版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、音頻處理在多媒體信息處理中占有重要地位。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,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)容的音頻檢索以及輔助視頻分析等應(yīng)用的關(guān)鍵。基于內(nèi)容的音頻分類作為解決音頻結(jié)構(gòu)化問題的核心技術(shù),是當(dāng)前音頻內(nèi)容自動分析領(lǐng)域的一個研究熱點。 本文圍繞音頻分類的兩大技術(shù)難點一特征分析與抽取以及分類器設(shè)計展開研究,主要內(nèi)容如下: 概要地介紹了HMM的基本理論和主要算法。深入
2、研究了語音、音樂的區(qū)別性特征及其計算方法,采用了音頻clip和音頻幀相結(jié)合的方法進(jìn)行音頻特征抽取。提出了一種基于各態(tài)歷經(jīng)混合高斯密度隱馬爾可夫模型(EMGD HMM)的音頻分類器,用于語音、音樂以及它們混合聲音的分類。該分類器采用了全連接Markov鏈,從而能夠有效地描述音頻中的狀態(tài)反復(fù)情況。對比實驗結(jié)果表明,該分類器具有很高的分類精度。嘗試了結(jié)合小波分析和傅立葉分析進(jìn)行音頻特征抽取,其中對子帶能量和基音周期采用小波分析抽取,對頻譜中心
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于隱馬爾可夫模型的音頻檢索.pdf
- 基于隱馬爾可夫模型的動態(tài)紋理分類.pdf
- 基于隱馬爾可夫模型脈象信號分類.pdf
- 基于小波域隱馬爾可夫模型的自適應(yīng)圖像水印.pdf
- 52621.基于小波域隱馬爾可夫樹模型的遙感圖像紋理分類研究
- 隱馬爾可夫模型簡介
- 基于小波變換和馬爾可夫鏈的流量預(yù)測模型.pdf
- 隱馬爾可夫模型技術(shù)
- 基于小波包變換和隱馬爾可夫模型的脈搏信號分析.pdf
- 基于小波域隱馬爾可夫模型的數(shù)字圖象水印算法研究.pdf
- 基于小波域隱馬爾可夫樹模型的乳腺微鈣化輔助診斷研究.pdf
- 隱馬爾可夫過程小波變換的參數(shù)估計.pdf
- 基于隱馬爾可夫模型的J波識別技術(shù)研究.pdf
- 基于隱馬爾可夫模型的網(wǎng)絡(luò)流量分類和控制技術(shù)研究.pdf
- 基于隱馬爾可夫模型的可用帶寬測量.pdf
- 基于隱馬爾可夫模型的指紋匹配研究.pdf
- 基于隱馬爾科夫模型的信號分類.pdf
- 基于特征選擇和隱馬爾可夫模型的人臉識別.pdf
- 基于隱馬爾可夫模型的自動和弦識別.pdf
- 基于隱馬爾可夫模型的推薦算法研究.pdf
評論
0/150
提交評論