基于內容的音頻信息分類檢索技術研究.pdf

1、隨著多媒體技術的飛速發(fā)展和計算機處理的不斷增長，人們面臨著一個巨大的數字化“信息海洋”，如何對這些信息進行快速準確地檢索已經成為人們的迫切需要。在這樣的條件下，多媒體信息檢索技術于20世紀90年代開始蓬勃發(fā)展起來，成為信息檢索技術研究的一個重要分支。開始階段，研究的注意力主要集中在基于內容的圖像檢索和視頻檢索兩個方面，而往往忽視了音頻數據中所蘊含的豐富語義，加上原始的音頻數據的非結構化特性，因此，音頻檢索相對滯后。隨著音頻數據的大量出現

2、，基于內容的音頻檢索也逐漸成為多媒體信息檢索技術的一個研究熱點。 本文在認真總結了前人研究成果的基礎上，對基于內容的音頻信息檢索中的若干問題進行了相關探討，著重研究了音頻特征的分析、分類器設計和語音信息檢索這幾方面的問題。 本文的主要工作和研究成果包括以下幾個方面： (1)音頻特征分類方法的研究音頻分類主要以一些主觀或者客觀的音頻特征為基礎，音頻特征的選取要能夠充分體現出音頻在時域和頻域中的重要分類特性。因此，音

3、頻特征的分析與提取也就成為音頻分類問題的基礎和重點。如何有效地提取音頻特征，并保持特征間相互獨立，減少信息冗余就是需要進一步解決的重要問題。 本文在音頻特征分析中，引入獨立分量分析算法，用來提取音頻最為關鍵并高維獨立的特征，提高特征的可分性。同時，在此基礎上，利用支持向量機良好的分類性能，對各類音頻數據的特征進行分類，即提出一種將獨立分量分析和支持向量機結合而構成的混合模型用于音頻特征分類問題，收到較好的效果。 (2)音

4、頻分類器的設計與實現基于內容的音頻檢索就是要針對連續(xù)的音頻信號進行分類。因此，如何構造一個分類器，使其能較好地表征音頻的時間統(tǒng)計特性，同時又具有一定的類別區(qū)分能力是一個值得研究的問題。 本文在結合課題組在語音識別研究中已完成的研究基礎之上，將由隱馬爾科夫模型引申出來的廣義模型運用到音頻分類檢索中，將廣義模型與支持向量機結合，提出將基于支持向量機和廣義模型的混合模型用于音頻分類檢索。 (3)基于廣播新聞音頻的檢索技術研究語