基于音頻指紋和版本識別的音樂檢索技術(shù)研究.pdf

1、基于內(nèi)容的音樂檢索是當(dāng)前音頻檢索的熱門領(lǐng)域，而且隨著在線音樂量的不斷增加，其應(yīng)用價值也越來越大。另一方面，用戶的檢索需求也在變化，他們往往不滿足于僅僅獲得與查詢完全相同的歌曲，還希望獲得目標(biāo)音樂的多個版本，比如不同歌手、不同場合演唱的版本。隨著網(wǎng)絡(luò)自媒體的發(fā)展和業(yè)余翻唱的普及，這種需求也越來越明顯。
　　基于內(nèi)容的音樂檢索分別從查詢音樂和樣例音樂提取特征，然后進(jìn)行特征匹配來檢索與查詢相同的樣例音樂。在樣例檢索中使用的特征通常稱為音

2、頻指紋，其追求格式緊湊簡潔，傾向于匹配內(nèi)容相同的音樂片段，而音樂版本特征表達(dá)復(fù)雜，傾向于匹配版本特征相同的片段，而內(nèi)容并不一定相同。因此本文對兩者分開處理，音樂版本識別可以在規(guī)范樣例庫中離線進(jìn)行，而基于音頻指紋的檢索實時進(jìn)行，對于指紋檢索命中樣例，可以根據(jù)版本識別結(jié)果馬上給出相關(guān)樣例（即該歌曲的其它版本）。
　　由于人類聽覺性能良好，本文希望從基于聽覺機理的特征出發(fā)來構(gòu)建音頻指紋。在分析人耳的生理特征后，本文使用余弦基和發(fā)放函數(shù)來

3、仿真耳蝸對聲音的處理流程，然后使用稀疏分解得到特征系數(shù)。為了克服分解耗時較高的問題，提出了基于匹配追蹤算法的快速特征提取方法。
　　由于基于聽覺機理的稀疏特征形式復(fù)雜，并不適于直接用來檢索，本文將其壓縮轉(zhuǎn)換為音頻指紋。應(yīng)用的主要方法包括使用最小哈希對高維二值序列特征進(jìn)行降維，以及使用局部敏感哈希進(jìn)行快速檢索，然后給出相應(yīng)的候選確認(rèn)和樣例檢出方法。實驗表明該指紋特征具有較好的檢索效率和表達(dá)性，對于輕微噪聲和時域全局性變化的魯棒性較好