52、基于时频音频特征的歌手识别与多流关键词检测技术

基于时频音频特征的歌手识别与多流关键词检测技术

在当今数字化音乐盛行以及人机交互需求不断增长的背景下，歌手识别和关键词与非语言发声检测技术变得尤为重要。下面将详细介绍这两项技术的相关内容。

歌手识别技术

随着数字音乐的普及，音乐数据库迅速增长，对高效的音乐检索技术需求迫切，其中自动歌手识别技术备受关注。它能让用户轻松获取歌曲的歌手信息，还可用于歌曲分类和相似歌手歌曲搜索。

目前已提出多种音频分类算法，大多分为特征提取和分类两个步骤。在特征提取方面，有功率模式、频率模式、短时傅里叶变换、连续小波变换和梅尔频率倒谱系数（MFCCs）等技术，但用于歌手识别的时域特征较少。分类步骤则应用了隐马尔可夫模型（HMM）、多层神经网络、有限感受野（LIRA）神经分类器和支持向量机（SVM）等技术。

不同学者在歌手识别领域做了诸多工作：
- Whitman使用ANN和SVM分类器对流行音乐片段的频谱特征进行分析，五歌手集的最佳测试集分类准确率为91%，十歌手集降至70%，二十一歌手集仅为50%。
- Berenzweig等人使用MFCC作为特征输入到神经网络分类器，在21歌手数据集上，使用语音识别预处理将分类准确率提高到65%。
- Kim的系统使用高斯混合模型和SVM分类器，在17歌手集上的最佳性能约为45%。
- Hiromasa Fujihara提出的方法可减少伴奏声音的负面影响，包括伴奏声音减少、特征提取、可靠帧选择和随机建模四个部分。
- Peerapol提出基于频谱图模式匹配的方法，能以超过84%的准确率识别带背景音乐的歌唱信号中的单词。

本文提出一种无需分离背景音乐的歌手识别算法，利用时频音频特