一种基于瓶颈特征的复杂音频分割聚类方法

摘要

本发明公开了一种基于瓶颈特征的复杂音频分割聚类方法，包括如下步骤，首先构造一个带瓶颈层的深度神经网络；接着读入复杂音频流，对复杂音频流进行端点检测，然后提取非静音段的音频特征并输入深度神经网络，从深度神经网络的瓶颈层提取瓶颈特征；以瓶颈特征作为输入，采用基于贝叶斯信息准则的音频分割方法，使得每个音频段只包含一种音频类型且相邻音频段的音频类型不同；最后，采用谱聚类算法对分割后的音频段进行聚类，得到复杂音频的音频类型个数，并将相同音频类型的音频段合并在一起。本发明采用的瓶颈特征是一种深层变换特征，比传统音频特征能更有效刻画复杂音频类型的特性差异，在复杂音频分割聚类中获得更加优异的效果。