基于內(nèi)容的音頻信息分類(lèi)檢索技術(shù)研究.pdf

1、隨著多媒體技術(shù)的飛速發(fā)展和計(jì)算機(jī)處理的不斷增長(zhǎng)，人們面臨著一個(gè)巨大的數(shù)字化“信息海洋”，如何對(duì)這些信息進(jìn)行快速準(zhǔn)確地檢索已經(jīng)成為人們的迫切需要。在這樣的條件下，多媒體信息檢索技術(shù)于20世紀(jì)90年代開(kāi)始蓬勃發(fā)展起來(lái)，成為信息檢索技術(shù)研究的一個(gè)重要分支。開(kāi)始階段，研究的注意力主要集中在基于內(nèi)容的圖像檢索和視頻檢索兩個(gè)方面，而往往忽視了音頻數(shù)據(jù)中所蘊(yùn)含的豐富語(yǔ)義，加上原始的音頻數(shù)據(jù)的非結(jié)構(gòu)化特性，因此，音頻檢索相對(duì)滯后。隨著音頻數(shù)據(jù)的大量出現(xiàn)

2、，基于內(nèi)容的音頻檢索也逐漸成為多媒體信息檢索技術(shù)的一個(gè)研究熱點(diǎn)。 本文在認(rèn)真總結(jié)了前人研究成果的基礎(chǔ)上，對(duì)基于內(nèi)容的音頻信息檢索中的若干問(wèn)題進(jìn)行了相關(guān)探討，著重研究了音頻特征的分析、分類(lèi)器設(shè)計(jì)和語(yǔ)音信息檢索這幾方面的問(wèn)題。 本文的主要工作和研究成果包括以下幾個(gè)方面： (1)音頻特征分類(lèi)方法的研究音頻分類(lèi)主要以一些主觀或者客觀的音頻特征為基礎(chǔ)，音頻特征的選取要能夠充分體現(xiàn)出音頻在時(shí)域和頻域中的重要分類(lèi)特性。因此，音

3、頻特征的分析與提取也就成為音頻分類(lèi)問(wèn)題的基礎(chǔ)和重點(diǎn)。如何有效地提取音頻特征，并保持特征間相互獨(dú)立，減少信息冗余就是需要進(jìn)一步解決的重要問(wèn)題。 本文在音頻特征分析中，引入獨(dú)立分量分析算法，用來(lái)提取音頻最為關(guān)鍵并高維獨(dú)立的特征，提高特征的可分性。同時(shí)，在此基礎(chǔ)上，利用支持向量機(jī)良好的分類(lèi)性能，對(duì)各類(lèi)音頻數(shù)據(jù)的特征進(jìn)行分類(lèi)，即提出一種將獨(dú)立分量分析和支持向量機(jī)結(jié)合而構(gòu)成的混合模型用于音頻特征分類(lèi)問(wèn)題，收到較好的效果。 (2)音

4、頻分類(lèi)器的設(shè)計(jì)與實(shí)現(xiàn)基于內(nèi)容的音頻檢索就是要針對(duì)連續(xù)的音頻信號(hào)進(jìn)行分類(lèi)。因此，如何構(gòu)造一個(gè)分類(lèi)器，使其能較好地表征音頻的時(shí)間統(tǒng)計(jì)特性，同時(shí)又具有一定的類(lèi)別區(qū)分能力是一個(gè)值得研究的問(wèn)題。 本文在結(jié)合課題組在語(yǔ)音識(shí)別研究中已完成的研究基礎(chǔ)之上，將由隱馬爾科夫模型引申出來(lái)的廣義模型運(yùn)用到音頻分類(lèi)檢索中，將廣義模型與支持向量機(jī)結(jié)合，提出將基于支持向量機(jī)和廣義模型的混合模型用于音頻分類(lèi)檢索。 (3)基于廣播新聞音頻的檢索技術(shù)研究語(yǔ)