卡拉OK计分的方法和系统 本发明涉及卡拉OK，更确切地说，涉及对卡拉OK歌唱者的表演进行计分的方法和系统。
卡拉OK系统是人们所熟知的。一个或多个歌唱者伴随着来自如某一光盘(CD)之类声源的、预先录制的音乐而演唱一首歌曲。抹去原表演者/原演唱者的声音，而由演唱者对着话筒演唱，并将话筒拾取的演唱者的声音与原始背景音乐混合，传送到扬声器。
一首乐曲由许多元素组成，如音调、音符长短、速度等。目前已经有一些卡拉OK系统在演唱结束时给出计分，供娱乐。目前已有的卡拉OK设备无法根据卡拉OK演唱者的声音与原唱者的演唱的吻合程度来给出实际评分。
按照本发明的实施例，计分系统和方法以某种方式在歌曲终了时给出演唱者的声音与原唱者的演唱的接近程度的评分。该方法包括检测原唱者和卡拉OK演唱者的声音特征，并根据声音特征的比较，产生一评分。
图1是卡拉OK系统的方框图；
图2是该系统按照本发明一种实施例的方框图；
图2A是有原唱者声音时另一种系统的方框图；
图3是图1中帧能量检测器的方框图；以及
图4是图2和2A中相似性测量的方框图。
图1是按照现有卡拉OK装置10的方框图，它包括一个激光视盘音乐伴放装置11。该激光视盘音乐伴放装置11包含一个激光视盘自动变换器，其中含有多个用作音乐伴放信息存储媒体的激光视盘11a。装置10包括一控制器12，用来控制激光视盘自动变换器11，使之能够选择所要求的激光视盘。激光视盘自动变换器请求是从一用户操作输入端输入的。装置10还包括一含有混响器13a和放大器13b地信号处理器13、以声音形式输出一再现声频信号的左、右扬声器14、用来显示来自视盘11a的再现图象信号作为一图象的图象显示装置15，以及将使用者的声音与背景音乐耦合作为放大器13b输入的话筒16。混响器13a将来自激光视盘自动变换器11的背景声频信号(其为来自音乐播放器的音乐信号)与来自话筒16演唱声音的声频信号混合，并输出至扬声器14。
按照另一种卡拉OK装置，伴放装置11是一个CD自动变换器，或盒式播放器，其中含有多个光盘或录音盒带，用来伴放信息存储媒体并进行再现。控制器12控制CD自动变换器或盒式伴放装置，使之能够根据由使用者输入端输入的请求，选择所要求的光盘或录音盒带，以及CD变换器或盒式伴放装置。信号处理器13和扬声器14输出声频信号，并将声频信号再现为声音。在某些实施例中，图象译码器15(虚线所示)将从光盘中子代码(subcode)数据再现的图象数据转换成在图象显示器15上显示的图象信号。话筒16的输出在处理器13中混合。卡拉OK装置的更为详细的描述见各专利，如冈村(Oakamura)等人的美国专利5,194,682，在此引述供参考。
参见图2，图中描述了一个按照本发明的一种实施例的计分系统20，其中的原唱声音和音乐在两个频道上混合。计分系统20是图1中信号处理器13的一部分。演唱者的歌声传入话筒16，并通过模/数(A/D)转换器17转换成数据。来自CD或视盘播放器11的输出作用到消声器27上，仅在混响器(信号合并器)30处提供背景音乐。如果假定声音信号在左、右频道上是均衡的，则这一消声处理可以通过从左频道上减去右频道来实现。来自消声器27的背景音乐在混响器30处与演唱者的声音混合，形成与演唱者的声音加上背景音乐相等的测试信号x。原唱者的声音与播放器11输出的背景直接混合，形成参考信号r。随后，从检测器19处测试信号和检测器29处的参考信号中提取某一特征。所说的特征可以是帧能量、音调、零交叉速率或滤波器组幅度。这些信号参数组合起来，形成一特征向量。计算检测器29处参考特征向量和检测器19处测试向量之间的相似性测量。手段可以是，(a)L1标准(norm)，这里，相似性测量＝sum(取和)(i＝1至i){x(i)-r(i)}，这里，求和计算是在向量的范围内进行的；(b)L2标准，这里，相似性测量＝x之间的欧几里德距离，且r＝sum(i＝1至i){x(i)-r(i)}**2或(c)汉明距离，这里x和r量化成两个等极0和1，并在测试信号和参考信号之间进行异或运算。按照上述定义，接近于0的相似性测量意味着良好的一致性，而一个较大的数值意味着较大的差异。注意对每一帧都要进行上述相似性测量(因为我们将该信号视为一连续数据帧流)。于是，分数就定义为由数个帧组成的整个歌曲中这些相似性测量的累加。在整个歌唱过程中计算了相似性测量以后，我们用一个阈值分35来限定其最低分，使分数不会太低。这样做的目的是为了防止使用者恼火。
按照一种较佳实施例，该特征是帧能量。帧能量检测器19和29的这一输入数据是一连续流的脉码调制(PCM)数据，它是通过比如20毫秒时间间隔的帧来分析的。在A/D转换器17中，该帧是由20毫秒期间内取得的取样值构成的。对于每一帧来说，帧能量是在帧能量检测器19和29处确定的。
按照图2A中所示的另一种实施例，参考信号是如来自能量检测器29’的特征提取器的输入端处的原唱者声音和帧能量检测器19’的话筒输出(只有使用者的唱歌声音)。在诸如日本DVS(数字视频系统)或激光盘(LD)的某些卡拉OK装置中，原唱者的声音是分开的。
参见图3，图中描述的是图2或2A中的帧能量检测器19、19’、29或29’。将数字信号S(n)施加到汉明窗19a，使20毫秒帧视窗的边界光滑，从而获取修正信号Y(n)。在汉明窗中，人们用一个函数来乘以该取样，从而使边界的影响最小。在平方器19b中，将来自汉明窗19a的输出信号Y(n)平方，以获取Y2(n)。对整个帧，在加法器19c中将平方器19b输出的平方信号加和，以获得帧能量∑Y2(n)。
将帧能量检测器19的输出施加到量化器43，用一阈值将每一帧的能量量化成两个能级。见图4。如果该能级超过一阈值能级，则给出逻辑值“0”。所以，对于一组帧来说，量化器给出一串1和0。
来自大多数光盘(CD)的PCM数据(或参考信号r)代表原唱者的声音或背景音乐。原唱者声音和背景音乐的PCM数据经过检测器29的帧能量检测，并经与量化器43采用同样阈值的量化器41的量化，提供逻辑值1或0。图2中检测器19处的输入帧能量被量化，形成包括用户声音加上背景声音的测试信号x的逻辑值。将其与参考信号r中原唱者和背景音乐的量化的参考帧能量(来自检测器29)比较，计算一分数。这可以由异或电路45和加法器47来完成。见图4。例如，加法器47是一个寄存器，对达到某一计分值的预定个数的帧，计算量化逻辑电平的适配或失配。例如，如果帧能量检测器19和29的输出电平吻合，则增大计分值。如不相配，则减小计分值。该计分值存放在寄存器37中，也可以显示在视频显示器上15。
以与图4中类似的方法，在与检测器19’耦合的量化器43处的卡拉OK演唱者声音的量化帧能量和量化器41处的量化原唱者的声音进行异或运算，量化器41与异或逻辑电路45处的检测器29’耦连。以类似的方法，可以根据音调进行计分，并且其中，采用的是音调检测器电路，而不是帧能量检测器19和29(或19’和29’)，而且，如果某一帧的音调高于某一阈值，则量化器41和43提供逻辑值1，而当低于该阈值，则提供逻辑值0，并将量化的音调值与该计分值比较。
尽管上文中详细描述了本发明的优点，但在不偏离由权利要求书所限定的发明精神和范围的情况下，可以对本发明作各种变更、删减和变异。