基于音频分割的场景分类研究-电子与通信工程专业论文.docxVIP

万方数据 万方数据 分类号： U D C ： 密级： 编号： 专业硕士学位论文 （工程硕士） 基于音频分割的场景分类研究 硕 士 研 究 生 ：孙立仁 指 导 教 师 ：张磊教授 学 位 级 别 ：工程硕士 工 程 领 域 ：电子与通信工程 所 在 单 位 ：信息与通信工程学院 论 文 提 交 日 期 ：2014 年 5 月 30 日 论 文 答 辩 日 期 ：2014 年 6 月 10 日 学 位 授 予 单 位 ：哈尔滨工程大学 Classified Index: U.D.C: A Dissertation for the Professional Degree of Master （Master of Engineering） Research on Audio Scene Classification Based on Audio Segmentation Candidate: Sun Liren Supervisor: Professor Zhang Lei Academic Degree Applied for: Master of Engineering Specialty: Electronics and Communications Engineering Date of Submission: May 30, 2014 Date of Oral Examination: June 10, 2014 University: Harbin Engineering University 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。 有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注 明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文 的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声 明的法律结果由本人承担。 作者（签字）： 日期： 年 月 日 哈尔滨工程大学 学位论文授权使用声明 本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位期间论文工作 的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送 交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进 行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文，可以公布论文的 全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一 署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。 本论文（□在授予学位后即可 □在授予学位 12 个月后 □解密后）由哈尔滨工程 大学送交有关部门进行保存、汇编等。 作者（签字）： 导师（签字）： 日期： 年 月 日 年 月 日 基于音频分割的场景分类研究 摘 要 随着多媒体产业的迅速发展、音频信号处理技术研究的深入、音频分割和分类技术 在现实生活中音频检索、视频分析和语音识别方面的广泛应用，音频信号的分割和分类 技术越来越得到人们在日常生活中的普遍关注。音频信号的场景分割和分类技术是音频 信号处理中一项重要的内容。音频信号的分割技术就是在一段音频文件中找到不同段落 的起始点、终点的位置，音频的场景分类技术就是在分割技术找到段落起始点和终点的 基础上，根据不同的段落特征进行场景的识别。这两项技术是语音识别中前端处理中的 最关键的技术，其性能的优劣程度必然直接影响到语音识别系统的正确率。 本文首先介绍了音频分割和分类技术研究背景及现状，之后针对所采用的语料库， 明确了音频信息中主要的音频类型，把音频分成纯语音、噪声、音乐、在背景音乐下的 语音、静音和在噪声下的语音，共六种。之后分别介绍近几年国内外学者提出的一些音 频分割算法，如固定窗长度的分割熵算法和基于贝叶斯信息准则(BIC)的音频分割算法， 并进行仿真实验说明结果，比较这两种算法在不同情况下的优点和缺点。之后本文针对 音频场景分割跳变点检测提出针对 BIC 算法的改进和实现，在低噪声条件下，能够很 好的保证系统的准确率和鲁棒性，并减少了检测时间，实现了音频场景跳变点检测系统 的高效性。由于支持向量机(SVM)能够成功的向高维空间非线性映射，本文采用支持向 量机(SVM)作为分类器，运用 K-means 聚类算法生成字典，将每一段音频场景向生成的 字典投影，从而得到每一类音频的新特征作为训练数据，根据对比出来的实验结果，说 明生成的新特征与 SVM 分类器相结合的音频场景分类方法对于基线系统的分类方法优 化了准确率。之后本文又在提取新特征上面提出了金字塔方法，进一步优化了分类系统 的准确率。文章最后对分割熵和 BIC 两种音频分