基于內(nèi)容的音頻檢索的關(guān)鍵技術(shù)研究.pdf

1、近年來，隨著多媒體技術(shù)以及網(wǎng)絡(luò)技術(shù)的迅速發(fā)展，網(wǎng)絡(luò)上的信息資源日益豐富，信息檢索技術(shù)產(chǎn)生了深刻的變革。人們已經(jīng)不再滿足于傳統(tǒng)的基于文本的檢索，而是需要一種能對視頻、圖像、音頻等各種媒體進(jìn)行快速檢索的引擎?；趦?nèi)容的音頻檢索技術(shù)（Content—Based Audio Retrieval： CBAR）應(yīng)運(yùn)而生。它從音頻中直接提取語義線索，根據(jù)語義線索進(jìn)行檢索，從而把檢索過程與媒體的語義直接聯(lián)系在一起，使檢索工作更加有效，適應(yīng)性更強(qiáng)。

2、 本文首先介紹了CBAR的技術(shù)背景和發(fā)展過程；然后闡述了一個(gè)成功有效的CBAR應(yīng)用的多種關(guān)鍵技術(shù)并提出了對現(xiàn)有音頻分割分類方法的改進(jìn)算法；同時(shí)給出了檢索實(shí)驗(yàn)結(jié)果及分析；最后指出了系統(tǒng)的不足和未來的發(fā)展研究方向。 穩(wěn)健有效的音頻分割與分類是系統(tǒng)檢索的前提條件。傳統(tǒng)的基于特征閾值的分割與分類方法采用相對簡單的特征和前人的經(jīng)驗(yàn)值，處理的分類問題比較單一。同時(shí)，特征閾值的選取也比較困難。本文采用基于高斯模型的分割算法，并給出一種新特征

3、Mel—ICA，改進(jìn)了該算法。該方法不需要采集樣本，根據(jù)特征變化點(diǎn)來進(jìn)行分割，取得了良好的分割結(jié)果。本文還給出一種基于閾值和模型的組合分類方法，結(jié)合了這兩種方法的優(yōu)點(diǎn)，同時(shí)采用小波變換和傅里葉變換提取音頻特征，提高了分類的準(zhǔn)確度。 音頻的特征和描述是系統(tǒng)的關(guān)鍵。本文結(jié)合采用時(shí)域、頻域和時(shí)頻域分析方法，從不同角度刻畫音頻信號的實(shí)質(zhì)，構(gòu)成音頻信號的描述算子。音頻檢索采用示例音頻查詢方式（QBE），先使用最小生成樹（MST）聚類方法形