隨著多媒體和互聯(lián)網(wǎng)技術(shù)的不斷進(jìn)步與發(fā)展,音頻信號(hào)作為多媒體信號(hào)的重要組成成分,對(duì)其進(jìn)行信息處理與挖掘受到越來(lái)越多研究者的青睞,而處理這些音頻信號(hào)的方法也多種多樣。網(wǎng)絡(luò)的普及使我們?cè)诖罅恳纛l信息中選取有用信息時(shí),可以將那些無(wú)用的以及影響研究者完成音頻分類的信息革除,這樣不僅節(jié)省了人力資源,還可以更加有效便捷的提取有用信息而屏蔽多余的信息。因此在這個(gè)信息雜糅的時(shí)代,音頻分類技術(shù)大有可為。在人工智能及大數(shù)據(jù)分析的背景下,圖像音頻等領(lǐng)域展現(xiàn)出了較為光明的前景,而音頻場(chǎng)景分類逐漸成為廣大研究者們所鐘愛(ài)的方向。音頻場(chǎng)景分類是通過(guò)音頻標(biāo)簽信息進(jìn)行分析。給出音頻場(chǎng)景,其中包含各種各樣的音頻信號(hào),相較于之前的單一的攝像頭進(jìn)行場(chǎng)景分類,利用音頻技術(shù)不需要考慮大霧大雨這樣惡劣的天氣因素,且利用音頻技術(shù)采集的過(guò)程中也不會(huì)存在視頻監(jiān)控那樣的死角問(wèn)題。音頻分類只需要一個(gè)采集聲音的設(shè)備和一個(gè)接收的設(shè)備,視頻監(jiān)控如果能結(jié)合音頻技術(shù)使得我們?cè)诮窈蟮纳a(chǎn)生活有一定的積極影響,使得我們會(huì)在場(chǎng)景分類這一領(lǐng)域有更加廣闊的發(fā)展空間。本課題面對(duì)一系列的分類問(wèn)題,利用張量分析構(gòu)建音頻張量,之后再進(jìn)行張量分解,這樣就能得到魯棒性較強(qiáng)的... 

【文章頁(yè)數(shù)】：48 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀和進(jìn)展分析
        1.2.1 研究現(xiàn)狀
        1.2.2 應(yīng)用進(jìn)展
    1.3 論文的主要內(nèi)容
    1.4 論文組織結(jié)構(gòu)
2 音頻場(chǎng)景分類系統(tǒng)介紹
    2.1 音頻系統(tǒng)結(jié)構(gòu)簡(jiǎn)介
    2.2 音頻分類相關(guān)內(nèi)容
        2.2.1 應(yīng)用場(chǎng)景及優(yōu)勢(shì)
        2.2.2 特征提取
        2.2.3 分類器的訓(xùn)練
    2.3 SVM模型
        2.3.1 SVM二分類問(wèn)題
        2.3.2 SVM多分類問(wèn)題
    2.4 本章小結(jié)
3 音頻信號(hào)特征提取
    3.1 音頻特征
        3.1.1 時(shí)域特征
        3.1.2 頻域特征
        3.1.3 時(shí)頻域特征
        3.1.4 倒譜特征
    3.2 常用的音頻特征提取
        3.2.1 分類常用特征介紹
        3.2.2 MFCC特征提取的流程
    3.3 本章小結(jié)
4 張量的相關(guān)原理
    4.1 張量的概念
    4.2 張量的相關(guān)運(yùn)算
        4.2.1 張量的纖維束與切片
        4.2.2 張量的矩陣化
        4.2.3 張量間的運(yùn)算
    4.3 張量分解
        4.3.1 張量的CP分解
        4.3.2 Tucker分解
    4.4 本章小節(jié)
5 實(shí)驗(yàn)及結(jié)果分析
    5.1 實(shí)驗(yàn)流程設(shè)計(jì)
        5.1.1 音頻數(shù)據(jù)集
        5.1.2 實(shí)驗(yàn)環(huán)境及配置
        5.1.3 實(shí)驗(yàn)設(shè)計(jì)
    5.2 實(shí)驗(yàn)結(jié)果分析
    5.3 本章小結(jié)
結(jié)論
參考文獻(xiàn)
在學(xué)研究成果
致謝



本文編號(hào)：3728357