基于小波變換和支持向量機(jī)的音頻分類(lèi).pdf

1、音頻分類(lèi)與分割是音頻檢索技術(shù)的前提和基礎(chǔ)，他們?yōu)橐纛l結(jié)構(gòu)化和音頻信息的深度分析奠定了堅(jiān)實(shí)的基礎(chǔ)?；趦?nèi)容的音頻分類(lèi)屬交叉學(xué)科研究，涉及眾多相關(guān)技術(shù)，如語(yǔ)音信號(hào)處理、模式識(shí)別、人工智能、機(jī)器學(xué)習(xí)等。特征提取和分類(lèi)算法是音頻分類(lèi)研究的關(guān)鍵。
　　 在特征提取方面，本文主要討論了利用小波分析方法提取音頻特征，介紹了基于幀和基于音頻例子的特征提取，并提取了質(zhì)心、帶寬、過(guò)零率、能量熵等特征，最后介紹了特征值矩陣的構(gòu)造方法。
　　

2、在構(gòu)造音頻分類(lèi)算法時(shí)，主要是采用基于SVM的分類(lèi)算法，并設(shè)計(jì)了基于不同核函數(shù)的分類(lèi)實(shí)驗(yàn)和基于不同小波的分類(lèi)實(shí)驗(yàn)。在基于不同核函數(shù)的分類(lèi)實(shí)驗(yàn)時(shí)，選取db4小波進(jìn)行特征提取，然后分別選取兩種核函數(shù)--徑向基函數(shù)和多項(xiàng)式核函數(shù)，進(jìn)行SVM的訓(xùn)練和測(cè)試，并比較它們的SVM訓(xùn)練速度和分類(lèi)精度。在基于不同小波的分類(lèi)實(shí)驗(yàn)時(shí)，分別選擇db4小波和Haar小波提取音頻特征，再選擇RBF(徑向基核函數(shù))，來(lái)比較選擇不同小波時(shí)分類(lèi)性能的變化。最后進(jìn)行分類(lèi)實(shí)驗(yàn)