壓縮域音頻指紋及其魯棒性研究.pdf

1、隨著多媒體技術(shù)、數(shù)據(jù)壓縮技術(shù)以及互聯(lián)網(wǎng)技術(shù)的日益發(fā)展，海量的多媒體信息出現(xiàn)在我們的生活當(dāng)中。依靠人們掌握的關(guān)鍵信息（如音頻文件的標(biāo)題、作者、出版時(shí)間、關(guān)鍵詞等）來從眾多的音頻文件中快速而準(zhǔn)確的找到目標(biāo)音頻（即所需要的音頻文件）正變的越來越困難?；趦?nèi)容的音頻指紋索引方式無需關(guān)鍵信息，完全依賴于音頻內(nèi)容本身，并且索引出的候選結(jié)果少，它正逐漸在音頻檢索、音頻識別、音頻內(nèi)容完整性校驗(yàn)等領(lǐng)域發(fā)揮著重要作用。目前的相關(guān)研究主要集中在非壓縮域音頻指

2、紋索引理論和技術(shù)，鮮有關(guān)于壓縮域音頻指紋的研究文獻(xiàn)，且甚少涉及指紋算法的魯棒性測試和改進(jìn)。
　　 本文首先介紹了音頻指紋索引技術(shù)的研究背景和意義，從音頻指紋的多樣性和魯棒性、壓縮域音頻指紋以及音頻指紋快速索引算法等多個(gè)角度綜述了國內(nèi)外的研究現(xiàn)狀;接著對壓縮域音頻指紋涉及的相關(guān)原理知識進(jìn)行了歸納。
　　 從實(shí)際應(yīng)用出發(fā)，在分析和研究了壓縮域音頻特征的基礎(chǔ)上，提出了壓縮域音頻指紋算法，該算法根據(jù)解壓過程中的MDCT頻譜能量直

3、接計(jì)算壓縮域音頻的指紋，無需對壓縮域音頻進(jìn)行完全解碼?？紤]到目前的手持音頻設(shè)備采集到的一般是非壓縮音頻，本文還設(shè)計(jì)了相應(yīng)的非壓縮域音頻指紋算法，此算法參考標(biāo)準(zhǔn)的音頻壓縮流程，從PCM音頻信號計(jì)算MDCT頻譜，然后再計(jì)算指紋。這兩種算法所生成的指紋可以在同一個(gè)音頻指紋數(shù)據(jù)庫中進(jìn)行有效檢索。對指紋算法的相似性、區(qū)分性、誤碼率和魯棒性等技術(shù)特征進(jìn)行了測試和分析，實(shí)驗(yàn)表明文中所述算法具有良好的性能，其正確識別率符合實(shí)際應(yīng)用的要求。論文還從索引匹

4、配的角度介紹了一種基于Hash模型的指紋快速索引算法。
　　 在對魯棒性測試結(jié)果進(jìn)行分析的基礎(chǔ)上，本文對線性速度變化這樣一種常見的時(shí)域失真現(xiàn)象進(jìn)行了魯棒性改進(jìn)研究。分別結(jié)合自相關(guān)函數(shù)的移位不變性和Fourier-Mellin變換的尺度不變性對本文算法的魯棒性進(jìn)行了優(yōu)化設(shè)計(jì)。測試結(jié)果表明，基于相關(guān)函數(shù)的優(yōu)化算法將抗線性速度變化的能力從±5％提高到±7％，而基于Fourier-Mellin變換的優(yōu)化方案將抗線性速度變化的能力提高到±