基于韻律序列特征和非時(shí)序特征的音頻場景識別.pdf

1、音頻場景識別是語音及音頻信號處理研究中的一個(gè)新領(lǐng)域，其目的是通過分析觀測到的音頻特征來判別該段音頻數(shù)據(jù)錄制時(shí)的背景環(huán)境。由于準(zhǔn)確的識別音頻場景和環(huán)境可以為如語音識別、說話人識別以及基于語音的檢索等提供有價(jià)值的輔助信息，因而該領(lǐng)域越來越受到廣泛的重視。
　　本文從特征數(shù)據(jù)的獲得開始，逐步使用不同分類器建立音頻場景的參數(shù)模型并對其不斷完善。
　　文中研究了基于聚類的音頻場景特征數(shù)據(jù)的提取和純凈化方法。在特征數(shù)據(jù)的獲取階段，使用基

2、于層次聚類結(jié)合人工聽辯確認(rèn)方法來保證得到的特征數(shù)據(jù)的代表性和純凈性。在這一階段重點(diǎn)探討了在層次聚類的過程使用GMM作為數(shù)據(jù)聚類單元時(shí)，GMM間相似性度量以及合并的方法。
　　其次對音頻場景特征數(shù)據(jù)進(jìn)行了分析，提取了音頻場景的韻律序列特征和非時(shí)序特征分別訓(xùn)練HMM和GMM以及SVM分類器。在HMM的解碼過程方面，提出一種后驗(yàn)轉(zhuǎn)移概率解碼方法來嘗試解決HMM與數(shù)據(jù)不匹配時(shí)的性能下降問題。本文還使用最小錯(cuò)誤分類準(zhǔn)則來訓(xùn)練GMM提高其對特