基于內(nèi)容的海量音頻智能檢索與重復(fù)性檢測(cè).pdf

1、互聯(lián)網(wǎng)技術(shù)的發(fā)展和計(jì)算機(jī)處理能力的提高，使得我們面臨著“信息海洋”的時(shí)代，尤其是對(duì)于音頻信號(hào)這種非結(jié)構(gòu)化數(shù)據(jù)的存儲(chǔ)量越來越多，對(duì)其存儲(chǔ)與管理的需求也越來越大。傳統(tǒng)的基于文本的音頻檢索技術(shù)是指利用與音頻內(nèi)容相關(guān)的文本核心詞作為查詢輸入，輸出音頻的完整信息。它需要人工對(duì)音頻所表示的含義進(jìn)行文本標(biāo)注，存在主觀性和不完整性，因此無法準(zhǔn)確描述音頻信息中所蘊(yùn)含的豐富的語義信息及內(nèi)容的感知信息，也不能夠滿足在海量音頻數(shù)據(jù)的環(huán)境下對(duì)音頻內(nèi)容快速高效的檢

2、索要求?；趦?nèi)容的音頻檢索是指通過對(duì)音頻數(shù)據(jù)中的旋律、音調(diào)、響度等音頻特征的詳細(xì)分析，使與查詢輸入不同的音頻數(shù)據(jù)具有不同的語義，而具有相同語義的音頻在聽覺感知上保持相似。不僅避免了基于文本檢索的諸多弊端，也能夠適應(yīng)海量音頻環(huán)境下的檢索需求，成為很多國(guó)內(nèi)外學(xué)者的研究重點(diǎn)和熱點(diǎn)。
　　本文在認(rèn)真總結(jié)國(guó)內(nèi)外學(xué)者研究成果的基礎(chǔ)上，重點(diǎn)針對(duì)基于內(nèi)容的音頻檢索相關(guān)技術(shù)進(jìn)行了討論，并在Philips指紋提取技術(shù)的基礎(chǔ)上，重點(diǎn)圍繞音頻特征分類與索

3、引技術(shù)進(jìn)行了研究，對(duì)音頻的相似度量方法進(jìn)行了合理的選擇，最后結(jié)合Filter-and-Refine框架模型在提高音頻檢索準(zhǔn)確率的基礎(chǔ)上，加快檢索速度，同時(shí)能夠支持實(shí)時(shí)音頻檢索。實(shí)現(xiàn)了在普通配置的PC機(jī)上從13W條音頻庫(kù)中進(jìn)行音頻片段檢索的平均速度在1s內(nèi)，檢索召回率達(dá)到95％以上，檢索準(zhǔn)確率達(dá)到97％以上，對(duì)于互聯(lián)網(wǎng)時(shí)代下的音頻數(shù)據(jù)訪問服務(wù)有重大意義。主要內(nèi)容包括：⑴對(duì)音頻信號(hào)的基本數(shù)字特征做了簡(jiǎn)要闡述，重點(diǎn)對(duì)本文用到的幀特征和段特征分