Philips乐曲检索系统之特征提取算法实现.docVIP

Philips乐曲检索系统之特征提取算法实现 摘要：随着互联网行业的快速发展，存储设备的广泛使用以及点对点网络的兴起，数字音视频内容得到了极大的丰富，对数字音频数据的管理也越来越重要。然而，管理海量的数字音频数据是一项非常繁琐、耗时且极易出错的工作，这直接促使了音频指纹技术的快速发展。音频指纹是一段基于音频内容的紧凑数字签名，可用于数字音频内容的版权保护、音频内容识别、内容完整性校验等领域。本介绍了音频指纹技术的产生背景、基本概念和总体框架，并围绕音频指纹的关键技术展开研究。主要的工作有以下几个方面:5721 1）概述了现有的音频指纹提取的发展趋势 2）基于Matlab 的Philips 算法仿真，得出实验结果 关键词：音频检索；音频指纹；Philips算法 A Highly Robust Audio Fingerprinting System Abstract: The Popularity of the Internet,the ubiquity of high-storage devices, the Proliferation ofPeer-to-Peer networks and world-wide low-latency networks has dramatically increased digital audio growth and access.But meanwhile,it is time-consuming and error-prone to manage collections of audio assets,which direct access to the rapid development of digital audio finger printing.Digital audio fingerprinting is a robust content- based compact signature that summarizes an audio recording.It is typically used for music copyright enforcement,automatic music Identification and audio verification. This thesis introduces the audio finger print technology background,basic concepts and general framework.The key technique of digital audio finger printing are researched,and the main works areas follows: l)This thesis summarizes most state of the art audio fingerprinting algorithms and conducts an in-depth study of one effective extraction algorithm based on STFT. 附录24 1绪论 1.1数字音频指纹技术的产生背景及基本概念 1.1.1指纹技术的产生背景 音频压缩技术的进步以及大容量存储器的出现使得互联网上出现了以音乐为主的海量音频信息，手工选取某首歌曲很多时候已经变得不可能，这直接促使产生了可以进行音乐自动识别的技术的发展。由于音乐本身具有的高维度(high dimensionality)以及同一段音乐在经过信号处理后所呈现的重大的变化使音频的自动识别变成一件难事。最简单的识别方法是将完整的音频文件进行直接的数字波形比对，但这种方法效率低且通常比对结果无效；改进的方法是采用传统哈希函数，例如通过MDS 和CRC 算法，将数据转换成紧凑的表示形式，这样可以通过比对哈希函数值而不是整个文件来提高效率。但是这种传统的哈希函数非常脆弱，源数据中任意一位数据的变化都会导致输出完全不同的哈希值。可见，这种方法在抵抗压缩或去噪等常见信号处理时鲁棒性不够。因此，一个有效的音频识别系统需要满足多个条件，例如：能正确识别一段被压缩或在传输时受到信道干扰的音乐片段；能通过片段正确识别出被剪切、移位等同步攻击过的音频的完整标题；能够抵抗变调(pitching)、均衡化(equalization)、加背景噪声(background noise)；数/模一模/数转换(D/A，A/D)，MP3 等音频编码；能在不同的应用场合，进行有效的指纹提取和指纹比对等等。 为此，需要一项鲁棒的哈希函数来有效识别经过各种常规音频处理的音频片段，对同一版本不同格式的音频返回