基于音頻指紋和版本識(shí)別的音樂(lè)檢索技術(shù)研究.pdf

1、基于內(nèi)容的音樂(lè)檢索是當(dāng)前音頻檢索的熱門領(lǐng)域，而且隨著在線音樂(lè)量的不斷增加，其應(yīng)用價(jià)值也越來(lái)越大。另一方面，用戶的檢索需求也在變化，他們往往不滿足于僅僅獲得與查詢完全相同的歌曲，還希望獲得目標(biāo)音樂(lè)的多個(gè)版本，比如不同歌手、不同場(chǎng)合演唱的版本。隨著網(wǎng)絡(luò)自媒體的發(fā)展和業(yè)余翻唱的普及，這種需求也越來(lái)越明顯。
　　基于內(nèi)容的音樂(lè)檢索分別從查詢音樂(lè)和樣例音樂(lè)提取特征，然后進(jìn)行特征匹配來(lái)檢索與查詢相同的樣例音樂(lè)。在樣例檢索中使用的特征通常稱為音

2、頻指紋，其追求格式緊湊簡(jiǎn)潔，傾向于匹配內(nèi)容相同的音樂(lè)片段，而音樂(lè)版本特征表達(dá)復(fù)雜，傾向于匹配版本特征相同的片段，而內(nèi)容并不一定相同。因此本文對(duì)兩者分開處理，音樂(lè)版本識(shí)別可以在規(guī)范樣例庫(kù)中離線進(jìn)行，而基于音頻指紋的檢索實(shí)時(shí)進(jìn)行，對(duì)于指紋檢索命中樣例，可以根據(jù)版本識(shí)別結(jié)果馬上給出相關(guān)樣例（即該歌曲的其它版本）。
　　由于人類聽覺(jué)性能良好，本文希望從基于聽覺(jué)機(jī)理的特征出發(fā)來(lái)構(gòu)建音頻指紋。在分析人耳的生理特征后，本文使用余弦基和發(fā)放函數(shù)來(lái)

3、仿真耳蝸對(duì)聲音的處理流程，然后使用稀疏分解得到特征系數(shù)。為了克服分解耗時(shí)較高的問(wèn)題，提出了基于匹配追蹤算法的快速特征提取方法。
　　由于基于聽覺(jué)機(jī)理的稀疏特征形式復(fù)雜，并不適于直接用來(lái)檢索，本文將其壓縮轉(zhuǎn)換為音頻指紋。應(yīng)用的主要方法包括使用最小哈希對(duì)高維二值序列特征進(jìn)行降維，以及使用局部敏感哈希進(jìn)行快速檢索，然后給出相應(yīng)的候選確認(rèn)和樣例檢出方法。實(shí)驗(yàn)表明該指紋特征具有較好的檢索效率和表達(dá)性，對(duì)于輕微噪聲和時(shí)域全局性變化的魯棒性較好