基于內(nèi)容的音頻分類方法研究.pdf

1、基于內(nèi)容的音頻分類是模式分類技術(shù)的一個重要應(yīng)用方向，是音頻檢索和視頻分析等技術(shù)的重要研究內(nèi)容。當(dāng)前，基于內(nèi)容的音頻分類技術(shù)研究集中在兩個方面，一個是怎樣從音頻信號中提取表征音頻內(nèi)容的特征信息，另一個是怎樣針對音頻信息特征構(gòu)建分類器模型。
　　 在現(xiàn)有音頻特征提取和音頻分類技術(shù)基礎(chǔ)上，以足球比賽中的音頻分類為具體應(yīng)用，音頻信息分為噪音、解說員語音、哨音、歡呼聲和帶背景音的解說員語音等5個類別。音頻特征提取是基于內(nèi)容的音頻分類的前提

2、和基礎(chǔ)。按照MPEG-7 音頻標(biāo)準(zhǔn)，提取幀層次和段層次上的音頻特征，包括過零率、短時能量、頻譜質(zhì)心等，根據(jù)各類音頻信息的不同特點(diǎn)，有針對性地選取特征構(gòu)造特征向量，并將不同的特征組合應(yīng)用于音頻分類?；趦?nèi)容的音頻分類的難點(diǎn)是如何構(gòu)造分類器，建立音頻的低級聲學(xué)特征與高級類別特征之間的映射關(guān)系?；跊Q策樹的分類方法，設(shè)計實(shí)現(xiàn)了一種層次化的音頻分類器。區(qū)別于傳統(tǒng)的方法，它不是企圖用一個算法或一個決策規(guī)則將多個類別一次分開，而是把一個復(fù)雜的多分類