基于GMM和SVM的音頻分類算法.pdf

1、隨著計算機技術、網絡技術和通訊技術的不斷發(fā)展，圖像、視頻、音頻等多媒體數據已逐漸成為信息處理領域中主要的信息媒體形式，其中音頻信息占有重要的地位。 原始音頻數據是一種非語義符號表示和非結構化的二進制流，缺乏內容語義的描述和結構化的組織，給音頻信息的深度處理和分析工作帶來了很大的困難。如何提取音頻中的結構化信息和內容語義是音頻信息深度處理、基于內容檢索和輔助視頻分析等應用的關鍵。音頻分類與分割技術是解決這一問題的關鍵技術，是音頻結

2、構化的基礎。本文在總結前人研究成果的基礎上，研究了音頻特征的分析與抽取、基于GMM的音頻分類和基于SVM的音頻分類問題。 本文工作主要包括以下內容： (1)分析了語音和音樂的特征參數，并提取其相關特征。 (2)分別使用GMM和SVM分類算法做為語音和音樂的分類器，并比較了這兩種分類器的性能。 (3)使用SVM分類器實現語音端點檢測，并與基于能量和過零率的端點檢測方法進行了比較。 (4)給出了一種基