基于支持向量机模型的环境音分类研究

摘要：

音频分类是提取音频结构和内容语义的重要手段,是基于内容的音频、视频检索和分析的基础.支持向量机(SVM)是一种有效的统计学习方法.本文提出了一种基于SVM的音频分类算法.将环境音分为6类:车鸣声,钟声,风声,冰块声,机床声和雨声.特征抽取是音频分类的基础.本文从帧层次上深入分析了不同类音频之间的区别性特征,包括频域能量,子带能量,过零率,频率中心,带宽,基音频率及MFCC(Mel-Frequency Cepstral Coefficients).实验结果表明,支持向量机模型的环境音分类性能较好,最优分类精度达到97.73%.

关键词：环境音分类、支持向量机、MFCC

所属期刊栏目：31

分类号：TN912.3

在线出版日期：2008-12-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：121-123,132