面向?qū)嶋H應(yīng)用的音頻檢索相關(guān)內(nèi)容的研究.pdf

1、20世紀(jì)90年代，多媒體信息檢索技術(shù)的研究引起了人們的極大興趣。開始階段，人們的注意力主要集中在圖像檢索和視頻檢索這兩個(gè)方面。但隨著音頻數(shù)據(jù)的大量出現(xiàn)，人們?cè)絹碓秸J(rèn)識(shí)到音頻檢索的重要性。同時(shí)，音頻信號(hào)數(shù)字處理、語音識(shí)別、說話人識(shí)別等技術(shù)的日益成熟，則為音頻檢索的研究提供了必要的技術(shù)準(zhǔn)備。 音頻檢索技術(shù)在相當(dāng)多的領(lǐng)域中都具有極大的應(yīng)用價(jià)值，例如，遠(yuǎn)程教學(xué)、衛(wèi)生醫(yī)療、數(shù)字圖書館、環(huán)境監(jiān)測(cè)、新聞節(jié)目檢索和娛樂節(jié)目的編輯和制作等。本文在

2、分析音頻信號(hào)處理的基本原理、研究現(xiàn)狀的基礎(chǔ)上，圍繞其中的兩個(gè)分支——語音檢索和音樂檢索進(jìn)行了探索性的研究。主要工作可以歸納為以下四個(gè)部分： 1. 一種基于小波變換的語音檢索算法。實(shí)現(xiàn)了在語音庫中查找特定人的語音記錄。該方法利用小波變換的多分辨率特性，在小波域的不同近似分量級(jí)，實(shí)現(xiàn)了多級(jí)語音記錄查詢的功能。與以往的基于DWT域的多級(jí)語音檢索算法相比較，該方法僅以三個(gè)統(tǒng)計(jì)特性代替小波系數(shù)，使得算法的性能指標(biāo)有了大幅度的改進(jìn)。

3、 2．一種新穎的混合語音檢索算法。該算法利用ICA(Independent Component Analysis)的盲分離特性，將包含兩個(gè)人聲音的混合語音分離成只含一個(gè)人的單一語音，以分離出來的單一語音為新樣本建立新的語音庫，并與基于混合語音的語音庫建立鏈接關(guān)系。查詢時(shí)，以DTW算法進(jìn)行匹配檢索，從而實(shí)現(xiàn)了基于混合語音的檢索功能。 3．一種新穎的結(jié)合信息隱藏技術(shù)的語音檢索算法。該算法將保密語音和偽語音分割成多段，利用經(jīng)典的LSB

4、算法分別隱藏到不同的音頻，并存儲(chǔ)在磁盤空間中。提取語音碼流時(shí)，利用小波變換第一級(jí)細(xì)節(jié)分量系數(shù)能量的大小找到相應(yīng)的載體音頻，提取其中的語音碼流，并建立語音庫。利用特定人語音檢索技術(shù)，檢出相應(yīng)的語音碼流。合并語音碼流得到真正的保密語音。實(shí)驗(yàn)研究表明：此算法的查準(zhǔn)率和查全率可以達(dá)到很高的水平，為信息隱藏技術(shù)的發(fā)展開辟了一條新的研究道路，同樣擴(kuò)大了語音檢索技術(shù)的應(yīng)用范圍。 4．一個(gè)音樂檢索系統(tǒng)的研究和實(shí)現(xiàn)。在分析音樂的旋律及其表達(dá)的基礎(chǔ)