音视频-直播技术-自然口语语音中非文字音频事件检测方法研究.pdf

这篇学位论文主要探讨了自然口语语音中非文字音频事件的检测方法，如笑声、掌声等。这些音频事件在语音通信和直播技术中扮演着重要角色，因为它们能反映说话者的情绪、谈话主题和氛围，对语音检索系统和语音情感识别等应用具有实际价值。 论文的创新点主要包括以下四点： 1. 统计分析了不同音频事件（语音、笑声、掌声和其他声音）的时频特征差异，为后续的检测方法提供了基础。通过对时长、基音频率、谱稳定性、音节重复性以及出现位置等方面的统计，研究人员能够更深入理解这些非文字音频事件的特性。 2. 提出了一种基于规则的掌声快速检测方法，以解决因掌声时长变化大导致的建模困难和边界检测不准确的问题。这种方法利用掌声与非掌声在时长和基音频率上的差异，无需复杂的统计模型即可有效地检测出会议语音中的掌声。与传统的滑动窗方法相比，它在F1度量值上有显著提升，计算时间减少，边界误差减小，并且能在混合信号中精确提取掌声信号。 3. 引入了基于遗传算法的特征参数与隐马尔可夫模型（HMM）参数联合优化方法。这种方法可以更好地适应音频事件区分时的参数选择问题，实验结果显示，它在区分音频事件时达到了90.2%的最高正确率，找到了最佳的特征参数与HMM参数匹配，相比于单独优化特征参数、单独优化HMM参数以及未优化的情况，正确率分别提升了5.05%、3.53%和8.08%，体现出明显的性能优势。 4. 设计了一种基于规则和统计模型的非文字音频事件检测方案，这种方法结合了规则和统计模型的优点，能够在分析各类音频事件特征差异的基础上，更准确地检测出各种非文字音频事件，减少了边界误差，增强了检测效果。 论文的撰写严谨，结构清晰，分析和推导过程可靠，不仅在理论上有所创新，而且具有较高的实用性，达到了博士学位论文的标准。作者展示了其在本学科领域扎实的基础理论知识和深入的专业技能，具备独立进行科学研究的能力。答辩委员会一致同意通过论文答辩，建议授予工学博士学位。