| 本文已被：浏览 5447次 下载 8006次 |
码上扫一扫！ |
|
|
| 基于隐马尔可夫模型的音频自动分类 |
|
卢坚1,2, 陈毅松1,2, 孙正兴1,2, 张福炎1,2
|
|
1.南京大学,计算机科学与技术系,江苏,南京,210093;2.南京大学,计算机软件新技术国家重点实验室,江苏,南京,210093
|
|
| 摘要: |
| 音频的自动分类,尤其是语音和音乐的分类,是提取音频结构和内容语义的重要手段之一,它在基于内容的音频检索、视频的检索和摘要以及语音文档检索等领域都有重大的应用价值.由于隐马尔可夫模型能够很好地刻画音频信号的时间统计特性,因此,提出一种基于隐马尔可夫模型的音频分类算法,用于语音、音乐以及它们的混合声音的分类.实验结果表明,隐马尔可夫模型的音频分类性能较好,最优分类精度达到90.28%. |
| 关键词: 基于内容的音频分类 隐马尔可夫模型 向量量化 MFCC(mel-frequency cepstral coefficient) |
| DOI： |
| 分类号: |
| 基金项目:国家自然科学基金资助项目(69903006,60073030) |
|
| Automatic Audio Classification by Using Hidden Markov Model |
|
LU Jian,CHEN Yi-song,SUN Zheng-xing,ZHANG Fu-yan
|
| Abstract: |
| As one of the key methods to extract content semantics and structure from audio, automatic audio classification, especially for a speech and a music, is valuable for content-based audio retrieval, video summary and retrieval, and spoken document retrieval, etc. Because hidden Markov model (HMM) can well model audio signal抯 time statistical properties, a left-right discrete HMM is proposed to classify a speech, a music and their mixed audio. The experimental results show that HMM is excellent for audio classification accuracy is up to 90.28％. |
| Key words: content-based audio classification hidden Markov model （HMM） vector quantisation mel-frequency cepstral coefficients （MFCC） |
