一种基于音频分割的音频分类算法

• 作者: 杨贵安 邵玉斌 龙华 杜庆治
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: 音频分类 音频特征 音频分割 幅度的峰态系数 平均基频
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 信息处理与传输
• 页码范围: 317-322
• 页数: 6页
• 分类号: TP39
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2021.02.008

摘要

为解决单一语音、音乐音频及其两者的混合音频进行语音/音乐分类时分类结果不准确的问题,提出一种基于音频分割的音频分类算法.利用能熵比特征进行音频分割,分割出的音乐段较为准确,而利用幅度均方根特征进行音频分割,分割出的语音段较为准确,避免了对语音段的过度分割.将两种分割方法分割所得音频段的起点和终点升序排列并两两组合形成新的音频段作为音频分割结果,音频分割结果中的每一个音频段即一种类型的音频.对音频分割结果中的每一个音频段提取幅度的峰态系数和平均基频两个特征,并利用高斯混合模型作为后端分类器进行分类.最后为了消除过分割现象,将同类型的相邻音频段合并便得到最终分类结果.实验结果表明,所提出的算法对混合音频具有很高的分割准确率,达到98.24％,对单一音频和混合音频仅提取二维特征便得到较高的分类准确率,分别达到98％和98.61％,与同类算法相比较分类准确率平均提高3.80％.