OLA音频变速算法的仿真与剖析

前段时间，在尝试音乐节拍数的提取时，终于有了突破性的进展，效果基本上比市面上的许多商业软件还要好，在作节拍数检测时，高频信息作用不大，

通过重采样减小运算量。重采样让我想起了在学校里面做的变速变调算法，在这里顺便回顾一下。

OLA(Overlap-and-Add, OLA)重叠叠加算法是音频变速算法中最简单的时域方法，它是后续时域算法(SOLA, SOLA-FS, TD-PSOLA, WSOLA)的基础。

OLA分为分解与合成两个部分，公式看起来很复杂，所以不贴出了，基本思路从图中更能清晰的表现出来。

分解阶段：语音首先分帧，帧长为N，假设帧移为Sa。

合成阶段：分解出来的语音帧，以帧移为Ss的间隔重新合成起来，得到变速之后的音频。

Rate = Ss/ Sa，如果Sa=Ss，则原速；Ss<Sa时，加速；Ss>Sa时，减速。

功能性代码：

function [ RSound ] = OLA(Speech, Fs, Rate)
%OLA Summary of this function goes here
%   Detailed explanation goes here
    frame_ms = 25;
    frame_len = frame_ms * Fs /1000;
    window = hanning(frame_len);
    Sa = 1/2 * frame_len;
    AnalysisSplice = enframe(Speech, window, Sa);
    AnalysisSplice = AnalysisSplice';%each column corresponding to each frame data
    Ss = Rate*Sa;
    RSound = Synthesis(AnalysisSplice, Ss);
end
 
function  RSound = Synthesis(AnalysisSplice, Ss)
    [frame_len, nframes] = size(AnalysisSplice);
    N = Ss*(nframes - 1) + frame_len;
    RSound = zeros(1, N);
    for q = 1:nframes
       RSound(1 + (q-1)* Ss : frame_len + (q-1)*Ss) = RSound(1 + (q-1)* Ss   :  frame_len + (q-1)*Ss) +  AnalysisSplice(:,q)';
    end
end

Script执行代码：

clc;
clear;
close all;
Path = 'D:\Experiment\OLA\';
file = [Path, 'test.wav'];
faster = [Path, 'faster.wav'];
[Speech, Fs] = wavread(file);
Rate = 0.7;
%wavread wavwrite enframe function comes from voicebox tools
RSound = OLA(Speech,Fs,Rate);
wavwrite(RSound,Fs,faster);
figure;
subplot(2,1,1);
plot(Speech);
title('original');
axis([1 length(Speech) -0.5 0.5]);
subplot(2,1,2);
plot(RSound);
title('0.7 faster');
axis([1 length(Speech) -0.5 0.5]);

变速前后的时域波形对比图

OLA算法在重叠部分会造成基频断裂，甚至语音失真。所以后期许多算法基于此缺点进行了相关的改进。

测试文件：

http://pan.baidu.com/s/1hq4540G

来自：http://www.cnblogs.com/welen

http://blog.csdn.net/weiqiwu1986