音频信息检索理论与技术

前言第一部分　音频信息检索的发展与理论基础　第1章　绪论　　1.1信息检索技术的分类及进展　　1.1.1概述　　1.1.2文本信息检索　　1.1.3多媒体信息检索　　1.2音频信息检索技术的发展　　1.2.1语音文档检索　　1.2.2说话人检索　　1.2.3音乐检索　　1.3音频信息检索的应用　　1.4本书的构成　　参考文献　第2章　音频信息检索的基础　　2.1人类对音频信息的认知机理　　2.1.1听觉的生理基础　　2.1.2听觉的感知机制　　2.1.3听觉特性　　.2.2音频信号数字处理及特征表示　　2.2.1信号的统计特征　　2.2.2感知特征　　2.3音频信息检索框架及模型　　2.4音频信息检索的评价　　参考文献第二部分　表示级的音频检索　第3章　基于直接匹配的音频样例检索方法　　3.1基于分段的实时检索方法　　3.1.1片段划分　　3.1.2基于检索窗的检索控制　　3.1.3基于分段的检索方法　　3.1.4快速分段检索方法　　3.2mpeg—1压缩域模糊分类的检索方法　　3.2.1mpeg音频编码简介　　3.2.2mpeg—1压域特征选择和提取　　3.2.3基于h怦eg—1压缩域模糊分类的检索方法　　参考文献　第4章　基于索引的音频样例检索方法　　4.1局部敏感哈希索引方法　　4.1.1局部敏感哈希　　4.1.2少稳定分布局部敏感哈希　　4.1.3少稳定分布局部敏感哈希音频索引方法　　4.2基于局部敏感哈希倒排索引的检索方法　　4.2.1基于局部敏感哈希的倒排索引构造　　4.2.2基于局部敏感哈希倒排索引的搜索　　4.3基于树与链表混合索引的检索方法　　4.3.1模糊直方图模型　4.3.2树与链表混合索引构造　　4.3.3基于树与链表混合索引的搜索　　4.3.4时间复杂度分析　　参考文献　第5章　基于cpu通用计算的快速音频样例检索方法　　5.1通用图形处理器与统一计算设备框架　　5.1.1通用图形处理器　　5.1.2统一计算设备框架　　5.2检索算法gpu加速的可行性分析　　5.2.1检索算法可移植性分析　　5.2.2检索算法计算特点分析　　5.3检索算法gpu加速的实现　　5.3.1以线程为粒度的算法实现　　5.3.2以线程块为粒度的算法实现　　5.3.3加速效果比较　　参考文献第三部分　语义级语音文档检索　第6章　语音文档检索的预处理技术　　6.1语音文档检索系统的组成　　6.2检索系统中的预处理技术　　6.2.1连续语音识别　　6.2.2关键词检出　　6.3语音文档检索的评价指标　　参考文献　第7章　语音文档检索的索引和搜索技术　　7.1基于关键词检出的检索方法　　7.2基于语音识别器最优候选的检索方法　　7.2.1基于大词表连续语音识别器最优候选的检索方法　　7.2.2基于子词识别器最优候选的检索方法　　7.3基于音节网格搜索的检索方法　　7.3.1音节网格的若干定义及性质　　7.3.2基于音节网格搜索的检索方法　　7.3.3索引去冗余方法　　7.3.4检索性能分析　　7.4基于音节倒排索引的检索方法　　7.4.1倒排索引结构　　7.4.2采用时间匹配机制的检索方法　　7.4.3采用位置匹配机制的检索方法　　7.4.4检索性能分析　　7.5基于后验概率邻接音节矩阵的检索方法　　7.5.1语音文档的表示　　7.5.2网格的邻接音节后概率矩阵　　7.5.3语音文档的邻接音节后验概率矩阵　　7.5.4检索方法描述　　7.5.5基于韵律加权的索引修正　　7.5.6检索性能分析　　参考文献　第8章　语音文档检索中的容错技术　　8.1基于模糊匹配策略的容错方法　　8.2基于融合策略的容错方法　　8.2.1索引层面的融合　　8.2.2分数层面的融合　　8.3基于扩充网格的容错方法　　8.3.1算法的基本思想　　8.3.2基于局部路径的简化计算　　8.3.3基于扩充网格的检索精度提高方法　8.3.4检索性能分析　　8.4基于词片语言模型的容错方法　　8.4.1词片　　8.4.2基于互信息的词片选择算法　　8.4.3基于词片的语言模型　　8.4.4采用词片识别器的检索方法　　参考文献第四部分　语义级的说话人检索　第9章　说话人检索　　9.1说话人分割　　9.2检索中的说话人识别技术　　9.2.1基于gmm的识别方法　　9.2.2基于gmm—ubm的识别方法　　9.3直接利用说话人识别实现的检索技术　　9.3.1极低错误接受率的实现　　9.3.2训语料不充分问题的解决　　9.4间接利用说话人识别实现的检索技术　　9.4.1锚模型索引方法　　9.4.2gmm模型索引方法　　参考文献第五部分　语义级的音乐检　第10章　音乐自动标注　　10.1音乐声学基础　　10.1.1乐音的感知　　10.1.2音程、音律、音名与音高标准　　10.1.3音乐的要素　　10.2音乐自动标注方法及存在的问题　　10.3基于谐波结构信息的音乐标注　　10.3.1基于bp神经网络的起始点检测　　10.3.2基于谐波结构信息的多基频估计法　　10.4基于半音域频率系数的歌曲旋律提取　　10.4.1半音域频率系数　　10.4.2基于viterbi方法的旋律提取　　参考文献　第11章　音乐检索　　11.1哼唱检索　　11.1.1基于规则的哼唱旋律提取　　11.1.2乐曲库的索引方法　　11.1.3旋律匹配　　11.2拍打检索　　11.2.1特征提取　　11.2.2基于drw的匹配计算　　11.3基于色度图的复调音乐检索　　11.3.1色度　　11.3.2色度图　　11.3.3离散色度图和色度特征　　11.3.4基于色度的相关计算与检索参考文献

　　本书系统地介绍音频信息检索研究的相关理论、技术与方法，以及该学科领域的最新进展。内容包括音频信息检索的基本理论、表示级和语义级的音频信息检索技术等。在表示级的检索中，重点介绍基于直接特征匹配的音频样例检索方法，内容涉及基于分段的实时检索、基于索引的检索，以及基于硬件实现的快速检索。在语义级的检索中，分别介绍语音文档检索、说话人检索、音乐检索等内容。针对语音文档检索，介绍直接利用语音识别最优候选结果的索、基于音节网格搜索的检索、基于音节倒排索引的检索、基于后验概率邻接音节矩阵的检索，以及语音文档检索中的容错技术。针对说话人检索，介绍直接利用说话人识别进行检索的方法，以及基于说话人索引的间接检索方法。针对音乐检索，介绍音乐语义信息获取方法——音乐自动标注，以及哼唱检索、拍打检索、基于节拍谱的检索等方法。　　本书可作为高等院校计算机应用、信号与信息处理、通信与电子系统等专业及学科的研究生教材，也可供该领域的科研及工程技术人员参考。