一種基于內(nèi)容的音頻語義特征相似度比較方法技術(shù)

本發(fā)明專利技術(shù)涉及一種基于內(nèi)容的音頻語義特征相似度比較方法，包括如下步驟：提取幀長5s，幀移0.5s的音樂，而后提取音樂中的特征參數(shù)；將上述特征參數(shù)組成特征矢量；構(gòu)建174個關(guān)鍵詞描述的詞匯庫，然后以每個關(guān)鍵詞作為模型，以特征矢量為訓(xùn)練樣本構(gòu)造隱馬爾可夫模型；對隱馬爾可夫模型輸出概率多項式，得到基于關(guān)鍵詞的概率分布；根據(jù)KL公式比較基于給定關(guān)鍵詞的相似度比較。本發(fā)明專利技術(shù)給每一首歌給出了174個類別，這就對每一首音樂進(jìn)行了詳盡的高層語義描述。且采用隱馬爾可夫模型建立語義關(guān)鍵詞的模型，繼而將能夠代表音樂的本質(zhì)特征與高層語義描述對接起來，彌補低層到高層的語義空缺。

【技術(shù)實現(xiàn)步驟摘要】

本專利技術(shù)涉及一種音頻處理和模式識別
，尤其涉及一種基于隱馬爾可夫模型的相似度比較方法。
技術(shù)介紹
基于內(nèi)容的音頻語義特征相似度比較方法的研究，是基于內(nèi)容的音樂檢索以及音樂推薦領(lǐng)域的一個重要分支，具體是指通過音頻特征分析，對不同音頻數(shù)據(jù)賦以不同的語義，使具有相同語義的音頻在聽覺上保持相似。由于音樂與人的聽覺感知緊密相關(guān)，它更多的傳達(dá)了一種感情，一種很難量化的情緒，音樂的這種特性決定了在音頻的分類檢索技術(shù)中所用到的歌名、演唱者等外在信息對音樂分析并不適用。因此找到能夠表征音樂的某些特征以及如何對音樂的高層語義信息進(jìn)行描述都是非常急需的。 如何提取音樂中的較低層特征(音調(diào)、旋律以及節(jié)奏等)，使得無序的音頻順序變得有序，是基于內(nèi)容的音頻檢索技術(shù)實現(xiàn)應(yīng)用的關(guān)鍵。目前的研究都是基于某一種音頻特征，比如提取了基于美爾頻率的倒譜系數(shù)MFCC，或是先將人類聽覺感知中的等響度預(yù)加重、強(qiáng)度、響度等特性進(jìn)行一系列的工程模擬，之后采用全極點模型進(jìn)行線性預(yù)測分析從而得到相應(yīng)的LPC系數(shù)，還有的研究使用MFCC或LPC的動態(tài)特征來刻畫音頻信號的時變特性，即原始特征的一階和二階差分。對于音樂內(nèi)容而言，僅有低層聲學(xué)特征是不夠的，如何描述音樂的高層語義概念也是一個關(guān)鍵問題。隨著生活條件的提高，人們越來越注重精神品味的培養(yǎng)，在不同的場合人們將需求不同的音樂，對音樂的用途提出了越來越明確以及細(xì)致的要求，這些要求是傳統(tǒng)的研究無法實現(xiàn)的。
技術(shù)實現(xiàn)思路
專利技術(shù)目的本專利技術(shù)的目的在于提供，其能夠提取音樂信號的特征參數(shù)，并利用所提取出的特征參數(shù)建立基于語義關(guān)鍵詞的HMM，繼而能夠根據(jù)概率模型比較音樂的語義特征的相似度。技術(shù)方案本專利技術(shù)的實施例通過如下技術(shù)方案實現(xiàn)，包括如下步驟I)提取幀長5s，幀移O. 5s的音樂，而后提取音樂中的特征參數(shù)；2)將上述特征參數(shù)組成特征矢量；3)構(gòu)建174個關(guān)鍵詞描述的詞匯庫，然后以每個關(guān)鍵詞作為模型，以特征矢量為訓(xùn)練樣本構(gòu)造隱馬爾可夫模型；4)對隱馬爾可夫模型輸出概率多項式，得到基于關(guān)鍵詞的概率分布；5)根據(jù)KL公式比較基于給定關(guān)鍵詞的相似度比較。所述的隱馬爾可夫模型構(gòu)造方法包括如下步驟S Γ Ms~I)根據(jù)公式ΓΙG求出狀態(tài)輸出觀測值的概率 bj(°, )= i=1 Lm-IJb ；其中N是高斯概率密度函數(shù)，O是音樂的特征系數(shù)即觀測序列，μ、E、c分別是均值、方差以及權(quán)重系數(shù)，M是每個狀態(tài)包含的高斯混元個數(shù)；2)設(shè)置迭代次數(shù)，用Viterbi算法計算HMM輸出所有訓(xùn)練音頻觀測序列的概率P (0/ λ )，并累加得到Σ i中，再用Baum-Welch算法對模型參數(shù)進(jìn)行重估，得到λ 1，再用Viterbi算法計算HMM輸出所有訓(xùn)練音頻觀測序列的概率Ρ(0/λ 1)，并累加得到Σ 2中；3)將乙,ΡΣ 2結(jié)果進(jìn)行比較，判斷結(jié)果是否小于預(yù)設(shè)閾值，是的話，則無需進(jìn)行重估計算，將λ I作為計算結(jié)果輸出，都則將λ I作新一輪運算。 所述初始概率取為[1.0 1.0 1.0]，狀態(tài)轉(zhuǎn)移概率取為本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點】
一種基于內(nèi)容的音頻語義特征相似度比較方法，其特征在于：包括如下步驟：1）提取幀長5s，幀移0.5s的音樂，而后提取音樂中的特征參數(shù)；2）將上述特征參數(shù)組成特征矢量；3）構(gòu)建174個關(guān)鍵詞描述的詞匯庫，然后以每個關(guān)鍵詞作為模型，以特征矢量為訓(xùn)練樣本構(gòu)造隱馬爾可夫模型；4）對隱馬爾可夫模型輸出概率多項式，得到基于關(guān)鍵詞的概率分布；5）根據(jù)KL公式比較基于給定關(guān)鍵詞的相似度比較。

【技術(shù)特征摘要】
1.一種基于內(nèi)容的音頻語義特征相似度比較方法，其特征在于包括如下步驟 1)提取幀長5S，幀移O.5s的音樂，而后提取音樂中的特征參數(shù)； 2)將上述特征參數(shù)組成特征矢量； 3)構(gòu)建174個關(guān)鍵詞描述的詞匯庫，然后以每個關(guān)鍵詞作為模型，以特征矢量為訓(xùn)練樣本構(gòu)造隱馬爾可夫模型； 4)對隱馬爾可夫模型輸出概率多項式，得到基于關(guān)鍵詞的概率分布； 5)根據(jù)KL公式比較基于給定關(guān)鍵詞的相似度比較。2.根據(jù)權(quán)利要求I所述的一種基于內(nèi)容的音頻語義特征相似度比較方法，其特征在于所述的隱馬爾可夫模型構(gòu)造方法包括如下步驟 1)根據(jù)公式bX0t)=]~[ T,cJsmN(OslTjjsn, ) *求出狀態(tài)輸出觀測值的概率b ; 5=1 L w-i_ 其中N是高斯概率密度函數(shù)，O是音樂的特征系數(shù)即觀測序列，μ、Σ、C分別是均值、方差以及權(quán)重系數(shù)，M是每個狀態(tài)包含的高斯混元個數(shù)； 2)設(shè)置迭代次數(shù)，用Viterbi算法計算HMM輸出所有訓(xùn)練音頻觀測序列的概率Ρ(0/入)，并累加得到Σ 中，再用Baum-Welch算法對模型參數(shù)進(jìn)行重估,得到λ I,再用Viterbi算法計算HMM輸出所有訓(xùn)練音頻觀測序列的概率Ρ(0/λ 1)，并累加得到Σ 2中； 3)將Σ1和Σ 2結(jié)果進(jìn)行比較，判斷結(jié)果是否小于預(yù)設(shè)閾值，是的話，則無需進(jìn)行重估計算，將λ I作為計算結(jié)果輸出，都則將λ I作新一輪運算。3.根據(jù)權(quán)利要求2所述的一種基于內(nèi)容的音頻語義特征相似度比較方法，其特...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：嚴(yán)勤，張二芬，
申請(專利權(quán))人：河海大學(xué)，
類型：發(fā)明
國別省市：