随着智能时代的来临,音频信号处理技术日益引起人们的广泛关注。在生活中,现实声场景中包含丰富的有用信息,当一个环境中存在着潜在危险时,可通过对场景中异常声音的关键特征进行识别检索来达到对危险声环境监测的效果。另外,当人们需要从海量的音频文件中找到某个目标音频文件时,也可以利用音频的关键特征进行检索识别,从而提高办事效率。无论是异常声音检索系统还是常规声音的检索系统,都需要进行音频特征提取并建立音频特征库。针对不同应用场景下的音频检索问题,本课题分为两个部分进行研究探讨,一是通过改进异常音频特征参数进而提高异常音频检索系统的性能;二是通过减小音频特征库的数据量进而提高音频的检索速率。本课题的详细研究工作如下:(1)针对危险声场景检测开展研究,提出了基于梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)与矢量量化(Vector Quantization,VQ)的异常音频检索方法。本课题首先从互联网、华纳音效数据库(Warner Sound Database,WSD)以及索尼音频数据库(Sony Sound Database,SSD)等选取了爆炸声、尖叫声、急刹车声、哭泣声、警报声、枪声、摔倒声、呼救声、玻璃破碎声以及车辆急促鸣笛声等构建成异常音频数据库。其次,结合所构建的数据库对异常声音的时域以及频域特点进行分析,根据异常声音在时频域的特点并结合人耳听觉特性,选定梅尔频率倒谱系数为提取的特征参数。通过分析可知音频信号的第一个MFCC系数对应于信号的低频带信息,而该维系数所包含有用信息相对较少,对检索准确率贡献较小。为此,本文在构建特征参数时舍弃MFCC参数的第一维信息,用时域短时能量(Short-term Energy,STE)代替,组合成特征参数MFCC-STE。再次,通过比较各类识别模型分类器的优缺点,选择矢量量化器为异常声音识别分类器并以MFCC-STE作为异常声音特征参数,实现了异常音频检索分类。最后,通过实验仿真分析发现特征参数MFCC-STE对于提高异常音频检索系统性能有着较好的效果。说明本文所提方法对于异常声音检索系统有一定的研究意义和实用价值。(2)针对现有音频检索中样本音频特征库数据量较大且检索速率慢的问题,本课题提出一种基于压缩感知和音频指纹降维的固定音频检索方法。在音频检索的训练阶段,首先,对样本音频信号进行稀疏化处理,并通过压缩感知算法对稀疏化后的音频数据进行压缩;其次,提取压缩信号的音频指纹;再次,引入音频指纹离散基尼系数,并通过计算音频指纹各维度的离散基尼系数对指纹实施降维,最终得到检索特征库。在音频检索阶段使用与训练阶段相同的算法提取待检音频的特征,并与音频特征库数据匹配得出检索结论。实验结果表明,所提音频检索方法在确保较好的检索准确率的基础上,大幅度减小了样本音频数据库的存储量,提高了音频的检索速率。