專利名稱：：應(yīng)用數(shù)字音頻特征集分類音頻的系統(tǒng)及其方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種分類音頻的系統(tǒng)及其方法，特別是涉及一種應(yīng)用數(shù)字音頻特征集分類音頻的系統(tǒng)及其方法。
背景技術(shù)：
：數(shù)字信息時代中，音頻數(shù)據(jù)的處理已變成現(xiàn)代計算機應(yīng)用極重要的一部分。一個典型的多媒體數(shù)據(jù)庫通常儲存數(shù)以百萬計的音頻段(AudioClips),包括環(huán)境聲響、機器噪音、動物叫聲、音樂、語音，及其他非語音的語調(diào)等各種音頻類別。因此，自動分類不同音頻類別的大量音頻也就成為重要的研究議題，尤其是針對分類音頻中的音樂及非音樂，因為具有多方面的加值應(yīng)用，因此更受到關(guān)注。例如，一個音樂節(jié)目或一場演唱會的音頻文件可能同時包含非音樂(如語音)和音樂穿插的片段，為了能不受打擾地享用喜愛的音樂，可以利用自動分類技術(shù)將喜愛的音樂從音頻中分離出來并另外搜集儲存。一般來說，音頻分類的方法有二步驟首先，將所述音頻利用特征抽取技術(shù)分為一小型的參數(shù)集合；接著，將分類演算法，例如從簡單的歐幾里得距離方法(EuclideanDistanceMethods)至細致的統(tǒng)計技術(shù)，運作于這些參數(shù)上。要得到良好的分類品質(zhì)，必須取得適當(dāng)?shù)囊纛l特征，且準(zhǔn)確地將每一種特征的集合對應(yīng)于它所應(yīng)該對應(yīng)的音頻類別里。因此，為達到良好的分類精準(zhǔn)度，并從音頻中更準(zhǔn)確地分類出音樂及非音樂，有必要尋求正確可靠的音頻分類方法。
發(fā)明內(nèi)容本發(fā)明的目的在于提供一種可以準(zhǔn)確地分類音頻中的音樂與非音樂的方法。于是，本發(fā)明應(yīng)用數(shù)字音頻特征集分類音頻的方法是包含下列步驟(a)將該音頻譯碼為一無編碼音頻。(b)將該無編碼音頻區(qū)分為多個音頻片段，并以一數(shù)字音頻特征集將每一音頻片段進行特征抽取。每一音頻片段各具有多個幀，且針對每一音頻片段，形成一特征向量的過程，包括計算該音頻片段中所有幀的過零次數(shù)的一變異數(shù)、計算該音頻片段中所有幀的過零次數(shù)的一第三階扭矩、計算該音頻片段中所有幀的過零次數(shù)的一平均值，再分別計算出所述幀中過零次數(shù)大于以及小于等于該平均值的幀數(shù)、計算該音頻片段中所有幀的歸一化能量的一標(biāo)準(zhǔn)差、取出該音頻片段中所有幀的歸一化能量的最小值、計算該音頻片段中所有幀的歸一化能量中最大值及最小值的差值、將該音頻片段中所有幀由時間域轉(zhuǎn)換為頻率域后，計算所有幀的其中四頻段的對數(shù)能量的一平均值、計算所有幀的其中四頻段的對數(shù)能量的一標(biāo)準(zhǔn)差，及分別計算除第一個幀外的每一幀與其前一相鄰幀的歸一化能量差。(c)若其中一音頻片段特征抽取的結(jié)果符合一所欲搜集的音頻類別，則將該其中一音頻片段分類為一特征音頻片段。(d)將連續(xù)出現(xiàn)的所述特征音頻片段組合為一目標(biāo)音頻。本發(fā)明所述的應(yīng)用數(shù)字音頻特征集分類音頻的方法，在該(b)步驟中，每一音頻片段的長度為1至2秒。本發(fā)明所述的應(yīng)用數(shù)字音頻特征集分類音頻的方法，在該(b)步驟中，每一音頻片段的所述幀為150個。本發(fā)明所述的應(yīng)用數(shù)字音頻特征集分類音頻的方法，在該(b)步驟中，每一幀的一采樣數(shù)為512,且每一幀的采樣頻率為48KHz。本發(fā)明所述的應(yīng)用數(shù)字音頻特征集分類音頻的方法，在該(b)步驟中，該歸一化能量=(所述采樣的平方總和/65535的平方)/512。本發(fā)明所述的應(yīng)用數(shù)字音頻特征集分類音頻的方法，在該(b)步驟中，每一幀以長度為所述每一幀的一采樣數(shù)的漢明窗相乘，再將所述幀進行快速傅立葉轉(zhuǎn)換，以將時間域轉(zhuǎn)換為頻率域。本發(fā)明所述的應(yīng)用數(shù)字音頻特征集分類音頻的方法，在(c)步驟中，是以一支援向量機進行分類。本發(fā)明的另一目的在于提供一種應(yīng)用數(shù)字音頻特征集分類音頻的系統(tǒng)。于是，該應(yīng)用數(shù)字音頻特征集分類音頻的系統(tǒng)包含一譯碼模塊、一數(shù)字特征轉(zhuǎn)換模塊、一數(shù)字特征分類模塊，及一完整音頻確認模塊。該譯碼模塊用以將音頻譯碼為一無編碼音頻。該數(shù)字特征轉(zhuǎn)換模塊用以將該譯碼模塊產(chǎn)生的無編碼音頻區(qū)分為多個音頻片段，并包括一用以將每一音頻片段進行特征抽取的數(shù)字音頻特征集，每一音頻片段各具有多個幀，且針對每一音頻片段，形成一特征向量的過程包括計算該音頻片段中所有幀的過零次數(shù)的一變異數(shù)、計算該音頻片段中所有幀的過零次數(shù)的一第三階扭矩、計算該音頻片段中所有幀的過零次數(shù)的一平均值，再分別計算出所述幀中過零次數(shù)大于以及小于等于該平均值的幀數(shù)、計算該音頻片段中所有幀的歸一化能量的一標(biāo)準(zhǔn)差、取出該音頻片段中所有幀的歸一化能量的最小值、計算該音頻片段中所有幀的歸一化能量中最大值及最小值的差值、將該音頻片段中所有幀由時間域轉(zhuǎn)換為頻率域后，計算所有幀中之其中四頻段的對數(shù)能量的一平均值、計算所有幀中之其中四頻段的對數(shù)能量的一標(biāo)準(zhǔn)差，及分別計算除第一個幀外的每一幀與其前一相鄰幀的歸一化能量差。該數(shù)字特征分類模塊的作用為若其中一音頻片段特征抽取的結(jié)杲符合一所欲搜集的音頻類別，則該數(shù)字特征分類模塊用以將該其中一音頻片段分類為一特征音頻片段。該完整音頻確認模塊用以將連續(xù)出現(xiàn)的所述特征音頻片段組合成一目標(biāo)音頻。本發(fā)明所述的應(yīng)用數(shù)字音頻特征集分類音頻的系統(tǒng)，每一音頻片段的長度為1至2秒。本發(fā)明所述的應(yīng)用數(shù)字音頻特征集分類音頻的系統(tǒng)，每一音頻片段的所述幀為150個。本發(fā)明所述的應(yīng)用數(shù)字音頻特征集分類音頻的系統(tǒng)，每一幀的一采樣數(shù)為512，且每一幀的采樣頻率為48KHz。本發(fā)明所述的應(yīng)用數(shù)字音頻特征集分類音頻的系統(tǒng)，該歸一化能量=(所述采樣的平方總和/65535的平方)/512。本發(fā)明所述的應(yīng)用數(shù)字音頻特征集分類音頻的系統(tǒng)，每一幀以長度為所述每一幀的一采樣數(shù)的漢明窗相乘，再將所述幀進行快速傅立葉轉(zhuǎn)換，以將時間域轉(zhuǎn)換為頻率域。本發(fā)明所述的應(yīng)用數(shù)字音頻特征集分類音頻的系統(tǒng)，該數(shù)字特征分類模塊包括一支援向量機。本發(fā)明的功效在于，自動從大量播送音頻的公開音頻源中搜集所喜愛類型的音頻，如音樂，收聽者不需費時費心地錄音，便可以擁有一首首完整的音樂。圖l是一方塊圖，說明本發(fā)明的應(yīng)用數(shù)字音頻特征集分類音頻的系統(tǒng)的4交佳實施例；圖2是一流程圖，說明本較佳實施例的實施過程。具體實施例方式下面結(jié)合附圖及實施例對本發(fā)明進行詳細說明。參閱圖1，本發(fā)明一種應(yīng)用數(shù)字音頻特征集分類音頻的系統(tǒng)的較佳實施例包含一譯碼模塊ll、一數(shù)字特征轉(zhuǎn)換模塊12、一數(shù)字特征分類模塊13,及一完整音頻確認模塊14。該譯碼模塊ll用以將一音頻譯碼為一無編碼音頻。數(shù)字音頻為了節(jié)省儲存空間，通常都會壓縮成某種特定格式的音頻檔，常見的如asx、asf、mp3或wmv等音頻才各式，為了后續(xù)處理，在本較佳實施例中，各種不同音頻格式的音頻，皆譯碼為一脈沖碼調(diào)制(PulseCodeModulation,PCM)音頻。該數(shù)字特征轉(zhuǎn)換模塊12用以將該譯碼模塊11產(chǎn)生的無編碼音頻區(qū)分為多個音頻片段(Chunk),在本較佳實施例中，每一音頻片段的時間為1.6秒，每一音頻片段各具有150個幀(Frame),每一幀的采樣數(shù)(Sample)為512,采樣頻率為48KHz。上述的音頻片段時間、幀數(shù)、采樣數(shù)及采樣頻率只為本較佳實施例所揭示的參考值，實際應(yīng)用并不限定于此。該數(shù)字特征轉(zhuǎn)換模塊12包括一具有九個特征(Fl~F9)運算式的數(shù)字音頻特征集121。該數(shù)字特征轉(zhuǎn)換模塊12利用該數(shù)字音頻特征集121針對每一音頻片段計算后，使每一音頻片段形成一具有十五個維度的特征向量。本說明書中稍后將配合圖2詳述該特征向量的九個特征。該數(shù)字特征分類模塊13的作用為，若其中一音頻片段特征抽取的結(jié)果符合一所欲搜集的音頻類別，在本較佳實施例中該音頻類別為音樂，則該數(shù)字特征分類模塊13用以將該其中一音頻片段分類為一特征音頻片段。該數(shù)字特征分類模塊13包括一執(zhí)行分類用的支援向量機(SupportVectorMachine)131，該支援向量機131預(yù)先以多份真實音頻樣本進行訓(xùn)練，以使該支援向量機131根據(jù)由每一音頻片段所形成的特征向量分辨出該音頻片段是否為音樂。特別要說明的是，音樂包括器樂、歌曲與繞舌歌(RAP)等類型，器樂是只有樂器的聲音，歌曲是有人聲及音樂伴奏，繞舌歌則是另一種形式的人聲及音樂伴奏。此外，不屬于音樂的則稱為非音樂，包括人的講話聲加上背景音樂，及人的講話聲，前者通常是廣告或是主持人的講話，后者通常是新聞播報。為確保辨認該特征音頻片段的準(zhǔn)確性，在本較佳實施例中，該完整音頻確認模塊14以該其中一音頻片段為中心，往前取五個音頻片段并往后取五個音頻片段為一窗格(Window)。若在該窗格中的十一個音頻片段中超過半數(shù)為特征音頻片段，則將該窗格中心的音頻片段分類為該特征音頻片段。接著，完整音頻確認模塊14將所述連續(xù)出現(xiàn)的特征音頻片段組合成一目標(biāo)音頻。接著，該完整音頻確認模塊14若判斷該目標(biāo)音頻長于一預(yù)定時間，在本較佳實施例中為100秒，則將該目標(biāo)音頻儲存，其目的在于排除太短的音樂片段，如廣播節(jié)目中常出現(xiàn)的片頭音樂、片尾音樂及串場音樂。參閱圖l、圖2,該較佳實施例的應(yīng)用數(shù)字音頻特征集分類音頻的方法是包含下列步驟。首先，如步驟21所示，將該音頻譯碼為無編碼音頻。接著，如步驟22所示，該步驟22包括所述子步驟220229,該子步驟220將該無編碼音頻區(qū)分為所述音頻片段，每一音頻片段的長度可為1至2秒，且較佳是1.6秒，且每一音頻片段各具有150幀，每一幀的采樣數(shù)為512,采樣頻率為48KHz。本發(fā)明的特征在于，以數(shù)字音頻特征集121的九個特征運算式分別針對每一音頻片段執(zhí)行所述子步驟221229以進行特征抽取，使每一音頻片段形成一具有十五個維度的特征向量。需特別說明的是，所述子步驟221~229執(zhí)行的過程并無順序關(guān)系，可不依下述的次序進行，也可同時進行。所述子步驟221229如下如子步驟221所示，第一特征(Fl)運算式用以計算一過零次數(shù)變異數(shù)(ZeroCrossingRateVariance)。首先，計算該音頻片段中每一幀的過零次數(shù)；接著，統(tǒng)計150個幀的變異數(shù)，再除以512的平方，以歸一化(Normalize)至(-1,1)間。如子步驟222所示，第二特征(F2)運算式用以計算一過零次數(shù)的第三階扭矩(Third-OrderMoment)。首先，計算該音頻片段中每一幀的過零次數(shù)；接著，統(tǒng)計150個幀的第三階扭矩，再除以512的立方，以歸一化至(-l，l)間。如子步驟223所示，第三特征(F3)運算式用以計算一過零次數(shù)分布。首先，計算該音頻片段中150個幀的過零次數(shù)的一平均值；接著，分別計算出所述幀中過零次數(shù)大于以及小于等于該平均值的二幀數(shù)；接著，將過零次數(shù)大于該平均值的幀數(shù)減去過零次數(shù)小于等于該平均值的幀數(shù)，再除以150,以歸一化至(-1，1)間。如子步驟224所示，第四特征(F4)運算式用以計算一歸一化能量標(biāo)準(zhǔn)差。首先，計算該音頻片段中150個幀的歸一化能量，該歸一化能量等于所述采樣的平方總和除以65535的平方再除以512;接著，取該歸一化能量的標(biāo)準(zhǔn)差。如子步驟225所示，第五特征(F5)運算式用以計算一歸一化能量最小值，也就是取出該音頻片段中150個幀的歸一化能量的最小值。該歸一化能量與該第四特征運算式所述的歸一化能量相同。如子步驟226所示，第六特征(F6)運算式用以計算一歸一化能量的差值。首先，分別計算該音頻片段中150幀的歸一化能量中的最大值及最小值；然后，計算最大值和最小值的差值。該歸一化能量與該第四特征運算式所述的歸一化能量相同。如子步驟227所示，第七特征(F7)運算式用以計算四頻段(Subband)的對數(shù)負^量(LogEnergy)平均值。首先，將該音頻片段中所有幀以長度為512的漢明窗(Hamming-Window)相乘；接著，將所述幀進行快速傅立葉轉(zhuǎn)換(FastFourierTransformation),以將時間域轉(zhuǎn)換為頻率域；接著，耳又0至255的快速傅立葉系數(shù)；接著，先取絕對值，再加l,再取對數(shù)；接著，以每個點除以256個點的和進行歸一化；最后，取出其中四頻段的對數(shù)能量。第一頻段為第1至25系數(shù)的和、第二頻段為第26至50系數(shù)的和、第三頻段為第51至75系數(shù)的和、第四頻段為第76至100系數(shù)的和。于是，該第七特征運算式的最后結(jié)果為150個幀的第一至四頻段的平均值。如子步驟228所示，第八特征(F8)運算式用以計算四頻段的對數(shù)能量標(biāo)準(zhǔn)差。首先，以第七特征運算式所示的步驟，取得四頻段的對數(shù)能量，接著計算四頻段對數(shù)能量的一標(biāo)準(zhǔn)差。如子步驟229所示，第九特征(F9)運算式用以計算一歸一化能量的幀差(FrameDifference)。首先，將每一幀中的第2至150個幀的歸一化能量減去第1至149個幀的歸一化能量，得到149個幀差；接著，將149的幀差的平方和除以149。接著，如步驟23所示，若其中一音頻片段特征抽取的結(jié)果符合一所欲搜集的音頻類別，則將該其中一音頻片段分類為一特征音頻片段。該數(shù)字特征分類模塊13包括一執(zhí)行分類用的支援向量機131,該支援向量機131預(yù)先以多份真實音頻樣本進行訓(xùn)練，以使該支援向量機131根據(jù)每一音頻片段的特征向量分辨出該片段是否為所欲搜集的音頻類別。然后，如步驟24所示，為確保辨認該特征音頻片段的準(zhǔn)確性，在本較佳實施例中，該完整音頻確認模塊14以該其中一音頻片段為中心，往前取五個音頻片段并往后取五個音頻片段為該窗格。若在該窗格中的十一個音頻片段中超過半數(shù)為特征音頻片段，則將該窗格中心的音頻片段分類為該特征音頻片段。繼而，將所述連續(xù)出現(xiàn)的特征音頻片段組合為目標(biāo)音頻，同時，判斷該目標(biāo)音頻若長于預(yù)定時間，在本較佳實施例中為IOO秒，則將該目標(biāo)音頻儲存，其目的在于排除太短的音樂片段，如廣播節(jié)目中常出現(xiàn)的片頭音樂、片尾音樂及串場音樂。參閱表l所示的測試結(jié)果，一測試音頻所包含的音頻片段中，包括38個器樂類型、222個歌曲類型、119個繞舌歌類型、191個講話加上背景音樂類型，及463個講話類型。以采用F1、F2、F3及F4為組合的數(shù)字音頻特征集為例，其可正確分辨出12個器樂類型、144個歌曲類型、96個繞舌歌類型、135個講話加上背景音樂類型，及448個講話類型，音樂判斷正確率為0.66,而非音樂判斷正確率為0.89。在多種測試組合中，以本發(fā)明所采用的F1、F2、F3、F4、F5、F6、F7、F8及F9為組合的數(shù)字音頻特征集為最佳，其可正確分辨出27個器樂類型、152個歌曲類型、108個繞舌歌類型、168個講話加上背景音樂類型，及454個講話類型，音樂判斷正確率為0.76，而非音樂判斷正確率為0.95。<table>complextableseeoriginaldocumentpage13</column></row><table>綜上所述，利用該數(shù)字特征轉(zhuǎn)換模塊12的數(shù)字音頻特征集121取得音頻中每一音頻片段的特征向量，可使數(shù)字特征分類模塊13的支援向量機131準(zhǔn)確地判斷音頻中的音樂及非音樂，配合該完整音頻確認模塊14后，音樂判斷正確率達79%,且非音樂判斷正確率達95%以上(如表l所示)，確實達到其優(yōu)點。以上所述僅為本發(fā)明較佳實施例，然其并非用以限定本發(fā)明的范圍，任何熟悉本項技術(shù)的人員，在不脫離本發(fā)明的精神和范圍內(nèi)，可在此基礎(chǔ)上做進一步的改進和變化，因此本發(fā)明的保護范圍當(dāng)以本申請的權(quán)利要求書所界定的范圍為準(zhǔn)。權(quán)利要求1.一種應(yīng)用數(shù)字音頻特征集分類音頻的方法，其特征在于，包含下列步驟步驟一將該音頻譯碼為一無編碼音頻；步驟二將該無編碼音頻區(qū)分為多個音頻片段，并以一數(shù)字音頻特征集將每一音頻片段進行特征抽取，每一音頻片段各具有多個幀，且針對每一音頻片段，形成一特征向量的過程包括計算該音頻片段中所有幀的過零次數(shù)的一變異數(shù)、計算該音頻片段中所有幀的過零次數(shù)的一第三階扭矩、計算該音頻片段中所有幀的過零次數(shù)的一平均值，再分別計算出所述幀中過零次數(shù)大于以及小于等于該平均值的幀數(shù)、計算該音頻片段中所有幀的歸一化能量的一標(biāo)準(zhǔn)差、取出該音頻片段中所有幀的歸一化能量的最小值、計算該音頻片段中所有幀的歸一化能量中最大值及最小值的差值、將該音頻片段中所有幀由時間域轉(zhuǎn)換為頻率域后，計算所有幀的其中四頻段的對數(shù)能量的一平均值、計算所有幀的其中四頻段的對數(shù)能量的一標(biāo)準(zhǔn)差，及分別計算除第一個幀外的每一幀與其前一相鄰幀的歸一化能量差；步驟三若其中一音頻片段特征抽取的結(jié)果符合一所欲搜集的音頻類別，則將該其中一音頻片段分類為一特征音頻片段；及步驟四將連續(xù)出現(xiàn)的所述特征音頻片段組合為一目標(biāo)音頻。2.根據(jù)權(quán)利要求l所述的應(yīng)用數(shù)字音頻特征集分類音頻的方法，其特征在于，在該步驟二中，每一音頻片段的長度為1至2秒。3.根據(jù)權(quán)利要求2所述的應(yīng)用數(shù)字音頻特征集分類音頻的方法，其特征在于，在該步驟二中，每一音頻片段的所述幀為150個。4.根據(jù)權(quán)利要求3所述的應(yīng)用數(shù)字音頻特征集分類音頻的方法，其特征在于，在該步驟二中，每一幀的一采樣數(shù)為512，且每一幀的采樣頻率為48KHz。5.根據(jù)權(quán)利要求l所述的應(yīng)用數(shù)字音頻特征集分類音頻的方法，其特征在于，在該步驟二中，該歸一化能量等于所述采樣的平方總和除以65535的平方再除以512。6.根據(jù)權(quán)利要求l所述的應(yīng)用數(shù)字音頻特征集分類音頻的方法，其特征在于，在該步驟二中，每一幀以長度為所述每一幀的一采樣數(shù)的漢明窗相乘，再將所述幀進行快速傅立葉轉(zhuǎn)換，以將時間域轉(zhuǎn)換為頻率域。7.根據(jù)權(quán)利要求l所述的應(yīng)用數(shù)字音頻特征集分類音頻的方法，其特征在于，在步驟三中，是以一支援向量機進行分類。8.—種應(yīng)用數(shù)字音頻特征集分類音頻的系統(tǒng)，包含一"^碼;漠塊，將音頻^澤碼為一無編碼音頻；一數(shù)字特征分類模塊，若其中一音頻片段特征抽取的結(jié)果符合一所欲搜集的音頻類別，則該數(shù)字特征分類模塊用以將該其中一音頻片段分類為一特征音頻片段；一完整音頻確認模塊，用以將連續(xù)出現(xiàn)的所述特征音頻片段組合成一目標(biāo)音頻；其特征在于，該應(yīng)用數(shù)字音頻特征集分類音頻的系統(tǒng)還包含一數(shù)字特征轉(zhuǎn)換模塊，用以將該譯碼模塊產(chǎn)生的無編碼音頻區(qū)分為多個音頻片段，并包括一用以將每一音頻片段進行特征抽取的數(shù)字音頻特征集，每一音頻片段各具有多個幀，且針對每一音頻片段，形成一特征向量的過程包括計算該音頻片段中所有幀的過零次數(shù)的一變異數(shù)、計算該音頻片段中所有幀的過零次數(shù)的一第三階扭矩、計算該音頻片段中所有幀的過零次數(shù)的一平均值，再分別計算出所述幀中過零次數(shù)大于以及小于等于該平均值的幀數(shù)、計算該音頻片段中所有幀的歸一化能量的一標(biāo)準(zhǔn)差、取出該音頻片段中所有幀的歸一化能量的最小值、計算該音頻片段中所有幀的歸一化能量中最大值及最小值的差值、將該音頻片段中所有幀由時間域轉(zhuǎn)換為頻率域后，計算所有幀的其中四頻段的對數(shù)能量的一平均值、計算所有幀的其中四頻段的對數(shù)能量的一標(biāo)準(zhǔn)差，及分別計算除第一個幀外的每一幀與其前一相鄰幀的歸一化能量差。9.根據(jù)權(quán)利要求8所述的應(yīng)用數(shù)字音頻特征集分類音頻的系統(tǒng)，其特征在于，每一音頻片段的長度為l至2秒。10.根據(jù)權(quán)利要求9所述的應(yīng)用數(shù)字音頻特征集分類音頻的系統(tǒng)，其特征在于，每一音頻片段的所述幀為150個。11.根據(jù)權(quán)利要求10所述的應(yīng)用數(shù)字音頻特征集分類音頻的系統(tǒng)，其特征在于，每一幀的一采樣數(shù)為512,且每一幀的采樣頻率為48KHz。12.根據(jù)權(quán)利要求8所述的應(yīng)用數(shù)字音頻特征集分類音頻的系統(tǒng)，其特征在于，該歸一化能量等于所述采樣的平方總和除以65535的平方再除以512。13.根據(jù)權(quán)利要求8所述的應(yīng)用數(shù)字音頻特征集分類音頻的系統(tǒng)，其特征在于，每一幀以長度為所述每一幀的一采樣數(shù)的漢明窗相乘，再將所述幀進行快速傅立葉轉(zhuǎn)換，以將時間域轉(zhuǎn)換為頻率域。14.根據(jù)權(quán)利要求8所述的應(yīng)用數(shù)字音頻特征集分類音頻的系統(tǒng)，其特征在于，該數(shù)字特征分類模塊包括一支援向量機。全文摘要本發(fā)明提供一種應(yīng)用數(shù)字音頻特征集分類音頻的系統(tǒng)及其方法，該方法包含下列步驟。首先，將該音頻譯碼為一無編碼音頻。接著，將該無編碼音頻區(qū)分為多個音頻片段，并以一包括九組特征運算式的數(shù)字音頻特征集將每一音頻片段進行特征抽取，該九組特征運算式分別用以計算過零次數(shù)變異數(shù)、過零次數(shù)的第三階扭矩、過零次數(shù)分布、歸一化能量標(biāo)準(zhǔn)差、歸一化能量最小值、歸一化能量的差值、四頻段的對數(shù)能量平均值、四頻段的對數(shù)能量標(biāo)準(zhǔn)差以及歸一化能量的幀差，而可達到分類音頻的目的。本發(fā)明自動從大量播送音頻的公開音頻源中搜集所喜愛類型的音頻，如音樂，收聽者不需費時費心地錄音，便可以擁有一首首完整的音樂。文檔編號G06F17/30GK101196888SQ200610162129公開日2008年6月11日申請日期2006年12月5日優(yōu)先權(quán)日2006年12月5日發(fā)明者彬丁,林宗慶,王建興,王舜正,麥文偉申請人:云義科技股份有限公司