連續(xù)音頻流分類方法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)和通訊技術(shù)的不斷發(fā)展，音頻數(shù)據(jù)量飛速增長，對(duì)海量音頻數(shù)掘庫進(jìn)行分析、處理和檢索就顯得尤為必要，而基于音頻信號(hào)、信息處理方式的連續(xù)音頻流分類技術(shù)也日益引起人們的關(guān)注。連續(xù)音頻流分類技術(shù)隨其分類目標(biāo)的不同，實(shí)現(xiàn)的難易程度也有很大的差異。本文針對(duì)包含復(fù)雜背景條件下的語音、歌聲和多種環(huán)境音的音頻數(shù)據(jù)集，圍繞連續(xù)音頻流分類技術(shù)中分類和分段兩個(gè)方面，對(duì)分類特征的提取、篩選和分類器模型的構(gòu)建，以及分界點(diǎn)的精確定位展開了較深入的

2、研究。 針對(duì)音頻分類屬于與文本內(nèi)容無關(guān)的識(shí)別任務(wù)的特性，為了盡量消除音頻內(nèi)容信息對(duì)分類結(jié)果的影響，本文考察了幾種常規(guī)的長時(shí)窗特征參數(shù)對(duì)不同音頻類的區(qū)分能力，建立了一個(gè)基于矢量量化模板、K-近鄰判決準(zhǔn)則和線譜對(duì)距離矯正的多級(jí)二分類音頻分類系統(tǒng)，并實(shí)驗(yàn)驗(yàn)證了這種方法對(duì)復(fù)雜音頻數(shù)據(jù)集的分類性能。 論文對(duì)概率統(tǒng)計(jì)模型用于音頻分類進(jìn)行了研究，并根據(jù)復(fù)雜音頻數(shù)據(jù)集的特點(diǎn)，提取了涵蓋寬音頻范圍的90維MFCC參數(shù)(30維MFCC及其一

3、、二階動(dòng)態(tài)參數(shù))，建立了基于GMM模型的音頻分類系統(tǒng)，實(shí)驗(yàn)表明基于短時(shí)倒譜參數(shù)和GMM模型的音頻分類系統(tǒng)具有較好的分類效果。 為了提高GMM模型的區(qū)分能力和減小MFCC矢量的維數(shù)，論文提出了一種將區(qū)分性模型訓(xùn)練和特征篩選相結(jié)合的多級(jí)二分類音頻分類方法，每一級(jí)二分類子系統(tǒng)分別采用不同的MFCC參數(shù)子集為各音頻類建立概率統(tǒng)計(jì)模型。通過對(duì)特征篩選和模型訓(xùn)練的有機(jī)結(jié)合，極大地降低了系統(tǒng)特征維數(shù)，進(jìn)一步提升了系統(tǒng)性能。 針對(duì)傳統(tǒng)音