基于GMM和SVM的音频分类算法

摘要

随着计算机技术、网络技术和通讯技术的不断发展，图像、视频、音频等多媒体数据已逐渐成为信息处理领域中主要的信息媒体形式，其中音频信息占有重要的地位。 原始音频数据是一种非语义符号表示和非结构化的二进制流，缺乏内容语义的描述和结构化的组织，给音频信息的深度处理和分析工作带来了很大的困难。如何提取音频中的结构化信息和内容语义是音频信息深度处理、基于内容检索和辅助视频分析等应用的关键。音频分类与分割技术是解决这一问题的关键技术，是音频结构化的基础。本文在总结前人研究成果的基础上，研究了音频特征的分析与抽取、基于GMM的音频分类和基于SVM的音频分类问题。 本文工作主要包括以下内容： (1)分析了语音和音乐的特征参数，并提取其相关特征。 (2)分别使用GMM和SVM分类算法做为语音和音乐的分类器，并比较了这两种分类器的性能。 (3)使用SVM分类器实现语音端点检测，并与基于能量和过零率的端点检测方法进行了比较。 (4)给出了一种基于GMM统计特性参数和SVM结合使用的音频分类系统。该方法结合了GMM鲁棒性好和SVM分辨力好的优点，提高了系统的性能和鲁棒性。

目录

文摘

英文文摘

声明

1 绪论

1.1 研究背景

1.2音频分类的研究现状

1.3本文主要工作和论文结构

2音频分类技术及原理

2.1音频分类概述

2.2音频信号特征分析

2.3分类器设计的常用方法

3高斯混合模型

3.1 高斯混合模型的基本概念

3.2 EM算法

3.3基于GMM的分类器的设计

4支持向量机

4.1统计学习理论

4.2支持向量机的算法原理

4.3支持向量机的特点

4.4基于SVM的分类器的设计

5基于GMM和SVM组合的音频分类系统

5.1音频信号的预处理

5.2特征分析与提取

5.3基于GMM聚类的特征变换

5.4基于GMM统计特性参数和SVM的音频分类

结 论

参考文献

攻读硕士学位期间发表学术论文情况

致 谢