基于内容的音频检索技术研究

音频检索是基于内容的多媒体检索技术中的一个重要的组成部分.本文首先简单介绍了基于内容的音频检索的概念,然后对其特征提取部分做了详细介绍,并通过一个简单的测试系统进行实现.     

基于音频特征和逼近信号统计特征的数字零水印算法

提出了一种基于音频特征和逼近信号统计特征的零水印算法.实验结果表明,该算法能根据音频自身的特点寻找到适合用于嵌入水印的音频帧,实现水印信息的嵌入、提取和盲检测,在不改变听觉质量的同时降低了计算量,提高了水印的鲁棒性.     

基于无线个域网的新型语音通信系统

分析了基于W PAN的语音通信系统(VoW PAN)的优点,设计并研制了应用在石油井场的VoW PAN系统.该系统包括音频网关和语音终端2部分,能够提供音频网关到语音终端之间点到点、点到多点的无线语音通信.通过采用高密度封装的蓝牙模块和集成化的设计,减小了系统的尺寸.针对语音终端待机时间短的问题,采用休眠模式、减小扫描窗长度、增大扫描间隔、关闭主机接口等措施,降低了功耗.通过分离音频网关的主机和射频前端,简化了天线的设计难度,降低了成本,克服了某些场合的屏蔽效应.采用规范的蓝牙通信协议,可以与普通的蓝牙产品兼容.经测试,系统的通信距离可达100m.该系统已成功应用于国内许多油田的井场控制.     

可重构视频阵列处理器测试平台设计与实现

针对可重构视频阵列处理器的设计要求及传统测试方法测试视频编解码系统时速度慢、精度低和可观测性不强的问题。开发了基于Qt的用户界面,设计实现了以现场可编程门阵列(Field programmable gate-array,FPGA)为核心的软硬件协同测试平台。在PC端实现以软件仿真为基础的数据传输与图像重现,在FPGA端实现以可重构视频阵列处理器为基础的视频编解码算法并行映射。实验结果表明,在工作频率为100 MHz时,FPGA与PC之间可正确传输数据并满足算法测试时不同测试用例的更换需求,具有较好的可观测性。     

相容粗糙集在音频检索中的应用

针对数字技术的发展促使个人的多媒体数据资料量越来越大,给人们的使用造成很大的不便,人们迫切需要能对这些资料进行检索和管理的工具,提出了利用相容粗糙集理论对音频数据进行预检索的新方法,即在相容类的近似空间中对音频数据进行预检索.实验结果表明,该方法可以有效地克服等价粗糙集在音频检索方面的限制,对提高检索效率具有一定的作用.     

WINDOWS下音视频网络传输的实现

计算机网络音视频实时全双工传输是现代网络多媒体应用技术的重要内容。本文在分析了网络多媒体应用技术的需求基础上,研究了基于W indows平台的音视频数据采集和实时全双工数据传输技术,探讨了W indows平台下音视频实时数据采集、回放和全双工数据传输的可行性,建立了在W indows下计算机网络音视频实时全双工传输方法,详细描述了该方法的编程实现,并通过实例验证该方法的正确性。     

基于质心的混合域半脆弱音频水印算法

针对现有很多(半)脆弱音频水印算法采用二值图像作水印所存在的安全缺陷问题,以及基于内容或特征的第二代数字水印技术所存在的适用范围有限,部分特征点易被水印操作和信号处理所淹没的问题,提出了一种新的基于质心的混合域半脆弱音频水印算法,推导给出了客观评价水印不可听性的信噪比理论下限,并理论分析了水印嵌入容量和篡改检测能力.该算法对每个音频帧计算质心并实施密码学中的Hash运算生成水印,将水印加密后在DWT和DCT构成的混合域嵌入到含有质心的音频子带上.理论分析和实验结果表明:该算法具有很好的水印不可听性,对不同类型音频均能实现准确的篡改定位,同时具有良好的容忍非恶意常规信号处理的能力.与现有算法相比,不仅有效解决了音频内容真实性和完整性的可靠认证问题,而且推广了基于内容的音频水印算法的适用范围.     

基于耳蜗图多示例分析的音频场景分类模型

音频场景分类(Acoustic Scene Classification, ASC)是计算听觉场景领域最具挑战的任务之一。传统的ASC模型大多采用基于线性频率分析的手工特征加基于深度学习的分类模型方法。然而,一方面,由于基于线性频率分析的特征提取方法无法模拟人耳基底膜的非线性频率选择特性,从而造成特征分辨率低下的问题;另一方面,现有的分类模型无法解决由于音源复杂且音频事件高度重叠所造成的分类准确率低下的问题。为了解决以上问题,提出了基于耳蜗图多示例分析的音频场景分类模型,一方面采用中心频率按照等效带宽均匀分布的余弦滤波器组对信号频谱进行滤波以模拟人耳听觉感知特性;另一方面,通过引入多示例学习刻画整个数据结构的特点以提高分类准确率。此外,为了抵抗音频事件的频移影响,在多示例学习分类模型的分类预测整合器中采用平均池化方法。在DCASE 2018和DCASE 2019竞赛所提供的Task1a数据集上的实验结果表明,本文提出的模型比DCASE 2018竞赛所提供的基线系统以及传统的基于Log Mel特征提取和多示例学习的模型实现了更高的分类准确率,同时也验证了平均池化要优于最大池化。     

数字音频工作站ProTools——如何实现高低端设备的紧密结合

本文主要阐述数字音频工作站ProTools的强大功能及特点，并在此基础上对如何让更多的学生了解和熟悉ProTools系统进行了研究。使其从高校实验室的闺房中走出来，融入到教学中。让更多的人领略到完整的TDM数字混音和DSP内挂环境所带来的音频创作的美妙空间。     

珠海重奖上市的自主创新企业

9月4日，国家数字音视频编解码标准（AVS）产业联盟、广州高清视信数码科技股份有限公司与清远经济开发区签订框架协议书。根据协议，国家AVS产业联盟将与清远市政府一起，共建清远AVS产业制造园区。