静音掩蔽和频域分段的音频指纹检索算法

作者：陈树丽; 张学帅; 张鹏远; 刘建

来源：声学学报(中文版), 2022, 47(04): 531-540.

DOI：10.15949/j.cnki.0371-0025.2022.04.011

• 音频指纹检索
• 召回率
• 平均准确率
• 指纹特征
• 音频检索

为解决背景音及噪音等条件下音频检索识别率低的问题,提出静音掩蔽和频域分段的音频指纹检索算法。首先采用端点检测技术进行语音预处理,将有效语音帧重新组合并利用相邻子带能量差对其提取指纹特征,可有效解决静音帧指纹特征不鲁棒的问题。然后在检索匹配时根据不同音频信号在频域范围内的分布特点,对音频指纹在不同频率区间进行分段和加权,以更精确地计算模板和待检音频之间的相似度。实验表明,与Philips基线算法相比,所提算法在检索速度上提升了一倍,在受背景音等干扰的数据集上,平均准确率与召回率分别绝对提升17.94%和4.66%;与最新Philips算法相比,平均准确率与召回率分别绝对提升13.68%和2.45%。

• 单位
  中国科学院大学; 中国科学院声学研究所