資源描述:
《試析基于內(nèi)容的音頻檢索研究》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、南京理工大學(xué)碩士學(xué)位論文基于內(nèi)容的音頻檢索研究姓名:鄒益申請學(xué)位級別:碩士專業(yè):計算機應(yīng)用技術(shù)指導(dǎo)教師:唐振民20070701碩士論文基于內(nèi)容的音頻檢索研究摘要隨著網(wǎng)絡(luò)技術(shù)和多媒體技術(shù)的迅速發(fā)展,大量的多媒體信息都可以從網(wǎng)上獲得。音頻是多媒體中的一種重要媒體。由于音頻數(shù)據(jù)量的快速增長,如何自動地對這些內(nèi)容進行管理就成為一個突出的問題。特別對于身邊的種類繁多的音樂數(shù)據(jù),人們要求有快速高效的方法對它們進行分類管理(根據(jù)不同風(fēng)格或演唱者等),這需要有效的自動分類技術(shù)對音頻數(shù)據(jù)進行整理,以便于檢索和相關(guān)的分析處理。本文對基于內(nèi)容的音樂分類進行研究。目
2、前音樂分類的研究主要集中在音樂特征提取和分類兩方面。音樂特征包括時域的短時能量、短時過零率等,頻域的帶寬、譜質(zhì)心等,還有基于聽覺感受的Mel倒譜系數(shù)(MrCC)等。許多音樂特征都可用于音樂分類。而分類算法可利用模式分類中現(xiàn)存的大量高效算法,例如高斯混合模型(GMM)、神經(jīng)網(wǎng)絡(luò)(N№、支持向量機(sⅥ舊、隱馬爾可夫模型(HMM)等。本文根據(jù)上述的研究,采用基于Mel倒譜系數(shù)特征的隱馬爾可夫模型對音樂進行分類。在音樂特征提取方面,以感知特征和Mel倒譜系數(shù)組成特征向量;在音樂分類方面,以隱馬爾可夫模型作為分類器,對音樂進行聚類和分類。通過有監(jiān)督的
3、學(xué)習(xí)方式進行聚類,分類時將測試樣本歸入似然值最大的類別,對同一音頻抽取若干樣本,對樣本識別結(jié)果采用投票法,判定該音頻的音樂類別,使分類的準確率得到進一步的提高。根據(jù)上述方法進行了仿真實驗,并對實驗結(jié)果進行了分析。本文將音頻數(shù)據(jù)分為5類,對4種分類器的分類性能進行了比較,并對有干擾的模型進行了分類實驗。實驗結(jié)果表明HMM模型的分類性能還是有一定優(yōu)勢的,并有較強的抗干擾性。音頻分類技術(shù)是音頻檢索以及其他音頻處理的重要輔助手段。通過基于內(nèi)容的音樂分類之后,為進一步的音樂檢索和相關(guān)的分析處理提供了便利。因此,在基于內(nèi)容的音樂檢索研究中,對音樂的分類研
4、究是一項非常重要而有意義的工作。關(guān)鍵詞:基于內(nèi)容的音樂分類;特征提?。籑el倒譜系數(shù);模式識別;隱馬爾可夫模型碩士論文基于內(nèi)容的音頻檢索研究AbstractWithrapiddevelopmentofnetworktechnologyandmultimediatechnology,alargenumberofmultimediainformationcanbeobtainedfromtheInteract.Audioisanimportantpartofthemultimedia.Asrapidincreaseinaudiodata,howt
5、oautomaticallymanagethesedatahasbecomeaprominentissue.Especiallytothewidevarietyofmusicdata,peopledemandarapidandefficientmethodforthemanagementoftheirclassification(accordingtodifferentstylesorsingers,ctc.).Thisrequiresanefficientautomaticclassificationtechnologytocollatea
6、udiodata,anditcanserveaudiosearchorrelatedanalysis.Inthisdissertation,wepresentastudyoncontent-basedmusicclassification.Currentlymostresearchofmusicclassificationfocusonmusicfeatureextractionandclassification.Musicfeaturesincludetime—domainfeatures,suchasshort-termenergy,sh
7、ort-termzerorotes,frequency-domainfeatures,suchasbandwidth,spcctnnncenter,andMel-frequencycepstralcoefficients(MrCC)basedontheexperienceofhearing.Manyfeaturesofmusiccabbeusedformusicclassification.Andclassificationalgorithmscanusetheexistingclassificationmodelofalargenumber
8、ofefficientalgorithms,forexample,GaussianMixtureModel(OMM),NeuralNetworks(M田,Suppo