基于MFCC和CNN的音频相似度判别研究

• 作者: 刘树林 杨洪柏 聂昂 肖青峰
• 来源期刊: 机械制造
• 学科: 工学
• 关键词: 音频 相似度 梅尔频率倒谱因数 卷积神经网络
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 慧眼聚焦
• 页码范围: 7-10
• 页数: 4页
• 分类号: TH165+.2|TN912.34
• 字数: 3015字
• 语种: 中文

摘要

音频信号特征提取和特征匹配是音频相似度判别的关键,提出基于梅尔频率倒谱因数(MFCC)和卷积神经网络(CNN)对音频相似度进行判别的方法.在判别时,利用MFCC对两段音频信号进行特征提取,然后计算这两段音频信号的特征距离矩阵.将特征距离矩阵输入CNN,进行特征匹配,计算得到音频相似度.试验结果表明,基于MFCC和CNN可以准确地对两段音频的相似度进行判别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨洪柏	上海大学机电工程与自动化学院	23	59	4.0	7.0
3	刘树林	上海大学机电工程与自动化学院	54	297	9.0	14.0
4	肖青峰	上海大学机电工程与自动化学院	8	69	3.0	8.0
7	聂昂	上海大学机电工程与自动化学院	2	2	1.0	1.0