基于內(nèi)容的音頻檢索系統(tǒng)關(guān)鍵技術(shù)及其實現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)和多媒體的快速發(fā)展，信息急劇增加，如何在海量的信息中快速準(zhǔn)確地檢索出有效信息已成為人們的迫切需要。音頻檢索作為信息檢索技術(shù)的一個重要分支取得了較快發(fā)展，已成為研究熱點。同時，隨著智能終端的急速發(fā)展，音頻檢索出現(xiàn)了新的要求。因智能終端使用的環(huán)境復(fù)雜性，查詢片段往往帶有較多的噪音，這就要求系統(tǒng)具有較高的魯棒性。為了便于終端與服務(wù)器之間的通信，還要求特征數(shù)據(jù)短小。
　　本文介紹了基于內(nèi)容的音頻檢索技術(shù)的基本概念，并圍繞其關(guān)鍵技

2、術(shù)展開研究，主要工作和研究成果包括以下幾個方面:
　　(1)分析和研究各種音頻特征，包括Mel倒譜系數(shù)(MFCC)，Chroma旋律特征，多種音頻指紋特征(Audio Fingerprint)等。認(rèn)為音頻指紋特征具有較高的魯棒性，并改進(jìn)Shazam的音頻指紋特征，使之具有較高的抗噪能力，且特征數(shù)據(jù)較小。
　　(2)分析和研究幾種較為常見的音頻分類算法，包括動態(tài)時間規(guī)整，高斯混合模型，隱馬爾科夫模型，支持向量機(jī)。我們用這些分類

3、器對音頻特征進(jìn)行分類，方便檢索。由于這些分類器的時間復(fù)雜度較大，在海量音頻數(shù)據(jù)下，分類器的訓(xùn)練需要花大量的時間，且影響分類器性能。在本文檢索系統(tǒng)中，使用Hash算法來實現(xiàn)分類。
　　(3)通過音頻分類后，音頻數(shù)據(jù)已完全結(jié)構(gòu)化，使用較為成熟的文本檢索技術(shù)來實現(xiàn)音頻檢索。我們采用倒排索引實現(xiàn)檢索，不同于Hash索引，其支持海量音頻數(shù)據(jù)的查詢，且可以直接使用現(xiàn)有系統(tǒng)，如Lucene等。
　　(4)研究音頻匹配算法，將改進(jìn)的編輯距離