1、隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，人們有機(jī)會(huì)接觸到大量的多媒體內(nèi)容。由于多媒體數(shù)據(jù)量的快速增長(zhǎng)，對(duì)多媒體內(nèi)容的分析和分類變得越來(lái)越迫切。作為多媒體數(shù)據(jù)中標(biāo)志性部分的音頻數(shù)據(jù)，為人們的感知提供了重要的信息內(nèi)容，因而音頻信號(hào)處理在多媒體信息處理中占有重要地位。 近年來(lái)，由于話者分割在音頻檢索、說(shuō)話人身份鑒別和自動(dòng)跟蹤等方面的廣泛應(yīng)用，眾多學(xué)者在說(shuō)話人分割方面做了大量研究。話者分割，是根據(jù)語(yǔ)音波形中反應(yīng)說(shuō)話人生理和行為特征的語(yǔ)音參數(shù)，自動(dòng)分割出說(shuō)

2、話人改變點(diǎn)的過(guò)程，它是音頻信息處理研究領(lǐng)域的一個(gè)重要研究方向，具有廣泛的應(yīng)用前景，得到人們?cè)絹?lái)越多的重視。 區(qū)別于一般用能量分割靜音的方法，本文采用一種新的似然比特征去除低信噪比環(huán)境中的噪聲，提高了系統(tǒng)的魯棒性。同時(shí)，由似然比特征，導(dǎo)出了一種新的特征參數(shù)--似然比交叉率，該特征能很好的表征語(yǔ)音和音樂(lè)間的差別，這個(gè)特征也適用于其他低信噪比環(huán)境。 文中對(duì)傳統(tǒng)的貝葉斯話者分割算法存在的問(wèn)題進(jìn)行分析，提出了一種新的改進(jìn)型貝葉斯話

3、者分割算法。該算法基于貝葉斯準(zhǔn)則確定初選改變點(diǎn)，對(duì)其端點(diǎn)的變化趨勢(shì)做進(jìn)一步分析，得出說(shuō)話人改變的分割點(diǎn)。 支持向量機(jī)是在統(tǒng)計(jì)學(xué)理論上發(fā)展起來(lái)的一種模式識(shí)別方法，在解決有限樣本、非線性及高維模式識(shí)別問(wèn)題中表現(xiàn)出許多特有的優(yōu)勢(shì)，同其他模式識(shí)別方法相比主要有兩個(gè)特點(diǎn)：一是它采用非線性核函數(shù)來(lái)表示特征空間的內(nèi)積，另外它采用分類間隔最大的最優(yōu)分類超平面實(shí)現(xiàn)結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則。由于支持向量機(jī)具有堅(jiān)實(shí)的理論基礎(chǔ)，得到越來(lái)越多的研究，并在各個(gè)領(lǐng)