連續(xù)音頻流分類方法研究.pdf

1、隨著計算機技術、網(wǎng)絡技術和通訊技術的不斷發(fā)展，音頻數(shù)據(jù)量飛速增長，對海量音頻數(shù)掘庫進行分析、處理和檢索就顯得尤為必要，而基于音頻信號、信息處理方式的連續(xù)音頻流分類技術也日益引起人們的關注。連續(xù)音頻流分類技術隨其分類目標的不同，實現(xiàn)的難易程度也有很大的差異。本文針對包含復雜背景條件下的語音、歌聲和多種環(huán)境音的音頻數(shù)據(jù)集，圍繞連續(xù)音頻流分類技術中分類和分段兩個方面，對分類特征的提取、篩選和分類器模型的構建，以及分界點的精確定位展開了較深入的

2、研究。 針對音頻分類屬于與文本內(nèi)容無關的識別任務的特性，為了盡量消除音頻內(nèi)容信息對分類結果的影響，本文考察了幾種常規(guī)的長時窗特征參數(shù)對不同音頻類的區(qū)分能力，建立了一個基于矢量量化模板、K-近鄰判決準則和線譜對距離矯正的多級二分類音頻分類系統(tǒng)，并實驗驗證了這種方法對復雜音頻數(shù)據(jù)集的分類性能。 論文對概率統(tǒng)計模型用于音頻分類進行了研究，并根據(jù)復雜音頻數(shù)據(jù)集的特點，提取了涵蓋寬音頻范圍的90維MFCC參數(shù)(30維MFCC及其一

3、、二階動態(tài)參數(shù))，建立了基于GMM模型的音頻分類系統(tǒng)，實驗表明基于短時倒譜參數(shù)和GMM模型的音頻分類系統(tǒng)具有較好的分類效果。 為了提高GMM模型的區(qū)分能力和減小MFCC矢量的維數(shù)，論文提出了一種將區(qū)分性模型訓練和特征篩選相結合的多級二分類音頻分類方法，每一級二分類子系統(tǒng)分別采用不同的MFCC參數(shù)子集為各音頻類建立概率統(tǒng)計模型。通過對特征篩選和模型訓練的有機結合，極大地降低了系統(tǒng)特征維數(shù)，進一步提升了系統(tǒng)性能。 針對傳統(tǒng)音