广播语音的音频分割

摘要：

本文的广播电视新闻的分割系统分为三部分:分割、分类和聚类.分割部分是采用本文提出的基于检测熵变化趋势的分割算法来检测连续语音音频信号的声学特征跳变点,从而实现不同性质的音频信号的分割.这种检测方法不同于传统的需要门限的跳变点检测方法,它是以检测一定窗长的信号内部的每一个可能的分割点所分割的两段信号的信号熵的变化趋势来检测音频信号声学特征跳变点的,可以避免由于门限的选择不当所带来的分割错误.分类部分是采用传统的基于高斯混合模型(GMM)的高斯分类器进行分类,聚类部分采用基于矢量量化(VQ)的说话人聚类算法进行说话人聚类.应用此系统分割三段30分钟的新闻,成功的实现了连续音频信号的分割,去除掉了所有的背景音乐,以较高的精度把属于同一个人的说话语音划归为一类,为广播语音的分类识别打下了良好的基础.

关键词：广播语音的音频分割、声学特征跳变点检测、基于BIC准则的声学特征跳变点检测、熵变化趋势

所属期刊栏目：16

分类号：TP391.42(计算技术、计算机技术)

资助基金：国家自然科学基金69835003;国家重点基础研究发展计划973计划G1998030504

在线出版日期：2004-03-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：37-42