基于內(nèi)容的MP3音頻分類(lèi)研究.pdf

1、音頻信息檢索技術(shù)是多媒體信息檢索技術(shù)中的一個(gè)重要組成部分，而音頻分類(lèi)技術(shù)作為音頻檢索技術(shù)的基礎(chǔ)，也越來(lái)越被受到關(guān)注。基于內(nèi)容的音頻分類(lèi)是一個(gè)涵蓋十分廣泛的研究領(lǐng)域，為了使計(jì)算機(jī)能夠像人那樣對(duì)音頻語(yǔ)義實(shí)現(xiàn)自動(dòng)理解，這個(gè)領(lǐng)域的研究從初始對(duì)原始音頻流分析向目前感知理解發(fā)展，從實(shí)際認(rèn)識(shí)向抽象理解發(fā)展，因?yàn)槿四X對(duì)事物的理解是抽象的，是基于知識(shí)的。 目前，已經(jīng)有很多學(xué)者對(duì)基于內(nèi)容的壓縮音頻分類(lèi)方法進(jìn)行了研究，但已有方法普遍存在一些不足之處，

2、如對(duì)人耳的聽(tīng)覺(jué)特性考慮較少，沒(méi)有較好地利用音頻壓縮編碼過(guò)程中的計(jì)算結(jié)果等等。到目前為止，還沒(méi)有一個(gè)既能實(shí)現(xiàn)高正確率、又能實(shí)現(xiàn)高效率的同時(shí)針對(duì)純音樂(lè)音頻和非純音樂(lè)音頻的分類(lèi)算法。 本文設(shè)計(jì)了一種在壓縮域上對(duì)音頻進(jìn)行基于內(nèi)容的分類(lèi)系統(tǒng)，并對(duì)系統(tǒng)的分層結(jié)構(gòu)和系統(tǒng)各個(gè)模塊的實(shí)現(xiàn)方法和原理進(jìn)行了深入的分析和探討。 本文所采用的方案的優(yōu)勢(shì)在于，充分利用了編碼器的計(jì)算結(jié)果，充分考慮了人耳的聽(tīng)覺(jué)特性，還使用了心理聲學(xué)的研究成果。