基于BIC的音頻分割與聚類技術(shù)研究.pdf

1、隨著基于內(nèi)容音頻檢索技術(shù)的發(fā)展和應用，如何提取和分析音頻的語義內(nèi)容和結(jié)構(gòu)化信息，是音頻信息深度分析、處理以及音頻應用的關(guān)鍵，而音頻分割和聚類技術(shù)是音頻結(jié)構(gòu)化的基礎，是解決該問題的關(guān)鍵技術(shù)。
　　 連續(xù)音頻信號流從一種音頻信號轉(zhuǎn)變到另一種音頻信號時，某些聽覺特征會發(fā)生變化，前后差異較大。音頻分割就是利用這種差異性，在變換的地方進行切分，把連續(xù)的音頻流分割成長短不一的音頻單元。待分割算法檢測出改變點后，得到若干個音頻段。由于事先并不

2、知道這些音頻段中包含了多少個說話人以及多少個音頻類，因此我們需要對這些音頻段進行無監(jiān)督的聚類。本文主要對小波域音頻特征、基于BIC的音頻分割算法以及基于可變帶寬的Mean Shift音頻聚類算法進行了研究。主要工作如下：
　　 首先，利用多分辨分析的優(yōu)勢，給出了基于小波域的音頻特征。該方法以小波變換為理論基礎，分析了基于幀的音頻特征和基于音頻段的音頻特征，較好的解決了基于時域和基于頻域的特征無法描述信號時頻局部性質(zhì)的不足。為后續(xù)

3、的音頻聚類技術(shù)打下基礎。
　　 然后針對目前BIC(Bayesian Information Criterion)音頻分割算法中冗余分割點過多，導致準確率及召回率下降的問題，本文提出了改進的BIC分割算法。該方法首先采用固定窗口BIC方法檢測出潛在的候選分割點，然后通過BIC對這些潛在分割點區(qū)域進行檢驗，檢測出真實分割點或固定窗法漏檢的分割點。實驗結(jié)果表明，該方法與傳統(tǒng)的BIC算法和目前一些基于BIC的改進算法相比，大大提高了其

4、準確率，召回率及綜合性能。
　　 最后鑒于固定帶寬Mean Shift算法中帶寬參數(shù)這一影響因子，提出了一種自適應帶寬的Mean Shift音頻聚類算法。該方法首先對需要聚類的音頻段提取小波域特征，并采用PCA變換來消除音頻特征間的相關(guān)性和冗余信息；然后采用自適應帶寬的Mean Shift算法對音頻段進行聚類；最后輸出聚類結(jié)果。實驗結(jié)果表明，本文選取的小波域音頻特征比較好的表示了音頻的語義信息，且該算法與固定帶寬的MeanShi