基于內容的海量音頻智能檢索與重復性檢測.pdf

1、互聯(lián)網(wǎng)技術的發(fā)展和計算機處理能力的提高，使得我們面臨著“信息海洋”的時代，尤其是對于音頻信號這種非結構化數(shù)據(jù)的存儲量越來越多，對其存儲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是指利用與音頻內容相關的文本核心詞作為查詢輸入，輸出音頻的完整信息。它需要人工對音頻所表示的含義進行文本標注，存在主觀性和不完整性，因此無法準確描述音頻信息中所蘊含的豐富的語義信息及內容的感知信息，也不能夠滿足在海量音頻數(shù)據(jù)的環(huán)境下對音頻內容快速高效的檢

2、索要求?；趦热莸囊纛l檢索是指通過對音頻數(shù)據(jù)中的旋律、音調、響度等音頻特征的詳細分析，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，也能夠適應海量音頻環(huán)境下的檢索需求，成為很多國內外學者的研究重點和熱點。
　　本文在認真總結國內外學者研究成果的基礎上，重點針對基于內容的音頻檢索相關技術進行了討論，并在Philips指紋提取技術的基礎上，重點圍繞音頻特征分類與索

3、引技術進行了研究，對音頻的相似度量方法進行了合理的選擇，最后結合Filter-and-Refine框架模型在提高音頻檢索準確率的基礎上，加快檢索速度，同時能夠支持實時音頻檢索。實現(xiàn)了在普通配置的PC機上從13W條音頻庫中進行音頻片段檢索的平均速度在1s內，檢索召回率達到95％以上，檢索準確率達到97％以上，對于互聯(lián)網(wǎng)時代下的音頻數(shù)據(jù)訪問服務有重大意義。主要內容包括：⑴對音頻信號的基本數(shù)字特征做了簡要闡述，重點對本文用到的幀特征和段特征分