音頻分類算法研究與實現.pdf

1、隨著互聯網技術的發(fā)展，人們有機會接觸到大量的多媒體內容。由于多媒體數據量的快速增長，對多媒體內容的分析和分類變得越來越迫切。作為多媒體數據中標志性部分的音頻數據，為人們的感知提供了重要的信息內容，因而音頻信號處理在多媒體信息處理中占有重要地位。 近年來，由于話者分割在音頻檢索、說話人身份鑒別和自動跟蹤等方面的廣泛應用，眾多學者在說話人分割方面做了大量研究。話者分割，是根據語音波形中反應說話人生理和行為特征的語音參數，自動分割出說

2、話人改變點的過程，它是音頻信息處理研究領域的一個重要研究方向，具有廣泛的應用前景，得到人們越來越多的重視。 區(qū)別于一般用能量分割靜音的方法，本文采用一種新的似然比特征去除低信噪比環(huán)境中的噪聲，提高了系統(tǒng)的魯棒性。同時，由似然比特征，導出了一種新的特征參數--似然比交叉率，該特征能很好的表征語音和音樂間的差別，這個特征也適用于其他低信噪比環(huán)境。 文中對傳統(tǒng)的貝葉斯話者分割算法存在的問題進行分析，提出了一種新的改進型貝葉斯話

3、者分割算法。該算法基于貝葉斯準則確定初選改變點，對其端點的變化趨勢做進一步分析，得出說話人改變的分割點。 支持向量機是在統(tǒng)計學理論上發(fā)展起來的一種模式識別方法，在解決有限樣本、非線性及高維模式識別問題中表現出許多特有的優(yōu)勢，同其他模式識別方法相比主要有兩個特點：一是它采用非線性核函數來表示特征空間的內積，另外它采用分類間隔最大的最優(yōu)分類超平面實現結構風險最小化原則。由于支持向量機具有堅實的理論基礎，得到越來越多的研究，并在各個領