基于C#与Matlab集成的音频分类系统设计与实现.docxVIP

-1-

基于C#与Matlab集成的音频分类系统设计与实现

杨会云1，郑继明2

1．重庆邮电大学，计算机科学与技术学院，重庆（400065）

2.重庆邮电大学，数理学院，重庆(400065）

摘要:音频分类是基于内容的音频检索一个很重要的环节，因此音频分类系统的建立显得尤为重要。本文提出了采用COM组件实现Matlab与C#的混合编程来实现音频自动分类系统。介绍了系统的体系结构、主要功能、运行情况及开发的关键技术。叙述了音频分类中常用的各种方法，并建立了基于HMM-SVM的音频分类模型。结果表明该模型识别效率较高。该系统可以实现简单的基于内容的音频检索功能，为以后更复杂的音频检索打下了基础。

关键词:COM组件；HMM-SVM；音频分类；Matlab；C#中文图分类号：TP39

1引言

早期的音频检索系统(ARS)一般采用人工标注的检索方法，即通过人工方法直接对音频数据的属性或者描述进行标注，然后结合文本检索技术与用户所查询的音频内容进行匹配。但是，随着数据量的不断增加，人工标注的可行性也越来越小。为了解决上述问题，基于内容的音频检索技术应运而生。其中音频分类是基于内容的检索中一个很重要的环节。音频自动分类的方法很多，模式识别中的分类方法都可以应用于音频的分类，常用的方法有神经元网络[1]、最近特征线NFL(NearestFeatureLine)[2]、隐马尔可夫模型[3][5]和支持向量机[4]等。近些年来，很多学者致力于音频分类方法的研究而忽略了音频分类系统的建立。

Matlab是一种专门以矩阵形式处理数据的科学计算软件，具有编程简单、数值计算和仿真能力强、易于扩展移植的优点，但是其执行效率低，在开发应用程序界面和对外围设备的控制能力上较差，程序调试不方便。C#是专门用于.NET的新编程语言，具有简单易用、类型安全、执行效率高等优点。与Matlab相比，C#开发应用程序界面和操作外围设备快捷高效，而开发科学计算和数值分析功能则较为困难，效率不高。

针对以上问题，本文通过COM组件技术实现了C#和Matlab之间的混合编程，开发设计了一种通用的音频分类系统。

2系统目标

基于内容的音频检索技术，国外研究较早、研究也较深入；国内研究起步晚、理论和实践还不够成熟。从目前研究和应用的现状看，音频分类检索技术仍处于起步阶段。音频分类检索技术还没有完全自动化和智能化。本系统的基本目标是能把用户输入的音频简单的识别分为环境音、混合音（带背景音乐的语音）、音乐和纯语音中的一种，并从音频库中检索出把相似的音频反馈给用户。其中，音乐又分成了乐器音和流行音乐两种。具体目标如下:

(1)音频数据的采集与处理及基本音频数据库的管理与更新；

(2)音频特征的提取及归一化处理；

(3)开发基于HMM-SVM的音频分类模型。

3.系统的开发与实现

3.1系统开发平台及体系结构

-2-

整个系统前端开发平台采用了:微软公司的VisualStudio2008（C#开发语言）和

MathWorks公司的Matlab7.0版本。

后台开发平台采用的微软公司的SQLServer200和Sybase公司的PowerDesigner。

Matlab和C#都提供了对COM组件的支持。C#是.NET环境的核心开发语言,.NET环境对COM提供了运行库可调用包装（RuntimeCallableWrapperm,RCW）的形式来处理COM组件的调用。而Matlab则提供了对COM的支持，可作为一个自动化服务器，为跨越进程甚至网络访问和使用Matlab的功能提供了一个途径。

系统结构分为三个部分:首先是音频文件的收集与处理，形成音频数据库；然后是音频文件的特征提取以及分类器模型的建立；最后是给予用户反馈结果。图1为音频分类系统结构图：

Matlak程序特征提用户

Matlak程序

特征提

用户

提交音频例子

音频分类系统请求回应检索结反馈

音频分类系统

请求

回应

检索结

数据库

音频特征库

音频特征库

原始音频库

原始音频库

图1系统体系结构流程图

3.2系统功能实现

音频分类是根据音频的时域、频域特征，将不同内容的音频数据进行分类。在音频检索中，不同类型的音频数据需要不同的处理方式。例如当知道一段音频信号时语音时，便可采用语音识别技术对内容进行分析，如果是音乐信号，则可采用相应的音频信号处理技术进行分析。因此有必要建立一个合适的音频分类系统。

根据系统体系结构及特点，结合实际的研究价值，开发了音频分类系统，其实现的主要功能有：

(1)音频文件管理。负责音