[发明专利]一种基于词汇树的音频片段检索算法

权利要求书

1.一种基于词汇树的音频片段检索方法，其特征在于步骤如下：

(1)采用一定量的MFCC Peaks特征，使用k-means的聚类方法训练出一棵词汇树，词汇树是层次化的树，每一层表现为子节点是父节点数据的k个分类，词汇树的每个叶子节点被记为一个单词；

(2)在插入数据的时候，首先提取出MFCC Peaks特征，使用词汇树将特征变成单词，将单词按照文本检索的方法存储，同时还需要提取旋律线的特征，用字符串的形式存储在数据库中，这是一个离线的过程；

(3)在获得一个查询片段的时候，首先从片段提取MFCC Peaks特征，使用相同的词汇树将特征变成单词，使用文件检索中的计算得分的方式计算库中音频的得分，根据得分的大小排序，获得前5个结果，同时需要对检索的片段提取出旋律线，在前面获得的前5个结果中，进一步用旋律线进行字符串的相似匹配，根据这个得分重新对这5个结果进行排序。

2.根据权利要求1所述的一种基于词汇树的音频片段检索方法，其特征在于：其中步骤(1)又进一步包括：对MFCC Peaks特征定义为在MFCC上面的包含峰值点的向量，具体提取步骤包括：

(a)首先提取音频文件的MFCC特征；

(b)在MFCC维度和时间的二维图上，以某个点为中心的一个大小为P的范围内，如果没有一个点的值大于这个点，这个点就认为是峰值点；MFCC Peaks特征指的是包含这样的峰值点的一个MFCC向量。

3.根据权利要求1所述的一种基于词汇树的音频片段检索方法，其特征在于：其中所述步骤(1)中还包括词汇树的构建：

(a)构建词汇树：首先将所有训练数据划分成K类，记下每类的中心点，然后把每类的数据再划分成K类，记下每类的中心点，依次递归，构造成一棵L层的树，并给树的每个叶子节点赋值一个单词；

所述步骤(3)中还包括词汇树的使用：

(a)使用词汇树：当有一个特征需要转化为单词时，首先与树的根节点所记下的中心点比较，找到距离最近的点，移动到对应的子节点；直到遇到叶子节点为止，当前叶子节点的单词就是这个特征所量化的单词。