基于Landmark的聲紋識(shí)別技術(shù)在電影放映監(jiān)測(cè)中的探索實(shí)驗(yàn)

王 惠

(中國(guó)電影科學(xué)技術(shù)研究所，北京 100086)

1 前言

近年來(lái)，隨著國(guó)家文化產(chǎn)業(yè)政策的推動(dòng)，全國(guó)電影市場(chǎng)蓬勃發(fā)展，電影的創(chuàng)作生產(chǎn)、影院建設(shè)和電影票房都迎來(lái)了難得的機(jī)遇期。電影是藝術(shù)與技術(shù)相結(jié)合的效果呈現(xiàn)，除去前期的藝術(shù)創(chuàng)作，一個(gè)完整的產(chǎn)業(yè)鏈和成功的影院市場(chǎng)才是決定了電影產(chǎn)業(yè)下游的關(guān)鍵生命力，因此，保持影院放映規(guī)范也是保證其持續(xù)健康發(fā)展的動(dòng)力。但目前市場(chǎng)上存在一定的違法違規(guī)行為，包括影廳盜錄盜放、偷漏瞞報(bào)票房等，嚴(yán)重干擾了影院市場(chǎng)秩序，也損害了電影聲譽(yù)，造成惡劣影響。因此影院影廳的規(guī)范化管理已經(jīng)成為亟待解決的問(wèn)題。

目前針對(duì)規(guī)范電影放映的最有效方式便是加強(qiáng)放映內(nèi)容的監(jiān)管，在影片播放過(guò)程中采集聲音、畫(huà)面數(shù)據(jù)，分析并進(jìn)行識(shí)別比對(duì)，以達(dá)到動(dòng)態(tài)監(jiān)測(cè)、控制放映內(nèi)容的目的，從而形成放映監(jiān)測(cè)機(jī)制。其中，聲紋識(shí)別技術(shù)是近年發(fā)展起來(lái)的有效識(shí)別技術(shù)之一，通過(guò)收集影片的聲音樣本建庫(kù)，并將采集的源頭數(shù)據(jù)進(jìn)行聲紋匹配，可實(shí)現(xiàn)影片自動(dòng)化識(shí)別。本文主要綜述性介紹聲紋識(shí)別的基本原理及關(guān)鍵技術(shù)，在電影放映領(lǐng)域的應(yīng)用探索實(shí)驗(yàn)，以及后期的改進(jìn)與優(yōu)化，為電影放映市場(chǎng)的規(guī)范發(fā)展提供技術(shù)參考。

2 聲紋識(shí)別技術(shù)介紹及基本原理

2.1 聲紋識(shí)別的介紹

每個(gè)聲音都具有獨(dú)特性，聲紋識(shí)別技術(shù)正是基于這一基礎(chǔ)特征，通過(guò)不同的方法對(duì)一種或多種聲音信號(hào)的特征進(jìn)行對(duì)比分析，得到識(shí)別結(jié)果。聲紋識(shí)別的樣本信息一般是提取說(shuō)話人的語(yǔ)音特征，并將其轉(zhuǎn)化為聲音信號(hào)的語(yǔ)譜圖，以圖像化的形式表示。一般用橫軸代表時(shí)間，縱軸代表頻率，同時(shí)用顏色來(lái)劃分語(yǔ)音在各個(gè)頻率點(diǎn)的幅值大小。說(shuō)話人聲音的基頻與諧頻用多條亮線來(lái)顯示，然后通過(guò)采取不同的方法來(lái)對(duì)多個(gè)語(yǔ)譜圖進(jìn)行相似度對(duì)比分析，最終識(shí)別不同的語(yǔ)音特征。

圖1 聲音波形圖及聲音語(yǔ)譜圖

2.2聲紋識(shí)別的基本原理與關(guān)鍵點(diǎn)

聲紋識(shí)別的最終目標(biāo)是為了讓機(jī)器能夠準(zhǔn)確地識(shí)別某一段語(yǔ)音，整個(gè)過(guò)程是一個(gè)典型的模式識(shí)別的框架，可以分為兩大部分，特征提取和模式識(shí)別。

首先在進(jìn)行操作之前需要目標(biāo)用戶提供一段訓(xùn)練語(yǔ)音，并將該語(yǔ)音經(jīng)過(guò)質(zhì)量檢測(cè)、噪聲消除等一系列的預(yù)處理操作之后，獲得有效語(yǔ)音，開(kāi)始進(jìn)行特征參數(shù)的提取。特征提取的目的是從語(yǔ)音信號(hào)中除去冗余信息，將能唯一有效地表現(xiàn)說(shuō)話人身份的基本特征提取出來(lái)，該特征需能夠區(qū)分出不同的說(shuō)話人，且在同一說(shuō)話人在時(shí)間或者環(huán)境有所不同時(shí)，該特征仍具有相對(duì)穩(wěn)定性，特征提取的過(guò)程本質(zhì)上是一個(gè)篩選無(wú)效數(shù)據(jù)的過(guò)程。

接下來(lái)就是進(jìn)行模型識(shí)別。將上一階段獲得的基本特征映射為用戶的聲紋模型，存入聲紋模型數(shù)據(jù)庫(kù)中。與此同時(shí)，另一部分為驗(yàn)證階段，一段未知語(yǔ)音也會(huì)經(jīng)過(guò)一系列操作后被定義為測(cè)試特征，然后用該測(cè)試特征與模型庫(kù)中目標(biāo)模型采用相關(guān)算法進(jìn)行相似性匹配，得到匹配度，如果高于預(yù)期，則可認(rèn)為該測(cè)試語(yǔ)音與目標(biāo)語(yǔ)音身份匹配成功，通過(guò)驗(yàn)證，反之則失敗。因此根據(jù)聲紋識(shí)別的整個(gè)技術(shù)流程來(lái)看，語(yǔ)音選定、預(yù)處理操作、特征提取、建模、對(duì)比算法、結(jié)果分析等方面需要綜合考慮，而其中最關(guān)鍵的技術(shù)則是特征提取和模式匹配，直接影響到系統(tǒng)的識(shí)別性能與辨識(shí)度。

圖2 聲紋識(shí)別流程示意圖

2.3聲紋識(shí)別的常見(jiàn)方法與技術(shù)

聲紋特征的生成算法目前主要有Echoprint、Chromaprint和Landmark，這三大類的本質(zhì)都是語(yǔ)音特征參數(shù)提取，其涉及的主要技術(shù)有：短時(shí)過(guò)零、率基因周期、線性預(yù)測(cè)(LPC)、線性預(yù)測(cè)倒譜系數(shù)(LPCC)、Mel頻率倒譜系數(shù)(MFCC)，以及經(jīng)過(guò)噪聲譜減或者信道譜減的去噪倒譜系數(shù)等。在提取過(guò)程中，不同的特征參數(shù)都有對(duì)應(yīng)的算法，需根據(jù)不同的語(yǔ)音信號(hào)特征選擇合適的方法提取特征參數(shù)。在提取到合適的特征參數(shù)后進(jìn)行識(shí)別，目前常用方法主要有以下幾類：

(1)模板匹配方法：通常適用于與文本相關(guān)的任務(wù)，主要用于固定詞組的應(yīng)用，依靠動(dòng)態(tài)時(shí)間彎折(DTW)以對(duì)準(zhǔn)訓(xùn)練和測(cè)試特征序列。

(2)最近鄰方法：在訓(xùn)練時(shí)保留所有的特征矢量、識(shí)別時(shí)在每個(gè)矢量附近找到若干個(gè)訓(xùn)練矢量，進(jìn)行識(shí)別，但該方法通常模型存儲(chǔ)和相似計(jì)算的量往往都很大。

(3)神經(jīng)網(wǎng)絡(luò)方法：有多層感知、徑向基函數(shù)(RBF)等多種形式，雖可以顯式訓(xùn)練來(lái)區(qū)分說(shuō)話人和背景說(shuō)話人，但訓(xùn)練量較大，模型的可推廣性不好。

(4)隱式馬爾科夫模型(HMM)方法：是目前比較流行的方法之一，通常采用單狀態(tài)的HMM，或高斯混合模型(GMM)，效果較好。

(5)VQ聚類方法(如LBG)：該方法算法復(fù)雜度低，效果好，可與HMM方法配合以達(dá)到更好效果。

(6)多項(xiàng)式分類器方法：模型存儲(chǔ)和計(jì)算量較大，但能得到較高的精度。

3 聲紋識(shí)別在電影放映監(jiān)測(cè)中的探索實(shí)驗(yàn)

目前最常用的聲紋提取算法就是shazam公司提出的Landmark指紋構(gòu)造算法。Landmark是指突出的點(diǎn)或者區(qū)域，并承載著信號(hào)的關(guān)鍵信息，基于它是音頻能量的極值，所以本身就有很強(qiáng)的抗噪能力，比較適合用來(lái)做音頻檢索，這也是很多特征提取和識(shí)別算法的思路。因此在探索實(shí)驗(yàn)中，我們也選擇用該算法來(lái)構(gòu)造聲音指紋特征。

當(dāng)獲得聲紋特征后，我們根據(jù)信息檢索的原理進(jìn)行檢索，但在實(shí)際中，這樣的檢索方式性能較低，每一次遍歷都將耗費(fèi)大量時(shí)間。因此我們?cè)谠囼?yàn)過(guò)程中，采用了聲音指紋特征點(diǎn)作為散列點(diǎn)儲(chǔ)存的方法，該指紋特征除指紋信息外，包含標(biāo)準(zhǔn)樣片ID、幀偏移量等，然后進(jìn)行順序識(shí)別。本文之后在算法探索中統(tǒng)一使用指紋來(lái)指代聲紋特征點(diǎn)。該算法最終經(jīng)過(guò)試驗(yàn)后，能夠達(dá)到運(yùn)行效率和準(zhǔn)確程度的最優(yōu)。

3.1聲紋識(shí)別算法在電影放映檢測(cè)的探索綜述

圖3 Landmark算法的基本流程

按照Landmark算法的中心思想，首先對(duì)原始波形信號(hào)進(jìn)行FFT快速傅里葉變換，將時(shí)域上的信息轉(zhuǎn)變成一個(gè)個(gè)頻域信息，在此我們需要在權(quán)衡精度和效率之后，選擇合適幀位移為間隔，通常選在10ms～40ms之間，對(duì)原始信號(hào)進(jìn)行預(yù)處理后，轉(zhuǎn)換為三維頻譜圖，其中橫坐標(biāo)為時(shí)間，縱坐標(biāo)為頻率，高度坐標(biāo)為能量。其次是從頻譜圖中提取一系列的能量極大值點(diǎn)(峰值點(diǎn))，選取Landmark的規(guī)則并不是固定的，通過(guò)調(diào)節(jié)條件參數(shù)，控制好合適的數(shù)量和單位密度，在給定的區(qū)域內(nèi)進(jìn)行篩選，選取最優(yōu)點(diǎn)數(shù)。之后就是去掉原始的能量信息，保留提取極值點(diǎn)的X坐標(biāo)和Y坐標(biāo)，將一系列極大值坐標(biāo)作為特征。但單單使用一個(gè)個(gè)單獨(dú)的坐標(biāo)作為指紋信息則過(guò)于簡(jiǎn)單，容易碰撞，使得后期匹配準(zhǔn)確率低。Landmark指紋構(gòu)造算法提供一種思路，通?？梢詫O值點(diǎn)兩兩組合，形成一個(gè)指紋特征點(diǎn)，減少檢索的碰撞，提升性能。然后根據(jù)得到的指紋組合特征點(diǎn)的信息，生成哈希值。算法的基本流程如圖3所示。

3.2原始音頻數(shù)據(jù)FFT預(yù)處理

快速傅里葉變換是算法的預(yù)處理環(huán)節(jié)，傅里葉變換實(shí)質(zhì)上是對(duì)多項(xiàng)式的系數(shù)表示和點(diǎn)值表示之間的轉(zhuǎn)換，因此可將聲音的模擬信號(hào)采集處理經(jīng)過(guò)模數(shù)轉(zhuǎn)換為數(shù)字信號(hào)。由于電影的音頻時(shí)間通常在100分鐘左右，按照普通參數(shù)標(biāo)準(zhǔn)則會(huì)耗費(fèi)大量的運(yùn)算量和運(yùn)算時(shí)間，因此在原始波形進(jìn)行分隔時(shí)，我們將幀位移選定約為100ms，控制單位時(shí)間內(nèi)選取的點(diǎn)數(shù)。

對(duì)選定音頻進(jìn)行變換，離散傅里葉變換(DFT)的運(yùn)算公式如下：

根據(jù)DFT的運(yùn)算，對(duì)于X(k)的每個(gè)k值都需要進(jìn)行4N次的實(shí)數(shù)相乘和(4N-2)次的相加，然后對(duì)于N個(gè)k值，一共需要4N*N次實(shí)數(shù)相乘和(4N-2)*N次實(shí)數(shù)相加。其算法時(shí)間復(fù)雜度是O(N*N)。利用DFT中W的周期性和對(duì)稱性進(jìn)行改進(jìn)，將整個(gè)運(yùn)算過(guò)程變成一系列迭代運(yùn)算即FFT，減少乘法運(yùn)算次數(shù)和計(jì)算量，時(shí)間復(fù)雜度為O(N)，大幅度提高了運(yùn)算效率。實(shí)驗(yàn)中傅里葉變換過(guò)程代碼如圖4所示。

圖4 傅里葉變換過(guò)程代碼

在完成變換后，得到轉(zhuǎn)換后的三維頻譜圖，其中橫坐標(biāo)為時(shí)間，縱坐標(biāo)為頻率，高度坐標(biāo)為能量；至此我們可以進(jìn)行下一步操作，在頻譜圖中提取合適的能量極值點(diǎn)。

圖5 FFT變換后的結(jié)果圖

3.3提取能量極值點(diǎn)

在得到FFT變換后的數(shù)據(jù)之后進(jìn)行解析，可得到采樣頻率fs(Hz)、總采樣數(shù)N，同時(shí)也輸出N個(gè)double值D(N)，即每個(gè)值為當(dāng)前頻點(diǎn)的幅值。通過(guò)計(jì)算可得到：

數(shù)組下標(biāo)頻率密度(每格的頻率增量)= fs/N(Hz)；

數(shù)組下標(biāo)為i的頻率值f(i)=i*(fs/N)；

輸入信號(hào)模的平均值為D[0]/N。

在探索中發(fā)現(xiàn)，要滿足指紋的健壯性，則能量極值點(diǎn)的選取非常關(guān)鍵。經(jīng)過(guò)多次試驗(yàn)分析，采用分段求峰值的方法，即從關(guān)鍵頻率段中選擇峰值點(diǎn)，既能提高運(yùn)算速度，減小算法運(yùn)算量，同時(shí)也能剔除不適用于構(gòu)造指紋的特征點(diǎn)。

因此在實(shí)踐應(yīng)用中，依據(jù)人耳對(duì)聲音的敏感性分布，將頻率劃分為以下區(qū)間：110～220Hz、220～440Hz、440～880Hz、880～1760Hz、1760～3520Hz，可采用公式f(i)=i*(fs/N)，分別計(jì)算下標(biāo)值區(qū)間，從而得出每個(gè)區(qū)間內(nèi)采樣點(diǎn)數(shù)進(jìn)行統(tǒng)計(jì)，例如：N = 4096, fs = 44K(Hz)時(shí)，計(jì)算結(jié)果近似為：區(qū)間[10，19]共10個(gè)數(shù)值、區(qū)間[20，39]共20個(gè)數(shù)值、區(qū)間[40，79]共40個(gè)數(shù)值、區(qū)間[80，159]共80個(gè)數(shù)值、區(qū)間[160，319]共160個(gè)數(shù)值；最后在每個(gè)區(qū)間內(nèi)求輸出的最大值Max(D[i])；將每個(gè)區(qū)間的最大值作為能量峰值，提取峰值過(guò)程核心代碼如圖6所示。

圖6 提取峰值過(guò)程核心代碼

3.4 Landmark組合構(gòu)造指紋

在頻譜圖中的能量極值點(diǎn)作為一個(gè)個(gè)分散的坐標(biāo)，直接用于構(gòu)造指紋會(huì)使得指紋信息量過(guò)大，檢索碰撞較多，性能并不是很高，再加之單個(gè)指紋容易受到噪音影響，則會(huì)大大降低匹配成功率。采用Landmark組合的方式，比單個(gè)時(shí)頻點(diǎn)的匹配性更高，檢索碰撞也相應(yīng)減少，大大提升性能和匹配準(zhǔn)確率。因此根據(jù)Landmark指紋的構(gòu)造算法中提供的思路，依據(jù)時(shí)間順序，依次選擇時(shí)頻點(diǎn)(極大值坐標(biāo))作為基準(zhǔn)點(diǎn)，對(duì)于每一個(gè)基準(zhǔn)點(diǎn)，劃定一個(gè)配對(duì)區(qū)域，然后分別和區(qū)域內(nèi)的每個(gè)時(shí)頻點(diǎn)兩兩組合，最終形成一個(gè)指紋特征點(diǎn)。

每個(gè)指紋點(diǎn)包括兩個(gè)基準(zhǔn)點(diǎn)與目標(biāo)時(shí)頻點(diǎn)的兩個(gè)頻率值和一個(gè)時(shí)間差，即當(dāng)選取的基準(zhǔn)點(diǎn)坐標(biāo)為(t1，f1)，區(qū)域內(nèi)配對(duì)目標(biāo)點(diǎn)坐標(biāo)為(t2，f2)，則該指紋屬性包括(f1，f2，(t2-t1))；此外還要加上基準(zhǔn)點(diǎn)的時(shí)間t1，即指紋距離文件開(kāi)頭的絕對(duì)時(shí)間，作為附帶屬性，在本文中我們稱之為幀偏移量。該屬性在進(jìn)行指紋匹配過(guò)程中將會(huì)用到。因此一個(gè)完整的指紋在采用哈希表建立時(shí)應(yīng)包含如下所有特征點(diǎn)：

Hash：time = [f1：f2：(t2-t1)]：t1

生成HASH指紋的過(guò)程代碼如圖7所示。

圖7 生成HASH指紋的過(guò)程代碼

至此，提取指紋特征點(diǎn)成功，結(jié)果保存到fingerprintList結(jié)構(gòu)中。但在實(shí)際入庫(kù)過(guò)程中，由于電影音頻文件巨大，包含信息過(guò)多，所以在實(shí)際構(gòu)造過(guò)程中，只節(jié)選其中部分特征點(diǎn)，以減少數(shù)據(jù)量，提高運(yùn)算效率。在后期的匹配算法中采取的順序識(shí)別，所以指紋庫(kù)的不完整性并不影響影片的識(shí)別成功率。

3.5指紋特征點(diǎn)與庫(kù)中樣本匹配識(shí)別

將獲得的指紋特征點(diǎn)作為散列點(diǎn)進(jìn)行儲(chǔ)存，該指紋特征包含基礎(chǔ)指紋信息、標(biāo)準(zhǔn)樣片ID、幀偏移量等信息，然后進(jìn)行影片庫(kù)的入庫(kù)建設(shè)，在本文的試驗(yàn)中，結(jié)合運(yùn)算量、數(shù)據(jù)量綜合考慮后只選用一部分特征點(diǎn)作為影片的指紋庫(kù)，通過(guò)順序?qū)ΥR(shí)別的樣片片段進(jìn)行識(shí)別。雖然缺失部分片段，但最終的實(shí)驗(yàn)結(jié)果表示，所使用的匹配算法跨越了其缺失片段，且結(jié)果并不影響識(shí)別的成功率。

在匹配階段，由于很短的樣片片段就能提取出大量的指紋，可能會(huì)出現(xiàn)一個(gè)指紋在多部影片中出現(xiàn)的情況，當(dāng)我們正常進(jìn)行檢索后，可以檢索出來(lái)的匹配影片數(shù)量也會(huì)非常多。因此在指紋數(shù)據(jù)量很大的情況下，將所有指紋逐一匹配求取交集，試驗(yàn)結(jié)果幾乎都是零。因此我們?yōu)槊總€(gè)指紋添加幀偏移量作為其附屬的伴隨信息，記錄該指紋的出現(xiàn)時(shí)間，來(lái)擴(kuò)充指紋特征點(diǎn)的內(nèi)容，從而達(dá)到精確匹配的實(shí)驗(yàn)結(jié)果。

由于采集到的樣片片段并不能確定是在什么位置，但假定待識(shí)別的樣片是某影片的一部分，那當(dāng)兩者按時(shí)間順序排列的指紋集也按時(shí)間對(duì)齊時(shí)，就會(huì)出現(xiàn)大量的指紋重合，其中每一組重合的指紋，其幀偏移量之差則會(huì)大量相等。這可以表明，該樣片片段中的指紋在該影片中多次出現(xiàn)，且這些指紋之間的時(shí)間差或者相對(duì)位置特征一致，從而也證實(shí)了我們的假定。

該算法的具體過(guò)程如下：

(1)將待識(shí)別的樣片分段生成指紋特征點(diǎn)，附帶其每一幀的幀偏移量為伴隨屬性；

(2)對(duì)獲得的指紋特征點(diǎn)作為散列點(diǎn)進(jìn)行存儲(chǔ)，建立其對(duì)應(yīng)的散列表；

(3)將指紋特征中的指紋信息作為匹配關(guān)鍵字，在指紋庫(kù)中逐一檢索，得到所有匹配的特征點(diǎn)。

(4)記錄所有匹配的特征點(diǎn)的幀偏移量，并計(jì)算其與待匹配指紋的幀偏移量之差；

圖8 聲紋匹配算法原理示意圖

(5)最后將所有標(biāo)準(zhǔn)樣片ID相同，幀偏移量之差相同，已匹配成功的特征點(diǎn)個(gè)數(shù)進(jìn)行累加求和，累加值最大的標(biāo)準(zhǔn)樣片ID即認(rèn)為是匹配結(jié)果。過(guò)程示意圖如圖8所示。

相比較原始的關(guān)鍵信息直接匹配，加入幀偏移量作為伴隨屬性，利用相對(duì)時(shí)間來(lái)進(jìn)行匹配，拋開(kāi)了對(duì)樣片片段起點(diǎn)的限制，使得匹配率大大提升。但在實(shí)驗(yàn)中受周圍環(huán)境因素的影響，導(dǎo)致采集的樣片片段中混有部分噪音信息，混雜著提取出無(wú)用指紋，影響影片的識(shí)別率，這將在后期的實(shí)驗(yàn)改進(jìn)中繼續(xù)探索有效的解決辦法。

4 實(shí)驗(yàn)后期改進(jìn)優(yōu)化方向

在聲紋特征進(jìn)行識(shí)別的過(guò)程中，還需要考慮很多問(wèn)題，例如讀取的語(yǔ)音過(guò)短，周圍環(huán)境噪音的干擾，不同的麥克風(fēng)和信道等，都影響著識(shí)別性能。因此結(jié)合之前結(jié)果，我們?cè)谥罂紤]的主要方面是如何消除背景環(huán)境噪音對(duì)識(shí)別的干擾。

在多次實(shí)驗(yàn)后發(fā)現(xiàn)在環(huán)境非理想的情況下，可能會(huì)出現(xiàn)匹配度不夠高的現(xiàn)象。對(duì)實(shí)驗(yàn)數(shù)據(jù)分析后發(fā)現(xiàn)，可能是由于不同的麥克風(fēng)信道不同而導(dǎo)致錄音失真，又或者是因?yàn)榄h(huán)境噪音增量過(guò)高導(dǎo)致。因此，在后期我們通過(guò)采用一定的噪聲抑制技術(shù)來(lái)消除噪聲對(duì)實(shí)驗(yàn)的干擾，同時(shí)對(duì)算法進(jìn)行改進(jìn)升級(jí)。

降噪主要是優(yōu)化聲學(xué)特征，讓原本受噪干擾的音素落回到正確的音素類別，即降低原聲音的CE量。但降噪和保證語(yǔ)音分量是個(gè)相互矛盾的問(wèn)題，在弱噪環(huán)境下對(duì)純凈語(yǔ)音進(jìn)行降噪處理，不可避免會(huì)對(duì)語(yǔ)音有所損傷。因此既要保證降噪做到很好的跟蹤，又要保證語(yǔ)音分量不會(huì)被損傷，找到合適的度來(lái)跟蹤降噪過(guò)程，平衡降噪與語(yǔ)音分量之間的平衡則是關(guān)鍵問(wèn)題。經(jīng)過(guò)思考我們嘗試了維納濾波降噪法。

4.1維納濾波降噪原理

維納濾波器降噪即設(shè)計(jì)一個(gè)數(shù)字濾波器h(n)，使得輸入的帶噪語(yǔ)音信號(hào)與純凈語(yǔ)音信號(hào)的誤差滿足LMS準(zhǔn)則，當(dāng)輸入為y(n)時(shí)，濾波器輸出得到結(jié)果，根據(jù)最小均方誤差準(zhǔn)則對(duì)結(jié)果進(jìn)行計(jì)算得出極小值，經(jīng)過(guò)一系列推導(dǎo)，得到維納濾波器譜估計(jì)器：

根據(jù)維納濾波器譜估計(jì)器進(jìn)一步導(dǎo)出本幀的維納濾波器傳遞函數(shù)Hi(k)。

4.2 MATLAB仿真結(jié)果

得到關(guān)系函數(shù)后使用MATLAB數(shù)學(xué)軟件進(jìn)行仿真分析，得到頻譜圖。

通過(guò)仿真結(jié)果可以對(duì)比出該算法確實(shí)可以對(duì)原始音頻進(jìn)行有效的降噪。得到平滑的音頻數(shù)據(jù)，但是這種降噪處理對(duì)波形本身就比較平滑的聲音來(lái)說(shuō)卻是一場(chǎng)災(zāi)難，它會(huì)消滅原始音頻的聲紋特征并將其變成噪音。但是在實(shí)際過(guò)程中，電影的音頻文件可能并不都是適合該算法的理想狀況，某些電影的片段聲紋就是平滑的波形，所以就可能出現(xiàn)語(yǔ)音文字丟失或者波形失真的情況，使得處理效果也隨之變差，所以可以發(fā)現(xiàn)維納濾波器降噪算法的降噪處理并不適用于電影識(shí)別中。因此在消除背景噪音的方法中，我們還在尋找更合適降噪的替代算法，以便在進(jìn)行聲紋識(shí)別前得到最優(yōu)化的聲學(xué)特征信息。

圖9 仿真實(shí)驗(yàn)結(jié)果圖

5總結(jié)

根據(jù)實(shí)驗(yàn)探索結(jié)果，采用基于Landmark構(gòu)造指紋的聲紋識(shí)別算法基本實(shí)現(xiàn)了電影樣本聲音識(shí)別的功能，并具有較高的識(shí)別率，能夠?yàn)橛霸悍庞硟?nèi)容的監(jiān)測(cè)提供有效思路。但整個(gè)識(shí)別過(guò)程還有提升空間，因此在實(shí)驗(yàn)后期，我們?yōu)樘岣咦R(shí)別率也進(jìn)行了優(yōu)化，嘗試使用維納濾波降噪原理來(lái)設(shè)計(jì)算法對(duì)采集的聲音片段進(jìn)行降噪處理，剔除無(wú)用指紋信息，以最大限度地減少采集環(huán)境中背景噪音的影響。該優(yōu)化方向取得了一定效果，但在電影音頻信息中不具有通用性，我們也會(huì)嘗試其他的優(yōu)化方向。此外在監(jiān)測(cè)電影放映內(nèi)容的整體思考中，我們還需更多考慮，或可采集畫(huà)面數(shù)據(jù)，分析其放映質(zhì)量與內(nèi)容，選取有效識(shí)別算法，為單一的聲紋識(shí)別做補(bǔ)充，從而形成更加嚴(yán)密的放映監(jiān)測(cè)機(jī)制。