[发明专利]一种基于词汇树的音频片段检索算法

摘要

一种基于词汇树的音频片段检索算法：(1)通过聚类的方法训练一个层次化的用于量化特征的词汇树；(2)从音频文件提取MFCC Peaks特征，通过词汇树量化成单词；(3)将单词以文本检索的倒排文件索引的方式存储和索引；(4)在得到最匹配的结果数据集后用旋律线匹配的方式调整顺序提高排名第一的结果的准确率。本发明提出一种新的音频特征MFCC Peaks，并根据该特征的特点设计了一套基于词汇树的检索方案，本方法具有检索效率高和准确率高的特点。

主权项

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。