基于小波變換和支持向量機的音頻分類.pdf

1、音頻分類與分割是音頻檢索技術(shù)的前提和基礎(chǔ)，他們?yōu)橐纛l結(jié)構(gòu)化和音頻信息的深度分析奠定了堅實的基礎(chǔ)?；趦?nèi)容的音頻分類屬交叉學科研究，涉及眾多相關(guān)技術(shù)，如語音信號處理、模式識別、人工智能、機器學習等。特征提取和分類算法是音頻分類研究的關(guān)鍵。
　　 在特征提取方面，本文主要討論了利用小波分析方法提取音頻特征，介紹了基于幀和基于音頻例子的特征提取，并提取了質(zhì)心、帶寬、過零率、能量熵等特征，最后介紹了特征值矩陣的構(gòu)造方法。
　　

2、在構(gòu)造音頻分類算法時，主要是采用基于SVM的分類算法，并設(shè)計了基于不同核函數(shù)的分類實驗和基于不同小波的分類實驗。在基于不同核函數(shù)的分類實驗時，選取db4小波進行特征提取，然后分別選取兩種核函數(shù)--徑向基函數(shù)和多項式核函數(shù)，進行SVM的訓練和測試，并比較它們的SVM訓練速度和分類精度。在基于不同小波的分類實驗時，分別選擇db4小波和Haar小波提取音頻特征，再選擇RBF(徑向基核函數(shù))，來比較選擇不同小波時分類性能的變化。最后進行分類實驗