[發(fā)明專利]基于交叉熵的音頻指紋快速搜索方法

無效

• 申請?zhí)枺?/td>: 200910241366.7
• 申請日: 2009-12-07
• 公開（公告）號: CN101853262A
• 公開（公告）日: 2010-10-06
• 發(fā)明（設(shè)計）人: 歐智堅;林暉
• 申請（專利權(quán)）人: 清華大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京眾合誠成知識產(chǎn)權(quán)代理有限公司 11246
• 代理人: 朱琨

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于交叉熵的音頻指紋快速搜索方法，可以實現(xiàn)合理的跳躍式比對，達(dá)到從大量音頻數(shù)據(jù)中進(jìn)行高效準(zhǔn)確的搜索的目的。

背景技術(shù)

音頻指紋是指音頻自身的基于內(nèi)容的低維表示(一段音頻被表示成一個低維特征矢量)，不同內(nèi)容的音頻有不同的指紋。音頻指紋技術(shù)有著廣泛的應(yīng)用背景，包括基于內(nèi)容的音頻辨識和檢索，版權(quán)管理等領(lǐng)域。

現(xiàn)階段已經(jīng)存在很多不同的算法。這些算法主要在以下幾點有區(qū)別：

1.音頻特征的選取，如音頻短時頻譜的均值、方差、譜中心、基音等。

2.指紋模型的構(gòu)造，如矢量量化碼本，高斯混合模型等。

3.音頻指紋對比所用的距離算法，如歐氏距離，馬氏距離等

4.檢索算法，如線性比對，最近鄰比對等。

優(yōu)秀的音頻指紋搜索方法應(yīng)該能夠在音頻信號由于壓縮、傳輸?shù)仍斐梢欢ǖ氖д嬷?，仍然能夠進(jìn)行正確比對，并且滿足計算的時間復(fù)雜度要求。

發(fā)明目的

本發(fā)明提出了種對失真有更好穩(wěn)健性，對距離度量具有更廣的適應(yīng)性的基于交叉熵的音頻指紋快速搜索方法。

本發(fā)明的特征在于：是在計算機(jī)中依次按以下步驟實現(xiàn)的：

步驟(1)計算機(jī)初始化：

設(shè)置：共分量高斯混合模型生成模塊，基于共分量高斯混合模型的音頻指紋提取模塊，廣義動態(tài)時序比對模塊，其中：

所述共分量高斯混合模型生成模塊，使用事先采集好的約100個小時的音頻數(shù)據(jù)，進(jìn)行最大似然參數(shù)估計，創(chuàng)建一個共分量高斯混合模型；

所述音頻指紋提取模塊，基于所述共分量高斯混合模型提取音頻指紋，并且用交叉熵衡量音頻指紋間距離；

所述廣義動態(tài)時序比對模塊，以滑動窗方式將用戶指定音頻段與輸入音頻流進(jìn)行指紋比較，判斷音頻流中是否包含有指定音頻段。

步驟(2)按以下步驟創(chuàng)建一個共分量高斯混合模型：

步驟(2.1)事先采集好約100個小時的音頻數(shù)據(jù)。經(jīng)過短時傅立葉分析，以10毫秒為一幀提取一個倒譜特征矢量。

步驟(2.2)利用步驟(2.1)得到的倒譜特征矢量集，進(jìn)行最大似然參數(shù)估計，創(chuàng)建一個共分量高斯混合模型。該模型包含M個高斯分布作為其分量，以及M個權(quán)重系數(shù)，M的取值為512：

{ω_i^(u)，μ_i^(u)，∑_i^(u)}_{i＝1，…，M}

其中μ_i^(u)，∑_i^(U)表示第i個高斯分量的均值矢量和協(xié)方差矩陣，ω_i^(u)表示第i個高斯分量的權(quán)重系數(shù)，i＝1，…，M，上標(biāo)u標(biāo)識此共分量高斯混合模型。

步驟(3)按以下步驟對用戶指定音頻段進(jìn)行預(yù)處理：

步驟(3.1)向計算機(jī)輸入用戶指定音頻段c，時間長度為幾秒，經(jīng)過短時傅立葉分析，以10毫秒為一幀提取一個倒譜特征矢量。這樣，音頻段c用一個倒譜特征矢最序列{x_n^(c)}_{n＝1，…，W}來表示，W表示音頻段c的幀數(shù)，n＝1，…，W表示音頻段c的各幀的序號，上標(biāo)c標(biāo)識此音頻段c。

步驟(3.2)按下式計算共分量高斯混合模型的第i個高斯分量在音頻段c的第n幀的權(quán)重系數(shù)ω_i，n^(c)，n＝1，…，W：