[發明專利]一種音頻片斷之間相似度度量的方法

有效

• 申請號: 200610080669.1
• 申請日: 2006-05-25
• 公開（公告）號: CN101079044A
• 公開（公告）日: 2007-11-28
• 發明（設計）人: 彭宇新;房翠華;陳曉鷗;吳於茜
• 申請（專利權）人: 北大方正集團有限公司;北京大學;北京北大方正技術研究院有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京同達信恒知識產權代理有限公司
• 代理人: 李欣

技術領域

本發明屬于音頻檢索技術領域，具體涉及一種音頻片斷之間相似度度量的方法。

背景技術

隨著多媒體資料及應用的不斷增多，音頻分析及檢索技術變得越來越重要，而音頻片斷檢索是上述技術的一種重要形式，即用戶給定一個音頻片斷，怎樣自動從音頻庫里檢索到相似的音頻片斷，并按照相似度從高到低排序。現有的音頻檢索技術，一般是從音頻片斷中提取出音頻特征，然后利用這些特征進行相似度度量，根據度量結果進行檢索。這種方法因為沒有考慮音頻片斷中具體內容的差別，而采用音頻特征表示整個音頻片斷，因此不能有效度量音頻內容的相似度。

2004年在Pacific-Rim?Conference?on?Multimedia發表的文獻“DominantFeature?Vectors?Based?Audio?Similarity?Measure”(作者是J.Gu，L.Lu，R.Cai，H.J.Zhang?and?J.Yang，頁碼是890-897)，提出了一種基于音頻特征矩陣的特征向量和特征值的音頻特征：主特征向量(Dominant?Feature?Vectors)。該文獻提取出音頻片段的幀特征定義成一個特征幀矩陣，然后計算這個矩陣的自相關矩陣，最后計算自相關矩陣的特征向量和特征值作為音頻片段特征。該方法是基于整個音頻片段的統計特征，因此無法描述音頻片斷中的內容變化特性，從而限制了音頻檢索的準確度。

發明內容

針對現有技術的不足，本發明提出一種音頻片斷相似度度量的方法，用于度量不同音頻片斷之間的相似度。

為達到以上目的，本發明采用的技術方案是：一種音頻片斷之間相似度度量的方法，包括以下步驟：

(1)分別將待度量的音頻片斷分割為多個音質相似的音頻單元；其中音頻單元是一系列音質相似的音頻幀；

(2)計算上述兩個音頻片斷中任意兩個音頻單元之間的相似度；

(3)把兩個音頻片斷的相似度度量建模為一個帶權二分圖；

(4)運用最優匹配度量兩個音頻片斷之間的相似度；

(5)采用以下公式計算兩個音頻片斷之間的相似度：

SimOM(X,Y)=Σωijmax(p,q)]]>

∑ω_ij表示兩個音頻片斷最優匹配取得的最大相似度，p和q分別表示兩個音頻片斷X和Y的音頻單元數目。

更進一步，運用貝葉斯信息標準(Bayesian?Information?Criterion，BIC)，將待度量的音頻片斷分割為多個音質相似的音頻單元。

更進一步，使用如下公式計算兩個音頻單元的相似度：

Sim(s_i，s_j)＝exp(-Distan(s_i，s_j)/2)