[發(fā)明專利]基于模式的音頻檢索方法和系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201210505562.2
• 申請(qǐng)日: 2012-11-30
• 公開(kāi)（公告）號(hào): CN103853749A
• 公開(kāi)（公告）日: 2014-06-11
• 發(fā)明（設(shè)計(jì)）人: 張世磊;涂旭東;金鋒;金琴;劉文;秦勇
• 申請(qǐng)（專利權(quán)）人: 國(guó)際商業(yè)機(jī)器公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 中國(guó)國(guó)際貿(mào)易促進(jìn)委員會(huì)專利商標(biāo)事務(wù)所 11038
• 代理人: 鄒姍姍

1.一種基于模式的音頻檢索方法，包括：

基于模式對(duì)多個(gè)源音頻數(shù)據(jù)進(jìn)行標(biāo)記，以獲取各源音頻數(shù)據(jù)的音頻標(biāo)記序列；

獲取目標(biāo)音頻數(shù)據(jù)的音頻標(biāo)記序列；

基于目標(biāo)音頻數(shù)據(jù)的音頻標(biāo)記序列和各源音頻數(shù)據(jù)的音頻標(biāo)記序列，根據(jù)預(yù)定匹配規(guī)則確定目標(biāo)音頻數(shù)據(jù)與源音頻數(shù)據(jù)之間的匹配度；以及

輸出匹配度高于預(yù)定匹配度閾值的源音頻數(shù)據(jù)，作為檢索結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其中，基于模式對(duì)多個(gè)源音頻數(shù)據(jù)進(jìn)行標(biāo)記包括：

（a）對(duì)每個(gè)源音頻數(shù)據(jù)進(jìn)行劃分，以獲得多個(gè)分段；

（b）基于所獲得的多個(gè)分段，利用聚類算法確定每個(gè)源音頻數(shù)據(jù)的音頻類序列；

（c）根據(jù)針對(duì)多個(gè)所述源音頻數(shù)據(jù)所確定的音頻類序列，基于模式構(gòu)建判決樹(shù)；

（d）針對(duì)判決樹(shù)上的每個(gè)葉節(jié)點(diǎn)，訓(xùn)練分段標(biāo)記模型；

（e）利用所訓(xùn)練的分段標(biāo)記模型，獲得每個(gè)源音頻數(shù)據(jù)的音頻標(biāo)記序列并調(diào)整對(duì)該源音頻數(shù)據(jù)的劃分；以及

（f）在滿足預(yù)定迭代條件的情況下，重復(fù)上述操作（b）至（e）。

3.根據(jù)權(quán)利要求2所述的方法，其中，對(duì)每個(gè)源音頻數(shù)據(jù)進(jìn)行劃分包括以下的任何一個(gè)或多個(gè)：

依照源音頻數(shù)據(jù)中的靜音進(jìn)行劃分；

依照預(yù)定時(shí)長(zhǎng)的音頻窗對(duì)源音頻數(shù)據(jù)進(jìn)行劃分；以及

按時(shí)間均勻劃分源音頻數(shù)據(jù)。

4.根據(jù)權(quán)利要求2所述的方法，其中，基于所獲得的多個(gè)分段利用聚類算法確定每個(gè)源音頻數(shù)據(jù)的音頻類序列包括：

利用從所獲得的多個(gè)分段提取的音頻特征來(lái)構(gòu)建混合高斯模型（GMM）；和

基于所構(gòu)建的GMM，利用聚類算法基于特定音頻特征和音頻類距離，確定源音頻數(shù)據(jù)的音頻類序列。

5.根據(jù)權(quán)利要求2所述的方法，其中，根據(jù)針對(duì)多個(gè)所述源音頻數(shù)據(jù)所確定的音頻類序列基于模式構(gòu)建判決樹(shù)包括：

定義所確定的音頻類序列中的音頻類作為判決樹(shù)的根節(jié)點(diǎn)；

基于被定義為根節(jié)點(diǎn)的音頻類在音頻類序列中的上下文，構(gòu)建模式問(wèn)題集；以及

基于所構(gòu)建的模式問(wèn)題集，對(duì)所確定的音頻類序列中的音頻類進(jìn)行分支，從而構(gòu)建判決樹(shù)的葉節(jié)點(diǎn)。

6.根據(jù)權(quán)利要求4所述的方法，其中，針對(duì)判決樹(shù)上的每個(gè)葉節(jié)點(diǎn)訓(xùn)練分段標(biāo)記模型包括：

針對(duì)判決樹(shù)上的每個(gè)葉節(jié)點(diǎn)，訓(xùn)練隱馬爾可夫模型（HMM）和持續(xù)時(shí)間模型。

7.根據(jù)權(quán)利要求2所述的方法，其中，利用所訓(xùn)練的分段標(biāo)記模型獲得源音頻數(shù)據(jù)的音頻標(biāo)記序列并調(diào)整對(duì)源音頻數(shù)據(jù)的劃分包括：

利用所訓(xùn)練的分段標(biāo)記模型，確定源音頻數(shù)據(jù)的音頻類距離；

基于所訓(xùn)練的分段標(biāo)記模型，利用從所述源音頻數(shù)據(jù)提取的音頻特征和所確定的音頻類距離進(jìn)行Viterbi解碼；以及

根據(jù)Viterbi解碼結(jié)果，獲得源音頻數(shù)據(jù)的音頻標(biāo)記序列，并調(diào)整對(duì)源音頻數(shù)據(jù)的劃分。

8.根據(jù)權(quán)利要求2所述的方法，其中，對(duì)源音頻數(shù)據(jù)進(jìn)行劃分以獲得多個(gè)分段包括：

確定源音頻數(shù)據(jù)是否為語(yǔ)音數(shù)據(jù)；以及

基于所述確定的結(jié)果，對(duì)源音頻數(shù)據(jù)進(jìn)行劃分以獲得多個(gè)分段。

9.根據(jù)權(quán)利要求2所述的方法，其中，所述預(yù)定迭代條件包括以下的任何一個(gè)或多個(gè)：

對(duì)源音頻數(shù)據(jù)的劃分的調(diào)整量不小于預(yù)定分段差值；以及

迭代次數(shù)小于預(yù)定迭代次數(shù)閾值。

10.根據(jù)權(quán)利要求2所述的方法，其中，獲取目標(biāo)音頻數(shù)據(jù)的音頻標(biāo)記序列包括：

基于所訓(xùn)練的分段標(biāo)記模型，對(duì)所述目標(biāo)音頻數(shù)據(jù)進(jìn)行Viterbi解碼，以獲得該目標(biāo)音頻數(shù)據(jù)的音頻標(biāo)記序列。

11.根據(jù)權(quán)利要求2至10中任一項(xiàng)所述的方法，其中，根據(jù)預(yù)定匹配規(guī)則確定目標(biāo)音頻數(shù)據(jù)與源音頻數(shù)據(jù)之間的匹配度包括：

確定與目標(biāo)音頻數(shù)據(jù)和源音頻數(shù)據(jù)相關(guān)的音頻類之間的音頻類距離；

通過(guò)將目標(biāo)音頻數(shù)據(jù)的音頻標(biāo)記序列與源音頻數(shù)據(jù)的音頻標(biāo)記序列進(jìn)行比較，基于所確定的音頻類距離來(lái)計(jì)算序列匹配得分；

通過(guò)計(jì)數(shù)目標(biāo)音頻數(shù)據(jù)和源音頻數(shù)據(jù)的音頻類序列中各音頻類的個(gè)數(shù)，計(jì)算計(jì)數(shù)匹配得分；以及

以各自的加權(quán)值組合所計(jì)算的序列匹配得分和計(jì)數(shù)匹配得分，計(jì)算目標(biāo)音頻數(shù)據(jù)與源音頻數(shù)據(jù)的匹配度。