面向?qū)嶋H應用的音頻檢索相關內(nèi)容的研究.pdf

1、20世紀90年代，多媒體信息檢索技術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方面。但隨著音頻數(shù)據(jù)的大量出現(xiàn)，人們越來越認識到音頻檢索的重要性。同時，音頻信號數(shù)字處理、語音識別、說話人識別等技術的日益成熟，則為音頻檢索的研究提供了必要的技術準備。 音頻檢索技術在相當多的領域中都具有極大的應用價值，例如，遠程教學、衛(wèi)生醫(yī)療、數(shù)字圖書館、環(huán)境監(jiān)測、新聞節(jié)目檢索和娛樂節(jié)目的編輯和制作等。本文在

2、分析音頻信號處理的基本原理、研究現(xiàn)狀的基礎上，圍繞其中的兩個分支——語音檢索和音樂檢索進行了探索性的研究。主要工作可以歸納為以下四個部分： 1. 一種基于小波變換的語音檢索算法。實現(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，實現(xiàn)了多級語音記錄查詢的功能。與以往的基于DWT域的多級語音檢索算法相比較，該方法僅以三個統(tǒng)計特性代替小波系數(shù)，使得算法的性能指標有了大幅度的改進。

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，將包含兩個人聲音的混合語音分離成只含一個人的單一語音，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系。查詢時，以DTW算法進行匹配檢索，從而實現(xiàn)了基于混合語音的檢索功能。 3．一種新穎的結合信息隱藏技術的語音檢索算法。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，并存儲在磁盤空間中。提取語音碼流時，利用小波變換第一級細節(jié)分量系數(shù)能量的大小找到相應的載體音頻，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，檢出相應的語音碼流。合并語音碼流得到真正的保密語音。實驗研究表明：此算法的查準率和查全率可以達到很高的水平，為信息隱藏技術的發(fā)展開辟了一條新的研究道路，同樣擴大了語音檢索技術的應用范圍。 4．一個音樂檢索系統(tǒng)的研究和實現(xiàn)。在分析音樂的旋律及其表達的基礎