基于內(nèi)容的音頻信息分類檢索技術(shù)研究.pdf

1、隨著多媒體技術(shù)的飛速發(fā)展和計(jì)算機(jī)處理的不斷增長(zhǎng)，人們面臨著一個(gè)巨大的數(shù)字化“信息海洋”，如何對(duì)這些信息進(jìn)行快速準(zhǔn)確地檢索已經(jīng)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(shù)于20世紀(jì)90年代開始蓬勃發(fā)展起來，成為信息檢索技術(shù)研究的一個(gè)重要分支。開始階段，研究的注意力主要集中在基于內(nèi)容的圖像檢索和視頻檢索兩個(gè)方面，而往往忽視了音頻數(shù)據(jù)中所蘊(yùn)含的豐富語(yǔ)義，加上原始的音頻數(shù)據(jù)的非結(jié)構(gòu)化特性，因此，音頻檢索相對(duì)滯后。隨著音頻數(shù)據(jù)的大量出現(xiàn)

2、，基于內(nèi)容的音頻檢索也逐漸成為多媒體信息檢索技術(shù)的一個(gè)研究熱點(diǎn)。 本文在認(rèn)真總結(jié)了前人研究成果的基礎(chǔ)上，對(duì)基于內(nèi)容的音頻信息檢索中的若干問題進(jìn)行了相關(guān)探討，著重研究了音頻特征的分析、分類器設(shè)計(jì)和語(yǔ)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(gè)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(chǔ)，音頻特征的選取要能夠充分體現(xiàn)出音頻在時(shí)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(chǔ)和重點(diǎn)。如何有效地提取音頻特征，并保持特征間相互獨(dú)立，減少信息冗余就是需要進(jìn)一步解決的重要問題。 本文在音頻特征分析中，引入獨(dú)立分量分析算法，用來提取音頻最為關(guān)鍵并高維獨(dú)立的特征，提高特征的可分性。同時(shí)，在此基礎(chǔ)上，利用支持向量機(jī)良好的分類性能，對(duì)各類音頻數(shù)據(jù)的特征進(jìn)行分類，即提出一種將獨(dú)立分量分析和支持向量機(jī)結(jié)合而構(gòu)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(shè)計(jì)與實(shí)現(xiàn)基于內(nèi)容的音頻檢索就是要針對(duì)連續(xù)的音頻信號(hào)進(jìn)行分類。因此，如何構(gòu)造一個(gè)分類器，使其能較好地表征音頻的時(shí)間統(tǒng)計(jì)特性，同時(shí)又具有一定的類別區(qū)分能力是一個(gè)值得研究的問題。 本文在結(jié)合課題組在語(yǔ)音識(shí)別研究中已完成的研究基礎(chǔ)之上，將由隱馬爾科夫模型引申出來的廣義模型運(yùn)用到音頻分類檢索中，將廣義模型與支持向量機(jī)結(jié)合，提出將基于支持向量機(jī)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(shù)研究語(yǔ)