基于內(nèi)容的MP3音頻分類研究.pdf

1、音頻信息檢索技術(shù)是多媒體信息檢索技術(shù)中的一個重要組成部分，而音頻分類技術(shù)作為音頻檢索技術(shù)的基礎，也越來越被受到關(guān)注?；趦?nèi)容的音頻分類是一個涵蓋十分廣泛的研究領(lǐng)域，為了使計算機能夠像人那樣對音頻語義實現(xiàn)自動理解，這個領(lǐng)域的研究從初始對原始音頻流分析向目前感知理解發(fā)展，從實際認識向抽象理解發(fā)展，因為人腦對事物的理解是抽象的，是基于知識的。 目前，已經(jīng)有很多學者對基于內(nèi)容的壓縮音頻分類方法進行了研究，但已有方法普遍存在一些不足之處，

2、如對人耳的聽覺特性考慮較少，沒有較好地利用音頻壓縮編碼過程中的計算結(jié)果等等。到目前為止，還沒有一個既能實現(xiàn)高正確率、又能實現(xiàn)高效率的同時針對純音樂音頻和非純音樂音頻的分類算法。 本文設計了一種在壓縮域上對音頻進行基于內(nèi)容的分類系統(tǒng)，并對系統(tǒng)的分層結(jié)構(gòu)和系統(tǒng)各個模塊的實現(xiàn)方法和原理進行了深入的分析和探討。 本文所采用的方案的優(yōu)勢在于，充分利用了編碼器的計算結(jié)果，充分考慮了人耳的聽覺特性，還使用了心理聲學的研究成果。