音頻數(shù)據(jù)檢索快速算法的研究.pdf

1、機器聽覺包括三大研究領(lǐng)域：語音信號處理與識別、一般音頻信號分析、基于內(nèi)容的音頻檢索。其中，語音信號處理與識別是一個傳統(tǒng)的研究熱點，隨著音頻數(shù)據(jù)的海量增長以及語音識別技術(shù)的相對穩(wěn)定和成熟，音頻檢索逐漸成為了信息檢索領(lǐng)域內(nèi)的一個新的研究熱點。音頻檢索研究如何從大量音頻信息中快速準(zhǔn)確地檢索滿足要求的音頻數(shù)據(jù)。與語音識別技術(shù)相比，音頻檢索處理的數(shù)據(jù)是更一般的波形聲音信號（包括語音和音樂），其研究成果可廣泛地應(yīng)用于遠程教學(xué)、衛(wèi)生醫(yī)療、數(shù)字圖書館、

2、環(huán)境監(jiān)測、新聞和娛樂節(jié)目的索引與標(biāo)記等領(lǐng)域。
　　本學(xué)位論文研究了利用圖像配準(zhǔn)方法的音頻數(shù)據(jù)快速檢索算法，簡稱FAR(Fast Audio Retrieval)。首先，采用音頻處理中的短時分析技術(shù)將音頻數(shù)據(jù)劃分成一個個短時幀，并提取其MFCC特征參數(shù)；其次，將音頻短時幀的特征參數(shù)MFCC轉(zhuǎn)換為二值圖像；最后，采用圖像配準(zhǔn)的方法對測試模板和參考模板的MFCC特征參數(shù)進行模板匹配，計算兩個模板之間的匹配程度，并將該結(jié)果作為兩個模板間的