[發明專利]一種基于模式識別Hi-Fi音質檢測方法

在審

• 申請號: 201510392302.2
• 申請日: 2015-07-01
• 公開（公告）號: CN105070299A
• 公開（公告）日: 2015-11-18
• 發明（設計）人: 王紅梅;劉華平;周建政;黃金海
• 申請（專利權）人: 浙江天格信息技術有限公司
• 主分類號: G10L25/60
• 分類號: G10L25/60
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 鄭海峰

技術領域

本發明涉及音頻信號處理和，具體涉及一種基于模式識別Hi‐Fi音質檢測方法。

背景技術

Hi-Fi音頻指的是原版CD音頻，這類音頻由各大唱片公司等制作，采用專業的錄音及混響設備，對原始聲音信息采樣量化，而且沒有經過頻譜裁剪，所以保留了原始各個頻段的信息。

伴隨著網絡的快速普及以及帶寬的增加，人們對于音樂質量的要求也越來越高，無損音樂資源的交流也從音樂發燒友間向普通大眾過渡。但如何鑒別這類資源的真偽，音樂愛好者和音樂類公司都有著迫切的需要。通過人工檢測雖然有較高的準確率，但僅僅適用于個人，對于音樂類公司千萬級數量的曲庫來說，無法簡單的通過人工檢測來過濾曲庫。

采用計算機檢測的方法，目前應用的較多的是通過劃分頻率的方法。其步驟包括，將時域音頻信息通過傅里葉變換轉換為頻域，對于大多數采樣率為44100的音頻來說，轉換成頻域后所能表示的最大頻率為22050Hz。然后通過分析某個截止頻率以上頻率信息的缺少情況來判別音頻的質量。例如，某些壓縮算法，為了減小音頻的體積，將原始音頻通過該算法壓縮后，高頻信息是有缺失的。上述方法既是基于以上原理，通過劃分截止頻率的方法來判別音頻質量，將高頻信息缺失到一定程度的音頻判定為假無損。

上述方法能在一定程度上解決無損音頻質量檢測的問題，但有兩個較大的不足。

本發明是基于貝葉斯網絡的分類方法，下面介紹貝葉斯網絡的相關技術背景。

貝葉斯學派奠基性的工作是貝葉斯的論文“過于幾率性問題求解的評論”完成的。著名數學家拉普拉斯利用貝葉斯的方法導出了重要的相繼律，從此，貝葉斯的方法和理論逐漸被人理解和重視起來。二戰期間，瓦爾德提出了統計的決策理論，該理論中，貝葉斯占有重要的地位。80年代以后，由于人工智能尤其是機器學習的發展和數據挖掘的興起，貝葉斯理論得到了越來越寬廣的發展和應用。

貝葉斯網絡，又稱置信網絡(beliefnetwork)或概率有向無環圖模型(probabilisticdirectedacyclicgraphicalmodel)，是貝葉斯方法與圖形理論的有機結合。從1988年由Pearl【Probabilisticreasoninginintelligentsystems:networksofplausibleinference】提出后，已經成為近幾年來研究的熱點。Jensen將貝葉斯網絡定義為一種可以表達一組隨機變量之間概率關系的概率模型圖【Nielsen.Bayesiannetworksanddecisiongraphs】。它通過有向無環圖(DAG)來表達一組隨機變量和其條件依賴，是樸素貝葉斯方法的擴展，可以表達和分析多源信息，進而處理不確定性問題【Complexsystemssimulationforriskassessmentinfloodincidentmanagement】【InfluencesofvariablesonshipcollisionprobabilityinaBayesianbeliefnetworkmodel】，是目前不確定知識表達和推理領域最有效的理論模型之一。Cooper【Asimpleconstrain-basedalgorithmforefficientlyminingobservationaldatabasesforcausalrelationships】在1997年提出來一種簡單易行的因果關系挖掘算法，該算法利用貝葉斯網絡結構的性質，對數據集進行搜索并找出滿足條件的因果關系。Silverstein【Scalabletechniquesforminingcausalstructures】在1998年嘗試了大型事件數據庫的挖掘。通常，貝葉斯網絡是個有向無環圖，圖中的節點代表可觀測量、潛在變量或者未知變量等。圖中的邊代表了條件依賴，用條件概率進行表達關系強度，沒有邊相連的節點表明它是獨立的。貝葉斯網絡用于表達和分析不確定性和概率性的事件，應用于有條件地依賴多種控制因素的決策，可以從不完全、不精確或不確定的知識或信息中做出推理。其數學定義如下：