基于內(nèi)容的音頻檢索技術(shù)研究與實(shí)現(xiàn).pdf

1、如何有效地對海量數(shù)據(jù)尤其是諸如音頻之類的多媒體數(shù)據(jù)進(jìn)行分析、存儲和檢索是一個(gè)亟待解決的問題.由于原始音頻數(shù)據(jù)的非結(jié)構(gòu)化特性,音頻檢索受到極大的限制.相對于日益成熟的圖像與視頻檢索,音頻檢索相對滯后.基于內(nèi)容的音頻檢索已成為多媒體檢索技術(shù)的研究熱點(diǎn).該文對基于內(nèi)容的音頻檢索的關(guān)鍵技術(shù)展開分析,主要在以下幾個(gè)方面開展了工作:1、音頻信號特征提取與表達(dá).音頻檢索是多特征組合檢索,對音頻信號的感知特征如響度、亮度、音調(diào)等;物理特征如過零率、Me

2、l倒譜系數(shù)、線性預(yù)測系數(shù)等進(jìn)行了分析,不同的特征組合應(yīng)用于不同類型的音頻檢索.2、音頻分割與識別.將音頻分層分割算法改進(jìn)為基于模板的音頻分割算法,利用隱馬爾可夫模型的良好的隨機(jī)時(shí)序性以及不依賴于具體的應(yīng)用閾值的優(yōu)勢,使分割識別準(zhǔn)確率有較大提高.隨著MPEG壓縮格式成為多媒體編碼主流,研究了直接對MP3格式的音頻信號提取特征,基于MPEG壓縮域特征音頻分割.3、基于內(nèi)容的音頻檢索.從音頻示例查詢的角度,針對不同的音頻例子表示方法,分別研究