基于内容的音频指纹提取技术研究

论文摘要

由于海量存储技术与计算机网络技术的高速发展，互联网每天都更新海量的音频信息，使得如何从海量音频信息中检索到所需信息成为亟需解决的问题，从而促成了音频指纹技术的产生。目前音频指纹技术还处于探索研究过程中，很多技术还不够成熟，已有算法都有各自的缺点，一般存在着特征反映不全面、抗线性速度变化攻击的鲁棒性差和指纹尺寸过大等问题。弥补这些缺陷将会提高算法的识别率和对比效率，从而在实际应用中具有重要意义。针对基于内容的音频指纹提取技术，本文从时域特征、频域特征和时频域特征三个方面，研究了国内外多种音频指纹算法，提出了一种改进的MFCC算法和一种基于db4小波统计特性的指纹算法。其中，本文提出的改进MFCC算法改善了MFCC算法对中高频特征不敏感以及缺乏动态特征的缺陷；而本文提出的基于db4小波统计特性的指纹算法，改善了一般算法抗线性速度变化攻击鲁棒性较弱的缺陷，并减少了指纹存储空间。实验表明，本文提出的改进MFCC算法在各种攻击处理下表现出比传统MFCC算法更好的鲁棒性和更高的识别率；本文提出的基于db4小波统计特性的音频指纹算法，不仅对常见的保留信号内容的攻击处理及加性高斯白噪声具有很好的鲁棒性，而且对线性速度变化攻击也具有良好的鲁棒性，另外，其生成的指纹尺寸也比较小。在后续的研究工作中，还需要对指纹尺寸的改善和抗某些攻击的鲁棒性深入研究，从而提高算法效率和得到更高的识别率。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 音频指纹技术的研究现状
• 1.3 本文工作及论文结构
• 第二章 音频特征提取基础
• 2.1 声学基础与人类听觉感知
• 2.1.1 声音基础
• 2.1.2 声音的感知
• 2.2 音频处理技术与特征分析
• 2.2.1 短时加窗处理
• 2.2.2 时域分析
• 2.2.3 频域分析
• 2.2.4 时频域分析
• 2.3 小结
• 第三章 基于短时傅里叶变换的音频指纹算法
• 3.1 常见的基于短时傅里叶变换的音频指纹算法
• 3.1.1 Philips 音频指纹算法
• 3.1.2 NSSC 音频指纹算法
• 3.1.3 MFCC 音频指纹算法
• 3.2 MFCC 音频指纹算法的改进
• 3.3 算法仿真
• 3.3.1 误码率（BER）分析
• 3.3.2 鲁棒性分析
• 3.4 小结
• 第四章 基于 db4 小波统计特性的音频指纹算法
• 4.1 小波变换
• 4.1.1 常用小波函数
• 4.1.2 连续小波变换
• 4.1.3 离散小波变换
• 4.1.4 多分辨率分析及小波分解
• 4.2 基于 db4 小波统计特性的指纹算法
• 4.3 算法仿真
• 4.3.1 误码率（BER）分析
• 4.3.2 鲁棒性分析
• 4.4 小结
• 第五章 结束语
• 5.1 总结
• 5.2 展望
• 致谢
• 参考文献
• 研究成果