基于Tucker分解的音频分类研究

来源：信号处理杂志 2015年第2期北京时间：

作者：杨立东, 王晶, 谢湘, 匡镜明

摘要：提出一种利用Tucker分解获得鲁棒性较强的音频信号不同属性的特征，在高斯混合模型上测试音频信号分类性能的方法。音频信号经过预处理后，提取其不同类型特征集合，包括常规声学特征参数集合、听觉感知特征参数集合、心理声学特征参数集合；然后由三种特征集合构建三阶特征张量，通过Tucker分解得到每一类特征阶投影矩阵并进行主分量分析；最后使用包括音乐、语音、噪声3种类型的300条音频数据测试不同特征集合的分类效果，在此过程中使用了有监督学习的高斯混合模型作为分类器。实验中比较了不同特征集合使用高斯混合模型的分类正确率。实验结果表明，Tucker分解获得的特征集合实现了较好的分类，说明该方法性能优于传统特征集合。

关键词：音频分类, Tucker分解, 高斯混合模型, 心理声学特征