基于BIC的音頻分割與聚類技術(shù)研究.pdf

1、隨著基于內(nèi)容音頻檢索技術(shù)的發(fā)展和應(yīng)用，如何提取和分析音頻的語(yǔ)義內(nèi)容和結(jié)構(gòu)化信息，是音頻信息深度分析、處理以及音頻應(yīng)用的關(guān)鍵，而音頻分割和聚類技術(shù)是音頻結(jié)構(gòu)化的基礎(chǔ)，是解決該問(wèn)題的關(guān)鍵技術(shù)。
　　 連續(xù)音頻信號(hào)流從一種音頻信號(hào)轉(zhuǎn)變到另一種音頻信號(hào)時(shí)，某些聽(tīng)覺(jué)特征會(huì)發(fā)生變化，前后差異較大。音頻分割就是利用這種差異性，在變換的地方進(jìn)行切分，把連續(xù)的音頻流分割成長(zhǎng)短不一的音頻單元。待分割算法檢測(cè)出改變點(diǎn)后，得到若干個(gè)音頻段。由于事先并不

2、知道這些音頻段中包含了多少個(gè)說(shuō)話人以及多少個(gè)音頻類，因此我們需要對(duì)這些音頻段進(jìn)行無(wú)監(jiān)督的聚類。本文主要對(duì)小波域音頻特征、基于BIC的音頻分割算法以及基于可變帶寬的Mean Shift音頻聚類算法進(jìn)行了研究。主要工作如下：
　　 首先，利用多分辨分析的優(yōu)勢(shì)，給出了基于小波域的音頻特征。該方法以小波變換為理論基礎(chǔ)，分析了基于幀的音頻特征和基于音頻段的音頻特征，較好的解決了基于時(shí)域和基于頻域的特征無(wú)法描述信號(hào)時(shí)頻局部性質(zhì)的不足。為后續(xù)

3、的音頻聚類技術(shù)打下基礎(chǔ)。
　　 然后針對(duì)目前BIC(Bayesian Information Criterion)音頻分割算法中冗余分割點(diǎn)過(guò)多，導(dǎo)致準(zhǔn)確率及召回率下降的問(wèn)題，本文提出了改進(jìn)的BIC分割算法。該方法首先采用固定窗口BIC方法檢測(cè)出潛在的候選分割點(diǎn)，然后通過(guò)BIC對(duì)這些潛在分割點(diǎn)區(qū)域進(jìn)行檢驗(yàn)，檢測(cè)出真實(shí)分割點(diǎn)或固定窗法漏檢的分割點(diǎn)。實(shí)驗(yàn)結(jié)果表明，該方法與傳統(tǒng)的BIC算法和目前一些基于BIC的改進(jìn)算法相比，大大提高了其

4、準(zhǔn)確率，召回率及綜合性能。
　　 最后鑒于固定帶寬Mean Shift算法中帶寬參數(shù)這一影響因子，提出了一種自適應(yīng)帶寬的Mean Shift音頻聚類算法。該方法首先對(duì)需要聚類的音頻段提取小波域特征，并采用PCA變換來(lái)消除音頻特征間的相關(guān)性和冗余信息；然后采用自適應(yīng)帶寬的Mean Shift算法對(duì)音頻段進(jìn)行聚類；最后輸出聚類結(jié)果。實(shí)驗(yàn)結(jié)果表明，本文選取的小波域音頻特征比較好的表示了音頻的語(yǔ)義信息，且該算法與固定帶寬的MeanShi