基于小波分析的音频分割与聚类

《基于小波分析的音频分割与聚类》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号密级公开Y1219390重庆邮电大学硕士学位论文论文题目基于小波分析的音频分割与聚类英文题目AudioSegmentationandClassificationBasedontheWavelet1'ransformation硕士研究生奎殪指导教师塑缱明到丝蕉学科专业计算机应用技术论文提交日期2塑垒Z生墨日论文答辩茸期2韭盘2茔五丑墨且_论文评阅人趟墅盈煎蔓杰监璺丕孽避丞盛型麴鲎答辩委员会主席邱玉辉教授西南大学2007年5月30日重庆邮电大学硕士论文摘要随着互联网上多媒体数据的日益增多，人们面对的信息量是以“海量”来形容的。如何从网上众多信息中检索出自己的

2、所需，是信息检索的一个难点。传统的基于文本的检索由于其自身的限制以及多媒体数据的特殊性，已显得很不适用，基于内容的检索在这种情况下应运而生，并迅速成为检索技术的研究热点。目前对于基于内容的图像、视频检索的研究较多，基于内容的音频的检索则相对滞后。同时，随着小波分析技术的蓬勃发展，小波在信号分析方面的优势也曰渐展露。基于此，本文在认真总结前人研究成果的基础上，将小波分析技术应用到基于内容的音频检索中，着重分析了音频特征提取、音频分割与音频聚类三个方面的问题。本文的工作和研究成果主要包括以下几个方面：(1)研究了小波分析在音频方面的应用，提取了三个小波域的音频特征

3、——近似平均幅度、近似静音比和近似过零率，分析了不同音频在这几个特征上的区别，并研究了此特征在音频分割与聚类中的性能；(2)针对传统音频分割方法的弊端，提出了一种“帧持续”的改进方法。实验证明，该方法降低了音频分割的敏感性，分割精度有了明显提高；(3)深入研究了k均值分类算法，并结合决策树思想提出了一种k均值决策树分类方法，利用该方法将k均值多类分类法构造为多次二分类法，避免了k均值算法对初始聚类数的依赖。通过实验，分析了该方法的性能。关键词：基于内容的音频检索，小波分析，音频分割，音频聚类，k均值重庆邮电大学硕士论文摘要AbstractWiththeincr

4、ementsofmultimediadataontheinternet．theinformationquantitywhichwehavetofaceshouldbedescribedasjillion．HowtOgetwhatweneedfromthelargenumberofinformationontheInteractisbecameadifficultyofinformationretrieval．Becauseofitsownlimitandthespecialfeatureofmultimediadata,text—basedretrievali

5、snotapplicableanymore．Inthatcase，Contend—BasedRetrieval(CBR)cameforthandbecameahotspot．Comparingwithimageandvideoretrieval，audioretrievalstudyisbehindhand．Withthedevelopmentofwavelettechnology,theadvantageofwaveletinsignalanalysisisbecomemoreandmoreobvious．Incorporatingthepastfruits

6、，analyzethefeatureextraction,audiosegmentationandclassificationinemphasize．nleresearchworkandresultsoftllisdissertationcanbeconcludedasfollows：(1)Researchtheapplicationofwaveletanalysistechnologyinsignalanalysis，extractthreeaudiofeaturesinwaveletdomain--Maa,MsrandAzcr，analyzethediff

7、erencebetweendifferentaudiosonthesefeatures，andstudytheirperformancesinaudiosegmentationandclassification．(2Presentamethodcalled“framecontinuance’’aimatimprovingtheabuseoftraditionalmethod．hltheexperiment，thetechniquereducethesegmentsensitivityandincreasethesegmentprecision．(3)Study

8、thek-meansalgorithm