基于人工智能技术的乐曲节拍识别系统设计

为了高精度识别乐曲节拍,设计基于人工智能技术的乐曲节拍识别系统。首先采集乐曲节拍音频信号,对信号实施放大处理,然后采用复倒谱与子串匹配提取音频信号指纹特征,与乐曲数据库指纹进行匹配,根据匹配结果进行乐曲节拍识别,最后测试所设计系统应用性能。测试结果显示:所设计系统可以高精度识别多种乐曲节拍中有效音频信号,漏识率低,具有较高的实际应用价值。

多感官交互通道对智能家庭影音产品的可用性体验影响研究

目的 基于可用性体验,探究智能家庭影音产品中的多感官交互通道适配组合。方法 首先通过文献研究归纳整理智能家庭影音产品中不同感官交互通道的优势和局限性;其次采用问卷调查法获取实证研究数据,并使用探索性因子分析测试问卷信效度;最后利用基于复杂性理论的模糊集定性比较分析法(fsQCA)识别智能家庭影音产品中的多感官交互通道适配组合。结果 存在5种适配组合支持高可用性体验;存在2种组合导致低可用性体验。结论 导致低可用性体验的组合反映了单一感官交互通道的固有局限性;支持高可用性体验的组合反映了多感官交互通道组合的互补性;两类组合的发现表明多感官交互通道的适配组合,有助于改善智能家庭影音产品的可用性体验。未来研究可以基于这些发现来调查多感官交互通道适配组合,对不同用户人口统计和背景的不同影响。这将有助于拓宽多感官交互通道及其对可用性体验影响的深入理解。

基于倒谱变换的数字音频健壮盲水印算法

提出一种基于倒谱变换的数字音频健壮盲水印算法。把音频信号划分为包含相同采样点的若干帧,对指定帧实施复倒谱变换,将复倒谱系数均值与阈值进行比较,结合水印序列为“0”或“1”,采取缩小、增加或不改变复倒谱系数均值的方法,在复倒谱系数中嵌入水印。实验证明,该算法具有较强的健壮性,较好的透明性,提取水印属盲水印提取,能经受添加噪声、重采样、低通滤波、重新量化、音频格式转换等常见信号处理及攻击。

基于复倒谱变换的数字音频水印研究

提出了一种基于倒谱变换的数字音频水印算法,把音频信号划分为包含相同采样点的若干帧,计算指定帧的均值,对均值大于0的帧实施复倒谱变换,将复倒谱系数的均值与阈值进行比较,结合水印序列为“0”或“1”,采取缩小、增加或不改变复倒谱系数均值的方法,在复倒谱系数中嵌入水印。实验证明,该算法具有健壮性、透明性,可以进行添加噪声、重采样、低通滤波、重新量化、音频格式转换等常见信号的处理与承受各方的攻击。

音频水印算法复杂性评估

数字水印技术具有鲁棒性、透明性、复杂性等特性,大部分文献对水印评估的阐述都是集中在鲁棒性上,实际上复杂性评估在数字水印评估领域也是非常重要的。因此,主要是针对数字音频水印算法嵌入函数的复杂性进行评估。给出了基本方案评估的概念,选取了两种典型的音频水印算法,应用此方案评估标准对算法进行评估,并同时论述了应用到基本方案上的嵌入参数和音频检验集。给出了两种算法复杂性评估的结果并将结果进行比较。

采用混沌加密和重复码的复倒谱音频水印算法

针对数字音频产品版权保护问题,设计了一种基于混沌加密和重复码调制的复倒谱变换数字音频水印算法。算法把音频信号划分为包含相同采样点的若干帧,对每一帧实施复倒谱变换,将一幅包含版权信息的二值图像作为水印,利用混沌序列对其加密,再利用重复码进行纠错后嵌入到原始音频的复倒谱系数中,水印提取时不需要原始音频信号。实现了水印的盲检测。仿真实验证明,算法具有较强的鲁棒性和不可感知性。能经受添加噪声、低通滤波、重采样、重新量化、音频格式转换等常见信号的处理及攻击。

复倒谱域自适应音频盲水印技术

提出了一种复倒谱域的自适应音频盲数字水印技术,水印嵌入过程在音频的复倒谱域中进行,并采用循环嵌入,嵌入的强度由实际应用中检测过程的具体要求控制。该文采用原始音频的一个或两个特征参数估计引起失步的参数,在水印检测前利用估计的参数对其进行同步恢复,重新获得检测和嵌入的同步。水印采用的是具有实际意义的音频。检测过程中采用独立分量分析技术,在不需要任何原始音频、水印、嵌入的信息以及攻击等信息的情况下,可以检测到水印并可精确提取水印,实现了真正意义上的盲检测。实验数据说明这种水印算法具有很好的鲁棒性。

基于量化的倒谱变换数字音频水印算法

提出了一种基于复倒谱变换的数字音频水印算法。该算法充分利用了复倒谱变换的特征,将原始音频信号分成若干帧,每帧音频实施复倒谱变换后,将系数均值按照一定的量化方法嵌入水印,水印的提取不需要原始音频信号,是一种盲水印算法;实验结果表明,嵌入的水印不仅具有很好的透明性,而且对重新采样、低通滤波、添加噪声、重新量化、有损压缩等攻击也具有很好的鲁棒性。

一种基于倒谱变换的自适应音频水印算法

结合人类听觉系统,提出了一种基于倒谱变换的自适应音频水印算法,充分利用复倒谱变换的性质,将原始音频信号分成若干帧,每帧实施复倒谱变换后,在对应位置按照一定的方法嵌入水印信号。水印的提取不需要原始音频信号,是一种盲水印算法。实验结果表明,嵌入后的水印不仅具有很好的不可感知性,而且对添加噪声、重新采样、低通滤波和重新量化等攻击也具有很好的鲁棒性。

基于复倒谱系数均值比较的数字音频水印算法

提出一种基于复倒谱系数均值比较的数字音频健壮、透明及盲水印算法。该算法把音频信号划分为若干帧,每帧划分为若干个节,每节包含若干个相同的采样点,对每帧的前二节实施复倒谱变换,然后比较前二节复倒谱系数的均值,结合水印序列为“0”或“1”,采取缩小、增加或不改变复倒谱系数均值的方法,在复倒谱系数中嵌入水印。实验证明,该算法具有较强的健壮性,较好的透明性,提取水印属盲水印提取,能经受重新量化、重采样、添加噪声、低通滤波、音频格式转换等常见信号处理及攻击。与SMM算法比较,其透明性、健壮性更好。

采用复倒谱和子串匹配的音频指纹算法研究

提出了一种基于复倒谱变换和子串匹配的数字音频指纹算法.该算法通过应用混沌方法生成用户指纹,并将原始音频信号分帧并实施复倒谱变换后,进行指纹嵌入.指纹的识别采用子串匹配的方法,计算出待检测的指纹与原始指纹之间的匹配结果,最终确定待检测的未知音频.实验结果表明:该算法具有良好的鲁棒性,能抵御常见的音频攻击,可应用于音乐版权保护、音频识别等领域.

一种基于倒谱域的盲检测音频水印算法

为解决水印不可感知性和鲁棒性的矛盾,研究水印的嵌入方法非常必要。本文在复倒谱性质基础上,提出了一种盲检测数字音频水印算法。通过对复倒谱系数进行适当的变换,按照一定的方法将一幅二值灰度图像嵌入到原始音频中,从而最大程度地保持音频水印的不可听性和鲁棒性。

一种基于倒谱变换的自同步音频水印算法

本文提出了一种基于倒谱变换的自同步数字音频水印算法。算法对音频载体分段后,将同步码嵌入到时域上,将水印信息嵌入到变换域上。水印的提取不需要原始音频信号,是一种盲水印算法。实验结果表明,嵌入后的水印不仅具有很好的不可感知性,而且对添加噪声、重新采样、低通滤波、重新量化和剪切攻击也具有很好的稳健性。

基于隐马尔可夫模型的复杂数据挖掘实现

利用隐马尔可夫模型(HMM)对多媒体数据仓库进行复杂数据挖掘，复杂数据挖掘要解决的难题是音频和视频识别。建立音频和视频的识别模型及其相关的算法，在视频识别算法上构造出符合HMM的识别方法。根据模型建立系统, 实验证明声音的识别率最高达到96.67%, 视频中特征值的检测率可达87.81%。研究结果可以应用在多媒体的识别和数据挖掘领域，提供一个比较完整的复杂数据挖掘的模型和算法。

修辞学观照中的视听传播

电视已成为信息社会中最有力的传播工具之一,但电视人有意无意地割裂声画关系、很少考虑有效地运用修辞手法来提高传播效果,同时,传统语言学、修辞学也忽视对电视语言进行研究。这制约了电视这个复合符号系统在传播信息和理解知识上的前进。电视工作者和语言研究者应该努力揭示出电视语言的运用规律。

《英语同声打字》创新课程探究

《英语同声打字》是笔者所在高校英语专业开设的一门创新课程。该课程的开设旨在通过英语听打训练培养学生的英语同声打字技能,提高和强化学生的英语听力和计算机操作能力,同时巩固学生在社会、经济、政治、文化等领域的专业知识。英语同声打字技能的掌握使学生在就业中更具专业优势和竞争力。本文试图全面地阐述《英语同声打字》新课程开设的背景、教学理念、教学内容、教学实施环节以及评价体系,期待得到英语界专家学者对该课程的建设与发展的关注,共同探索我国英语专业复合型人才培养新模式。

基于小波包分解复杂度可分级的音频编码算法

提出了一种基于小波包分解的复杂度可分级的音频编码算法。该算法对信号进行复杂度可分级的不完全小波包分解 ,并充分利用人耳的听觉特性和不同子带间小波系数的相关性对系数进行零树编码。不仅可在低码率上获得透明质量的重构信号 ,而且具有复杂度可分级编、解码和多码率可分级编码的功能 ,可在具有不同计算能力的计算机上实时实现音频编码和解码。

复倒谱域数字音频盲水印算法

提出了一种复倒谱域数字音频盲水印算法。该算法将音频信号分为包含相同采样点的若干段,计算指定段信号的均值,对均值小于0的段的信号取反,对均值大于等于0的段保持不变,然后对所有指定段进行复倒谱变换,将这些段的复倒谱变换系数均值与设定的阈值作比较,结合水印序列的值,通过增加、减少或不改变复倒谱系数的均值来嵌入水印。水印提取为盲提取。实验结果证明该算法具有较强的鲁棒性与不可知觉性,可以抵抗常见信号处理的攻击。

基于离散小波变换和复倒谱的音频水印算法

离散小波变换和复倒谱的数字音频盲水印算法首先对原始音频数据进行分段处理并对每个音频数据段进行二级离散小波变换,然后对二级小波近似系数做复倒谱变换并修改复倒谱的统计均值以嵌入水印。为了便于观察,水印选用二值可视图像,并利用混沌技术进行了加密处理,加强其安全性。算法提取水印时不需要原始音频信号,实现了水印的盲检测。仿真实验证明了算法的鲁棒性和不可感知性。

声谱图显著性在音频识别中的应用

针对嘈杂背景、混叠、间断或多源的复杂音频,传统音频识别存在一定的局限性。文章提出了一种基于声谱图显著性检测的音频识别方法,将音频可视化转化为二维声谱图图像,利用图像的显著性检测有效获得声谱图中的主声源区域,并去除声谱图中与主声源无关的信息;然后针对主声源区域提取特征,以减少干扰并降低冗余度;采用改进的卷积神经网络(convolutional neural network,CNN)实现音频识别。实验结果表明,该方法可以有效解决复杂音频的识别问题。