音頻數據檢索快速算法的研究.pdf

1、機器聽覺包括三大研究領域：語音信號處理與識別、一般音頻信號分析、基于內容的音頻檢索。其中，語音信號處理與識別是一個傳統(tǒng)的研究熱點，隨著音頻數據的海量增長以及語音識別技術的相對穩(wěn)定和成熟，音頻檢索逐漸成為了信息檢索領域內的一個新的研究熱點。音頻檢索研究如何從大量音頻信息中快速準確地檢索滿足要求的音頻數據。與語音識別技術相比，音頻檢索處理的數據是更一般的波形聲音信號（包括語音和音樂），其研究成果可廣泛地應用于遠程教學、衛(wèi)生醫(yī)療、數字圖書館、

2、環(huán)境監(jiān)測、新聞和娛樂節(jié)目的索引與標記等領域。
　　本學位論文研究了利用圖像配準方法的音頻數據快速檢索算法，簡稱FAR(Fast Audio Retrieval)。首先，采用音頻處理中的短時分析技術將音頻數據劃分成一個個短時幀，并提取其MFCC特征參數；其次，將音頻短時幀的特征參數MFCC轉換為二值圖像；最后，采用圖像配準的方法對測試模板和參考模板的MFCC特征參數進行模板匹配，計算兩個模板之間的匹配程度，并將該結果作為兩個模板間的