基于GMM和SVM的音頻分類算法.pdf

1、隨著計算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)和通訊技術(shù)的不斷發(fā)展，圖像、視頻、音頻等多媒體數(shù)據(jù)已逐漸成為信息處理領(lǐng)域中主要的信息媒體形式，其中音頻信息占有重要的地位。 原始音頻數(shù)據(jù)是一種非語義符號表示和非結(jié)構(gòu)化的二進(jìn)制流，缺乏內(nèi)容語義的描述和結(jié)構(gòu)化的組織，給音頻信息的深度處理和分析工作帶來了很大的困難。如何提取音頻中的結(jié)構(gòu)化信息和內(nèi)容語義是音頻信息深度處理、基于內(nèi)容檢索和輔助視頻分析等應(yīng)用的關(guān)鍵。音頻分類與分割技術(shù)是解決這一問題的關(guān)鍵技術(shù)，是音頻結(jié)

2、構(gòu)化的基礎(chǔ)。本文在總結(jié)前人研究成果的基礎(chǔ)上，研究了音頻特征的分析與抽取、基于GMM的音頻分類和基于SVM的音頻分類問題。 本文工作主要包括以下內(nèi)容： (1)分析了語音和音樂的特征參數(shù)，并提取其相關(guān)特征。 (2)分別使用GMM和SVM分類算法做為語音和音樂的分類器，并比較了這兩種分類器的性能。 (3)使用SVM分類器實(shí)現(xiàn)語音端點(diǎn)檢測，并與基于能量和過零率的端點(diǎn)檢測方法進(jìn)行了比較。 (4)給出了一種基