基于向量空间模型的改进音频分类算法.pdfVIP

第36卷 第 6期 河南师范大学学报 (自然科学版) V0Z．36 N 0．6 20O8年 11月 J0埘nZo，H 鲫 NDrm口ZU rs (N口￡阳zSc ce) N0口．2OO8 文章编号 ：1OO0—2367(2OO8)06—0O3O～O4 基于向量空间模型的改进音频分类算法 康健辉，吴 渝，郑继明 (重庆 邮电大学 人工智能研究所 ，重庆 400O65) 摘 要：提出一种基于向量空间模型(vsM)的音频分类算法．特征提取中，针对 目前采用的参数主要为静态 特征，提出了基于信息论的动态特征计算方法，并根据其物理意义设置关键帧提取中的初始值，解决聚类局部极值 问题．通过引入音频聚类的类 内标准差 ，对传统VSM未处理特征项间相关信息的缺点进行改进，提出新的相似性度 量方法 ，并 以此方法对不 同类别的音频构造分类器．实验结果证 明，此方法提高了分类精度 ，准确度可达 85 以上． 关键词 ：向量空间模型；动态特征；音频分类；信息论 中图分类号 ：TP391 文献标识码：A 随着多媒体和因特网技术的广泛应用，对有效进行音频数据检索的需求 日益增长．音频分类是提取音频 中结构化信息和语义内容的重要手段 ，是音频理解 、分析与检索的基础．音频分类主要包括特征提取和分类 两个基本方面．在特征提取方面，文献[1—3]提出了各种特征参数，如能量值、过零率、MFCC，LPC等，但这 些计算方法得到的均为音频静态特征，忽略了帧与帧之间音频的信号变化．鉴于信息论中的互信息常用于衡 量两个事件之间的信息流量，而音频信号随时间变化时，帧之间必然发生了信息变化，因而本文采用信息论 计算动态特征．在分类方面 ，向量空间模型是信息分类中的经典方法 ，但是在相似度计算 中，只考虑了权重向 量的匹配信息，忽略了特征项之间的相关信息．对此虽然很多研究人员提出了不同的改进方法，如采用知网 概念模型[4]、语义内积空间模型[5等度量词与词、词与文本之间的相似度 ，但这些方法只适用于文本关键词 之间的相似度量．本文根据音频的数据特点，综合考虑关键帧匹配信息与权重向量计算音频相似度 ，提出新 的相似度量方法．在权重计算时，传统 VsM采用 TFIDF公式即词频和反文档频率之积计算关键词的权重， 而本文在帧频率的基础上引入了帧分布结构信息． 在工作过程中采用 了K—means对特征空间进行聚类 ，具有简单 、快速的优点，但初始聚类 中心的选取是 随机的，容易使聚类划分产生偏离．为此，很多研究中提出了改进方法，如文献[6]提出基于密度和对象方 向 的改进算法 ，但这些方法或时间复杂度大 ，或实现复杂 ，不适用于大规模应用 ，实用价值较低．本文提出了新 的质心选择方法． 1 音频特征提取 1．1 美尔倒谱系数 (MFCC) MFCC是在Me1标度频率域提取出来的倒谱参数，描述了人耳对频率感知的非线性特性．其计算步骤如 图 1示 ． ① 对输入音频信号预加重、分帧加窗； H!：H鲞H H兰!： ② 对每一帧信号进行快速傅立叶变换 图1MFCc计算过程 (FFT)，获得频谱分布信息； ③ 将频域信号通过按Mel频标分布排列的一组三角滤波器组，将线性频标变换为Mel频标； 收稿 日期 ：2OO8一O6—2O 基金项 目：国家 973前期计划项 目课题 (2OO8cB3l7¨1)；重庆市 自然科学基金 (2O。8BB2241)；重庆市教委科学技术项 目 (O5O5O9，O6O5O4) 作者简介：吴 渝(197O一)，女，重庆人，重庆邮电大学教授，博士生导师，研究方向：计算智能、数据挖掘、多媒体技术． 第 6期 康健辉等：基于向量空间模型的改进音频分类算法 ④ 将各滤波器的输出取对数 ，作 DCT变换 ，得到MFCC系数． 图2为某音频信号的波形图．图3为该音频的MFCC系数的3维图，从 图中可看到由 条折线组成的 簇集 (为音频总的帧数)，代表了音频全体帧的MFCC系数