壓縮域音頻聽覺譜模型及特征優(yōu)化研究.pdf

1、音頻數(shù)據(jù)作為多媒體信息的重要組成部分，為人們的聽覺感知提供了不可或缺的內(nèi)容，因而音頻信號(hào)處理在多媒體信息研究中占有非常重要的地位。本文概括了國內(nèi)外在這方面的研究現(xiàn)狀以及當(dāng)前的研究主流，討論了壓縮域中音頻處理的研究目的和意義，提出了一些新的研究方法，并對目前存在的問題進(jìn)行了分析。
　　 本文的主要研究內(nèi)容和創(chuàng)新點(diǎn)包括以下幾個(gè)方面：
　　 研究壓縮域中音頻特征的提取方法，提出了在不同環(huán)境噪聲低信噪比條件下基于概率密度比(Co

2、mpressed Probability-density Ratio，CPR)的壓縮域高魯棒語音/音樂分割算法，該方法在準(zhǔn)確率、抗噪性和綜合性能方面均有顯著優(yōu)勢；建立了基于MDCT(Modified Discrete Cosine Transform)系數(shù)的壓縮域音頻聽覺譜模型，并且通過特征提取、分類等實(shí)驗(yàn)方法測試該模型的有效性。
　　 在信息熵理論背景下給出了基于異質(zhì)性準(zhǔn)則的連續(xù)屬性離散化方法，屬性離散化的質(zhì)量在算法的復(fù)雜度和

3、離散化的精度上存在著不可兼顧的矛盾，該算法旨在保證離散化精度的同時(shí)能夠使算法盡可能的簡化。
　　 文中提出了基于微粒群優(yōu)化( Particle Swarm Optimize，PSO)和粗糙集理論的高效特征選擇算法。利用微粒群算法產(chǎn)生屬性排列，同時(shí)基于屬性重要度的約簡算法對屬性排列進(jìn)行評價(jià)，從而獲取高效表征音頻且計(jì)算復(fù)雜度相對較低的最優(yōu)特征或最優(yōu)特征組合，進(jìn)一步提高分類檢索精度和速度。
　　 文章針對壓縮域音頻信號(hào)進(jìn)行了支