基于VQ-GMM 的音频分类 - 信息工程大学学报.PDF

Vo l. 9 No.4 信息工程大学学报 第 9 卷第 4 期 2008 年 12 月 Journal of Information Engineering University Dec.2008 基于 VQ-GMM 的音频分类 张瑞杰，李粥程，张连海，屈 丹 (信息工程大学信息工程学院，河南郑州 450002) 摘要:音频分类在基于内容的音频、视频检索和分析中起着重要作用。文章针对静音、语音、音 乐和环境背景音 4 类音频提出基于 VQ-GMM 的分类算法。首先通过闵值判决区分静音和非 静音，然后利用 VQ-GMM 分类器将非静音进而分为语音、音乐和环境背景音。实验结果表明 该方法的分类性能良好，平均正确率可达959毛 o 关键词:音频分类;VQ-GMM; 阀值判决 中图分类号:TP391 文献标识码:A 文章编号:1671 -0673(2008)04 -0423 -04 Audio Classification Based on VQ-G岛1M ZHANG Rui-jie , LI Bi-cheng , ZHANG Lian-hai , QU Dan (Institute of Info口nation Engineering , Information Engineeri吨 University ， Zhengzhou 450002 , China) Abstract: Audio classification plays an important role in audio/video retrieval and analysis. This pa- per presents a classification algorithm based on VQ-GMM to classify audio into silence , speech , mu- sic and background. Firstly silence and non-silence are classified based on threshold judging and then VQ-GMM is used to further classify non-silence into speech , music and background. Experi- mental results show that the proposed algorithm produces satisfactory results and the average accura- cy reaches 95% . Key words: audio classification; VQ-GMM; threshold judging 音频分类是将音频数据按照感知特征或表述 分类，他采用的分类窗长是 2. 4s ; Scheirer[町等引入 内容的不同分为不同的类别，它是提取音频结构和 了频谱流量等 13 种特征用于音频分类，并且用多 内容语义的重要手段[1 ， 2] 音频分类对基于内容的 种分类器(如 GMM、 BP-ANN 和 KNN) 做了实验，它 采用的分类窗长也是 2.4s Zhang 和 KUO[6] 利用 视频分割、语音检索和音频监管也可起到重要