基于語義理解的音頻內(nèi)容管理機制研究.pdf

1、隨著音頻資源的日益增多和網(wǎng)絡多元化服務質量的不斷提高,由此帶來的復雜性使得難以對網(wǎng)絡中的音頻資源進行有效管理,究其原因是忽略了音頻資源內(nèi)容語義的管理,從而導致了信息孤島的難于理解且相互分離。本課題以音頻語義理解為基點,建立統(tǒng)一且高效的音頻內(nèi)容管理機制。針對UCL標引的音頻資源信息,本論文主要從數(shù)字音頻水印管理和音頻語義分類檢索兩方面展開研究,并提出了相應的算法模型設計方案及對應的仿真驗證分析。論文主要研究內(nèi)容如下:
　　 (1)

2、研究基于UCL標引的數(shù)字水印音頻語義管理技術,提出基于UCL的RBF神經(jīng)網(wǎng)絡雙重語義水印算法,該方法用UCL技術對音頻資源標引,設計基于UCL的音頻語義標引框架,并建立數(shù)字音頻語義水印模型。在模型中,用RBF神經(jīng)網(wǎng)絡自適應選擇水印嵌入的最佳音頻數(shù)據(jù)段,用小波變換提取所選音頻段的近似分量和細節(jié)分量,并在兩種分量中嵌入不同的語義信息。用形成的雙重語義水印實現(xiàn)語義信息和原始音頻信號一體化的傳輸,并用同步碼技術解決水印信息的有效檢測與監(jiān)督。實驗

3、結果表明:在嵌入水印為信息量較大的語義信息時,本文采用的方法仍有較好的魯棒性和不可聽性,同時,同步碼技術可有效保證水印信息的檢測和監(jiān)督,并改善了傳輸中的抗同步攻擊能力。
　　 (2)針對音頻特征向量無法表示音頻信息多語義特性及各語義間的相關性,提出了基于張量UCL的音頻語義特征表征方式,將音頻信息表示為三階張量,并構建多語義張量空間。在此空間中,張量語義離散度(TSD)能有效聚集具有相同語義的音頻資源,通過計算各音頻資源的TSD