基于PCA和CHMM音频自动分类.docVIP

基于PCA和CHMM音频自动分类 　　 (西北大学 信息科学与技术学院, 西安 710127) 　　 　　摘 要： 　　针对DHMM分类器对音频特征进行向量量化引起的误差及特征维数过多导致计算复杂度过大的问题，提出了一种新的基于PCA和CHMM的音频自动分类方法。它先将音频特征组成一个高维向量，然后使用PCA对这些高维向量进行降维，再使用CHMM分类器对降维后的特征进行分类。实验证明了PCA和CHMM音频分类的有效性。 　　关键词：主成分分析； 连续隐马尔可夫模型； 基于内容的音频分类 　　中图分类号：TP391文献标志码：A 　　文章编号：1001-?B3695(2009)04-?B1257-?B03 　　 　　Automatic audio classification based on PCA and CHMM 　　ZHANG Xin-cai, ZHANG De-tong, GENG Guo-hua, WANG Xiao-feng, WU Jiang 　　 (School of Information Science Technology, Northwest University, Xi’an 710127, China) 　　 　　Abstract: 　　In order to solve the problems of the vector quantization error and the excessive computation complexity arising from audio features, this paper proposed a new automatic audio classification method based on PCA and CHMM. It concatenated audio features to form a high-dimensional vector, performed the dimensionality reduction on the vector, Used CHMM classifier to classify the audio. The experimental results show the effectiveness of the PCA and CHMM. 　　Key words：PCA (principal component analysis); CHMM(continuous hidden Markov model); content-based audio classification 　　 　　0 引言 　　?ヒ羝底远?分类是解决音频结构化问题和提取音频内容语义的重要手段之一，是当前基于内容的音频检索领域的研究热点，它在远程教学、数字图书馆和新闻节目检索等众多领域都具有极大的应用价值。音频分类是对音频进行深度处理的基础和前提。通过分类可以事先确定语音所处的音频环境，为语音模型的自适应调整算法提供线索，从而提高语音识别的精度。因此，分类问题是基于内容的音频检索的核心问题。 　　?ヒ羝捣掷啻颖局噬辖彩且桓瞿Ｊ绞侗鸸?程，包括特征抽取和分类两个基本过程。音频分类技术是一个交叉研究领域，它涉及多个方面的知识，包括人耳的听觉特征、信号与系统、数字信号处理、语音信号处理、模式识别、统计学习和人工智能等。目前，该领域的研究重点主要在以下两个方面，即音频特征分析与抽取以及分类器设计。 　　?ス?内外众多研究人员对音频分类进行了大量的研究。Er Wold等人[1]详细分析了音频的区别性特征，包括响度(loudness)、音调(pitch)、亮度(brightness)、谐度(harmonicity)等，并且根据最近邻准则(nearest neighbor)和Mahalanobis距离设计音频的分类器，所用的数据集包括笑声、铃声、电话声等16类共409个样本数据。文献[2]采用12阶的MFCC系数和能量作为音频的特征表示，根据极大互信息准则(maximum mutual information,MMI)训练决策树量化特征空间为离散的区域，并且根据最近邻准则对音频进行分类。文献[3,4]分别采用最近特征线(nearest feature line,NFL)和支持向量机(support vector machine,SVM)作为分类器。文献[5]根据音频特征分别训练OCON(one-class-in-one-network)神经元网络对电视节目作五种视频场景的分类：天气预报、新闻、广告、足球和篮球等。文献[6]提取了基于clip的音频特征，使用left-right DHMM对语音(speech)、音