基于內容的音頻檢索系統(tǒng)關鍵技術及其實現(xiàn).pdf

1、隨著互聯(lián)網和多媒體的快速發(fā)展，信息急劇增加，如何在海量的信息中快速準確地檢索出有效信息已成為人們的迫切需要。音頻檢索作為信息檢索技術的一個重要分支取得了較快發(fā)展，已成為研究熱點。同時，隨著智能終端的急速發(fā)展，音頻檢索出現(xiàn)了新的要求。因智能終端使用的環(huán)境復雜性，查詢片段往往帶有較多的噪音，這就要求系統(tǒng)具有較高的魯棒性。為了便于終端與服務器之間的通信，還要求特征數據短小。
　　本文介紹了基于內容的音頻檢索技術的基本概念，并圍繞其關鍵技

2、術展開研究，主要工作和研究成果包括以下幾個方面:
　　(1)分析和研究各種音頻特征，包括Mel倒譜系數(MFCC)，Chroma旋律特征，多種音頻指紋特征(Audio Fingerprint)等。認為音頻指紋特征具有較高的魯棒性，并改進Shazam的音頻指紋特征，使之具有較高的抗噪能力，且特征數據較小。
　　(2)分析和研究幾種較為常見的音頻分類算法，包括動態(tài)時間規(guī)整，高斯混合模型，隱馬爾科夫模型，支持向量機。我們用這些分類

3、器對音頻特征進行分類，方便檢索。由于這些分類器的時間復雜度較大，在海量音頻數據下，分類器的訓練需要花大量的時間，且影響分類器性能。在本文檢索系統(tǒng)中，使用Hash算法來實現(xiàn)分類。
　　(3)通過音頻分類后，音頻數據已完全結構化，使用較為成熟的文本檢索技術來實現(xiàn)音頻檢索。我們采用倒排索引實現(xiàn)檢索，不同于Hash索引，其支持海量音頻數據的查詢，且可以直接使用現(xiàn)有系統(tǒng)，如Lucene等。
　　(4)研究音頻匹配算法，將改進的編輯距離