體育比賽音頻分段和關鍵詞檢索研究.pdf

1、近年來語音識別和關鍵詞檢索技術發(fā)展愈來愈迅速，逐步走向?qū)嵱没?。關鍵詡檢索技術比連續(xù)語音識別具有更好的靈活性，因而具有更廣泛的應用領域。本文研究的電視體育比賽音頻的關鍵詞檢索就是這方面的一個具體應用。由于體育比賽音頻的構成比較復雜，要想提高關鍵詞檢索系統(tǒng)的性能，系統(tǒng)的前端處理模塊——音頻分段分類顯得至關重要。本文主要研究了以下幾個方面：
　　 體育比賽的音頻分段分類算法：電視體育比賽音頻構成非常復雜，包括解說員語音、音樂、歡呼聲、

2、進球聲和口哨身等。針對體育比賽音頻自身的特點，本文嘗試了三種音頻分段分類算法。分別是：基于音素解碼的方法；基于BIC距離測算和GMM模型相結(jié)合的方法；基于BIC距離測算和音素解碼相結(jié)合的方法。并基于這三種方法分別對足球比賽、網(wǎng)球比賽和籃球比賽做分段分類試驗，從實驗結(jié)果上來看，無論從精度還是從召回率上，基于BIC距離測算和GMM模型選擇相結(jié)合的方法在提取解說員語音的效果上要好一些。因此建議選擇這種方法對體育比賽音頻進行音頻分段分類。

3、>　　 關鍵詞檢索系統(tǒng)改進：在實驗室關鍵詞檢索基線檢索系統(tǒng)的基礎上做了一些改進工作。由于此基線系統(tǒng)是用于廣播新聞語音的，顯然不太適用于體育比賽音頻的關鍵詞檢索?；诖?，本文對關鍵詞檢索基線系統(tǒng)的聲學模型和語言模型做了自適應。針對不同的體育比賽類別，本文主要做了四個實驗：一是基線聲學模型保持不變，做語言模型自適應；二是基線語言模型不變，基于MAP做聲學模型自適應；三是用各自的自適應數(shù)據(jù)對相應類型的比賽音頻做聲學模型和語言模型自適應；四是