[发明专利]一种基于相似度的音频拷贝检测的方法

权利要求书

1.一种基于相似度的音频拷贝检测方法，其特征在于具体步骤如下：

1)首先建立一个关于参考音频信号的数据库，在入库之前对这些信号做分割处理，使之等长；所述数据库中的参考音频信号为非法或不良信息；

2) 对于音频信号，包括一个音频文件或者一段音频流，根据已建好的参考音频数据库，进行拷贝检测，即依次进行特征提取、直方图生成、相似度计算；再用并行算法判断输入音频信号是否有包含数据库中参考音频的拷贝，从而得出输出结果，即该音频是否包含非法或不良信息；其中：

所述特征提取，是从参考信号和输入信号提取特征向量，得到参考特征向量和输入特征向量序列；

所述直方图生成，分两个步骤，一是LBG聚类算法，二是直方图的生成；直方图的生成利用线下聚类得到的码本，码本的生成是通过LBG聚类算法得到，用直方窗从参考特征向量和输入特征向量序列中分别取出部分特征向量，生成参考直方图和输入直方图；

所述用并行算法判断，若相似度超过阈值，则认为两者相似，相似的位置需要对当前输入信号上的位置做些调整；若相似度不超过阈值，则仍需移动一定步长继续匹配；同时进行并行计算，并行计算多个参考信号；在一次遍历过程中判断该段音频是否包含这几个参考信号的拷贝。

2.根据权利要求1所述的基于相似度的音频拷贝检测方法，其特征在于所述特征为：Mel频率倒谱系数，简记为MFCC，MFCC提取的计算过程如下：

1)将信号进行分帧，预加重和加汉明明窗处理，然后进行傅里叶变换，得到其频谱；

2)求出频谱平方，即能量谱，并用M个Mel带通滤波器进行滤波；由于每一个频带中分量的作用在人耳中是叠加的，因此将每个滤波器频带内的能量进行叠加，这时第k个滤波器输出功率谱                                                ； 

3)将每个滤波器的输出取对数，得到相应频带的对数功率谱；并进行反离散余弦变换，得到L个MFCC系数，L取12~16个；MFCC系数为：

           (1)

4)将这种直接得到的MFCC特征作为静态特征，再将这种静态特征加入它的一阶和二阶差分，得到相应的动态特征，即本系统中所使用的音频特征；

如上步骤，从一段原始语音中提取出MFCC特征作为后续说话人模型训练与识别的基本特征，其作法是在原有13维基本MFCC特征的后面加入13维的一阶和二阶差分构成39维的特征，通过一个长度为5的窗函数来求差分，公式如下：

              (2 )

           (3)

其中， 代表第i个MFCC特征，W=2，W用来确定窗口的大小 ，这里就是通过一个宽度为5帧的窗函数来求差分。