基于隐马尔科夫模型及反向传播神经网络的音效素材分类

论文摘要

随着多媒体技术发展和计算机运算效率提高,多媒体信息数据呈现快速增长的趋势。目前在国内广播电影电视行业的音效剪辑仅依靠人工听辨音效素材,由于素材声源混杂,且具有丰富语义及听觉特性,要从海量的音效素材中找到目标文件耗时且低效,因此迫切需要一个音效素材自动分类系统。本研究首次在广播电影电视行业内部应用机器学习方法对音效素材的自动分类进行探索,通过对音效素材提取特征参数建立标准数据集,采用不同的算法对于数据集学习训练并建立了基于反向传播神经网络的音效分类原型系统。研究核心为音频数据的相似度匹配算法以及音频数据的标注处理。主要工作及研究成果如下:1、实验对4074个音频文件分别提取了短时能量、短时平均过零率以及梅尔频率倒谱系数及其差分这三类特征参数,根据不同类型算法建立了相应标准数据样本集。2、分别构建隐马尔科夫模型和反向传播神经网络模型对样本进行训练识别得到分类准确率并分别测试模型的性能;对两种算法及相关研究从算法结构、训练时间和识别率进行扩展讨论。结果表明:对于含有复杂声音来源且有较多易混淆元素的音效素材进行分类,反向传播神经网络训练方法更易实现效果,平均识别率接近90%左右。3、建立基于反向传播神经网络的音效分类原型系统,以便于今后音频工作者使用。

论文目录

摘要

Abstract

第一章绪论

1.1 问题的提出

1.2 国内外声音分类研究背景

1.2.1 国内外应用现状

1.2.2 国内外研究现状

1.3 本文设想与主要工作

1.4 本章小结

第二章声音音效的数据处理

2.1 声音信号的预处理

2.2 声音的短时时域处理

2.2.1 短时能量

2.2.2 短时平均过零率

2.3 MEL频率倒谱系数—MFCC

2.3.1 人耳听觉机理

2.3.2 Mel频率倒谱系数分析

2.3.3 Mel频率倒谱系数的提取过程

2.3.4 梅尔倒谱参数的衍生特征参数

2.4 实验音效素材选取及处理

2.5 本章小结

第三章基于隐马尔科夫模型的音效识别

3.1 马尔科夫模型概述

3.2 隐马尔科夫模型主要参数

3.3 隐马尔科夫模型的三个问题

3.3.1 概率计算问题——前向算法和后向算法

3.3.2 参数估计问题—Baum-Welch算法

3.3.3 解码问题—Viterbi算法

3.4 基于隐马尔科夫模型的音效素材训练

3.4.1 实验数据样本预处理

3.4.2 隐马尔科夫模型的训练模型

3.4.3 隐马尔科夫模型的分类识别结果及讨论

3.5 本章小结

第四章基于反向传播神经网络的音效识别

4.1 神经网络研究的基础

4.1.1 人工神经网络的基本概念和特性

4.1.2 单个神经元的工作过程

4.1.3 基本神经元间的互连

4.1.4 神经网络的相关学习法

4.2 BP神经网络原理

4.2.1 BP神经网络的结构

4.2.2 权重及偏置值的更新

4.2.3 迭代算法的收敛性

4.3 基于BP神经网络的音效特征参数训练

4.3.1 音效素材特征参数提取及合并

4.3.2 数据样本的分类标识

4.3.3 数据集的切分及归一化

4.3.4 BP神经网络模型构建及训练

4.3.5 BP神经网络验证测试

4.4 测试训练模型的性能

4.5 本章小结

第五章隐马尔科夫模型和BP神经网络分析对比

5.1 实验结果分析对比

5.2 实验算法分析对比

5.3 相关实验研究分析

5.4 本章小结

第六章基于BP神经网络的音效分类原型系统

6.1 原型系统总体架构

6.2 音效检索子系统

6.3 音频管理子系统

6.4 系统维护子系统

6.5 本章小节

总结

展望

参考文献

攻读硕士学位期间取得的研究成果

致谢

附件

文章来源

类型: 硕士论文

作者: 张辛宬

导师: 陈百基

关键词: 音效特征参数,梅尔频率倒谱系数,隐马尔科夫模型,反向传播神经网络,识别率

来源: 华南理工大学

年度: 2019

分类: 基础科学,信息科技

专业: 数学,计算机软件及计算机应用,自动化技术

单位: 华南理工大学

分类号: TP37;TP183;O211.62

DOI: 10.27151/d.cnki.ghnlu.2019.000415

总页数: 101

文件大小: 9272K

下载量: 88

基于隐马尔科夫模型及反向传播神经网络的音效素材分类

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢