语音/音乐自动分类中的特征分析

摘要：

综合分析了语音和音乐的区别性特征,包括音调、亮度、谐度等感觉特征与MFCC(Mel-Frequency Cepstral Coefficients)系数等,提出一种left-right DHMM(Discrete Hidden Markov Model)的分类器,以极大似然作为判别规则,用于语音、音乐以及它们的混合声音的分类, 并且考察了上述特征集合在该分类器中的分类性能.实验结果表明,文中提出的音频特征有效、合理,分类性能较好.

关键词：特征分析、基于内容的音频分类、隐马尔可夫模型(HMM)、MFCC

所属期刊栏目：14

分类号：TP391.3(计算技术、计算机技术)

资助基金：国家自然科学基金69903006

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：233-237