基于模型在线更新和平滑处理的音乐分割算法

作     者：郑能恒 张亚磊 李霞 ZHENG Neng-heng;ZHANG Ya-lei;LI Xia

作者机构：深圳大学信息工程学院深圳518060 

出 版 物：《深圳大学学报（理工版）》 (Journal of Shenzhen University(Science and Engineering))

年 卷 期：2011年第28卷第3期

页      面：271-275页

核心收录：

学科分类：0810[工学-信息与通信工程] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 081002[工学-信号与信息处理] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(60901061) 广东省自然科学基金资助项目(9151806001000025) 

主　　题：声学 语音处理 音乐分割 高斯混合模型 置信测度 自适应模型更新 平滑处理 

摘      要：针对音乐分割中预训练模型和待分割信号间的不匹配问题,提出基于置信测度的自适应模型更新算法.在基于预训练模型的识别结果中,通过置信测度选择可靠的数据进行高斯混合模型在线自适应更新,获得与待分割音乐信号更匹配的声乐/非声乐模型.通过对识别结果进行平滑处理,进一步去除瞬时突变错误.实验表明,与初始模型和采用全部数据进行模型更新相比,该算法可获得与待分割信号更匹配的高斯混合模型,分割效果更佳.