[发明专利]一种音频片断之间相似度度量的方法

说明书

技术领域

本发明属于音频检索技术领域，具体涉及一种音频片断之间相似度度量的方法。

背景技术

随着多媒体资料及应用的不断增多，音频分析及检索技术变得越来越重要，而音频片断检索是上述技术的一种重要形式，即用户给定一个音频片断，怎样自动从音频库里检索到相似的音频片断，并按照相似度从高到低排序。现有的音频检索技术，一般是从音频片断中提取出音频特征，然后利用这些特征进行相似度度量，根据度量结果进行检索。这种方法因为没有考虑音频片断中具体内容的差别，而采用音频特征表示整个音频片断，因此不能有效度量音频内容的相似度。

2004年在Pacific-Rim Conference on Multimedia发表的文献“DominantFeature Vectors Based Audio Similarity Measure”(作者是J.Gu，L.Lu，R.Cai，H.J.Zhang and J.Yang，页码是890-897)，提出了一种基于音频特征矩阵的特征向量和特征值的音频特征：主特征向量(Dominant Feature Vectors)。该文献提取出音频片段的帧特征定义成一个特征帧矩阵，然后计算这个矩阵的自相关矩阵，最后计算自相关矩阵的特征向量和特征值作为音频片段特征。该方法是基于整个音频片段的统计特征，因此无法描述音频片断中的内容变化特性，从而限制了音频检索的准确度。

发明内容

针对现有技术的不足，本发明提出一种音频片断相似度度量的方法，用于度量不同音频片断之间的相似度。

为达到以上目的，本发明采用的技术方案是：一种音频片断之间相似度度量的方法，包括以下步骤：

(1)分别将待度量的音频片断分割为多个音质相似的音频单元；其中音频单元是一系列音质相似的音频帧；

(2)计算上述两个音频片断中任意两个音频单元之间的相似度；

(3)把两个音频片断的相似度度量建模为一个带权二分图；

(4)运用最优匹配度量两个音频片断之间的相似度；

(5)采用以下公式计算两个音频片断之间的相似度：

SimOM(X,Y)=Σωijmax(p,q)]]>

∑ω_ij表示两个音频片断最优匹配取得的最大相似度，p和q分别表示两个音频片断X和Y的音频单元数目。

更进一步，运用贝叶斯信息标准(Bayesian Information Criterion，BIC)，将待度量的音频片断分割为多个音质相似的音频单元。

更进一步，使用如下公式计算两个音频单元的相似度：

Sim(s_i，s_j)＝exp(-Distan(s_i，s_j)/2)