基于小波和隱馬爾可夫模型的音頻分類.pdf

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構化的二進制流，如何提取音頻中的結構化信息和內容語義是音頻信息深度處理、基于內容的音頻檢索以及輔助視頻分析等應用的關鍵。基于內容的音頻分類作為解決音頻結構化問題的核心技術，是當前音頻內容自動分析領域的一個研究熱點。 本文圍繞音頻分類的兩大技術難點一特征分析與抽取以及分類器設計展開研究，主要內容如下： 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和音頻幀相結合的方法進行音頻特征抽取。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)反復情況。對比實驗結果表明，該分類器具有很高的分類精度。嘗試了結合小波分析和傅立葉分析進行音頻特征抽取，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