廣播音頻分割與聚類技術研究.pdf

1、隨著多媒體和互聯(lián)網(wǎng)技術的廣泛應用和深入普及，多媒體數(shù)據(jù)的數(shù)量正在飛速增長，廣播音頻數(shù)據(jù)作為多媒體數(shù)據(jù)的重要組成部分，其信息量也在不斷膨脹。如何有效地對音頻信息進行組織和處理成為現(xiàn)代信息處理的一個研究熱點。
　　 音頻數(shù)據(jù)僅僅是一種簡單的沒有任何語義符號的數(shù)據(jù)信息的集合，但是音頻的種類是龐大的，如何從中提取出能夠標識各自類別的主要特征信息，是音頻處理前最為關鍵的一步。當音頻信號在類型發(fā)生變化的時候，其聲學特征會有明顯的差異。音頻分

2、割就是利用這些差異性，將音頻信號分割成為長短不一的音頻片斷；音頻聚類技術可以將“雜亂無章”音頻片斷集合按照一定的類別區(qū)分開來并加以注釋，以方便人們的使用。本文在研究前人工作成果的基礎上，重點研究了音頻分割和音頻聚類技術。
　　 首先，針對T2-BIC分割算法累積誤差較大、召回率不高的缺點，設計了一種改進的T2-BIC二級分割算法。第一級采用改進的滑動窗口來檢測搜索窗中的T2統(tǒng)計量峰值，利用BIC準則對峰值進行確認；第二級用分步解

3、決的思想來處理由于BIC置信度過低而漏選的分割點，從而提升召回率。該算法不僅降低了計算量，而且召回率和綜合性能都有所提升。
　　 其次，鑒于傳統(tǒng)的基于BIC的“自底而上”的層次聚類算法對音樂等信號聚類結(jié)果呈離散態(tài)的不足，設計了一種基于小波域的BIC多層次聚類算法，利用主成分分析消除信號特征向量中的冗余信息，采用Dmey波幀平均熵值來處理音樂等信號的聚類工作，對于類別集合中存在的剩余孤立點，利用GLR距離進行迭代歸類操作。與其它音