基于聽(tīng)覺(jué)機(jī)理的音頻指紋算法研究與實(shí)現(xiàn).pdf

1、隨著大數(shù)據(jù)時(shí)代的到來(lái)，互聯(lián)網(wǎng)上的信息量呈爆炸式增長(zhǎng)。傳統(tǒng)的基于文本標(biāo)注的檢索已經(jīng)不能滿足人們對(duì)多媒體檢索的需求。基于多媒體文件自身內(nèi)容信息的檢索已經(jīng)成為今年來(lái)的研究熱點(diǎn)。在基于內(nèi)容的多媒體檢索中，樣例檢索（Query-By-Example）具有使用方便、不需要標(biāo)注信息、對(duì)用戶要求低等特點(diǎn)。以音頻為例，人們可以通過(guò)提交一小段未知錄音來(lái)搜索數(shù)據(jù)庫(kù)從而獲取該段錄音相關(guān)信息。音頻指紋檢索是樣例檢索的一種重要形式，它具有體積小、檢索速度快等優(yōu)點(diǎn)。

2、本文針對(duì)音頻指紋算法存在的一些關(guān)鍵問(wèn)題進(jìn)行研究，主要研究工作如下：
　　首先，針對(duì)短查詢指紋搜索檢出率低的問(wèn)題，采用基于聽(tīng)覺(jué)機(jī)理的音頻指紋生成方法。在計(jì)算音頻指紋時(shí)的峰值點(diǎn)選取過(guò)程中，充分利用人耳聽(tīng)覺(jué)的掩蔽效應(yīng)，以峰值點(diǎn)能量為基準(zhǔn)，生成掩蔽閾值曲線，并將其用于后續(xù)峰值點(diǎn)的選取，在選出新的峰值點(diǎn)的同時(shí)，采用疊加的方式更新該閾值曲線，從而將不易被人耳感知的峰值點(diǎn)濾除。本文采用掩蔽效應(yīng)構(gòu)建動(dòng)態(tài)閾值曲線，從而選取出更具魯棒性的頻譜峰值點(diǎn)，

3、以這些峰值點(diǎn)為基礎(chǔ)生成的音頻指紋將具有更好的魯棒性，更有利于提高音頻指紋檢索的檢出率。實(shí)驗(yàn)結(jié)果表明，該方法能明顯提高檢出率。
　　其次，本文針對(duì)音頻指紋算法參數(shù)的數(shù)量多、數(shù)值范圍大，以及難以通過(guò)人工選擇的方式尋找最優(yōu)參數(shù)組合的問(wèn)題，鑒于群智能方法能夠在高維空間中快速搜索到最優(yōu)解的特點(diǎn)，使用粒子群算法（Particle Swarm Optimization,PSO）、遺傳算法（Genetic Algorithm,GA）進(jìn)行參數(shù)尋優(yōu)，