緊張狀態(tài)管制員通話語音反應(yīng)特征研究[J]. 張興儉,袁樂平,趙嶷飛. 中國安全科學(xué)學(xué)報(bào). 2018(06)
本文編號(hào)：3418022
本文鏈接：http://sikaile.net/kejilunwen/xinxigongchenglunwen/3418022.html
最近更新
教材專著
