語音和音樂是兩類最重要的音頻數(shù)據(jù)，語音和音樂的自動分類" title="自動分類">自動分類在基于內(nèi)容的音頻檢索、視頻的摘要以及語音識別等眾多領(lǐng)域都有重要的應(yīng)用價(jià)值。
　　目前，國內(nèi)外語音信號" title="語音信號">語音信號識別多采用基于感覺特征(例如響度、音調(diào)、諧度等)和過零率、功率譜、MFCC系數(shù)等多種語音/音樂分類特征的模式識別技術(shù)實(shí)現(xiàn)信號的自動識別^[1～5]。然而當(dāng)識別對象的參數(shù)不完整、不齊全時(shí)，這些方法有的不能給出正確可靠的結(jié)果，有的無法進(jìn)行識別，有的識別的可靠性較差。由于語音信號環(huán)境的復(fù)雜和多變性，語音和音樂信號參數(shù)有時(shí)很難完全得到，上述方法在實(shí)際應(yīng)用中存在一定的局限性。
　　因此，如何有效利用現(xiàn)有的少量音頻數(shù)據(jù)，準(zhǔn)確地進(jìn)行音頻信號自動分類識別，尤其是語音和音樂的分類，并作為提取音頻內(nèi)容語義和結(jié)構(gòu)的重要手段之一，其研究日益引起人們的重視?；疑到y(tǒng)理論特別是灰關(guān)聯(lián)分析方法的發(fā)展，為解決這一問題提供了可能。
1 語音/音樂信號的灰關(guān)聯(lián)分析方法
　　灰色系統(tǒng)理論屬系統(tǒng)論的范疇，灰色是指信息不完全?；疑到y(tǒng)理論主要研究系統(tǒng)模型不明確、行為信息不完全、運(yùn)行機(jī)制不清楚這類系統(tǒng)的建模、預(yù)測、決策和控制等問題^[9]。在進(jìn)行序列關(guān)聯(lián)分析時(shí)，必須先確定參考數(shù)列，然后比較其它序列與參考序列的接近程度，進(jìn)而做出判斷?；谊P(guān)聯(lián)分析的主要步驟：(1)確定參考序列和比較序列；(2)求灰關(guān)聯(lián)系數(shù)；(3)求灰關(guān)聯(lián)度；(4)按灰關(guān)聯(lián)度大小排序。
2 參考序列和比較序列的確定
　　選取一段無停頓的語音信號和音樂信號作為待識別音頻信號，音頻信號的特征提取" title="特征提取">特征提取本質(zhì)上起到了降維作用，用較少的維度表現(xiàn)了時(shí)域上的音頻信號。考慮到只有在5~20ms的時(shí)間間隔內(nèi)才可以認(rèn)為音頻信號的特征基本保持不變。因此本文選取短時(shí)能量均方根的概率統(tǒng)計(jì)方法提取語音和音樂信號的特征。

　　圖1(a)和圖2(a)分別為語音和音樂信號短時(shí)能量的均方根(RMS)的時(shí)域波形^[4]。其采樣頻率均為11025Hz，矩形窗長度N取10ms，時(shí)間長度為30s。
　　
　　式(1)中，x(n)為音頻信號，矩形窗序列沿音頻樣點(diǎn)序列逐幀移動，每段幀長度為N。
　　30s的RMS的概率分布即信號分布頻數(shù)直方圖如圖1(b)、圖2(b)所示。由圖可知兩分布有較明顯的差異，可以作為識別語音和音樂信號的特征依據(jù)。進(jìn)一步研究發(fā)現(xiàn)其概率分布服從不同參數(shù)時(shí)的廣義χ²分布^[4]。
　　選取上述30s的語音和音樂信號RMS概率分布作為參考序列，記為x_j={x_j(k)|k=1,2,…,K}，其中x₁為語音參考序列，x₂為音樂參考序列。選取同一語音源音樂源的數(shù)據(jù)作為比較序列，記作y_i={y_i(k)|k=1,2,…,K}，其中y₁為語音比較數(shù)列，y₂為音樂比較序列。K為特征數(shù)量，本文取K=10。為檢驗(yàn)不同長度比較序列的灰關(guān)聯(lián)度，特征提取的比較序列時(shí)間長度分別取0.1s、1s、10s。圖3為與30s的語音和音樂參考信號RMS概率分布比較圖。由圖3可知，比較序列的時(shí)間長度越長，概率分布與參考序列的相似程度就越大，當(dāng)比較序列時(shí)長為10s時(shí)，概率分布幾乎與參考序列吻合。

?

　　為保證音頻序列的可比性，在進(jìn)行灰關(guān)聯(lián)分析時(shí)，需要對序列進(jìn)行初值化生成處理，即對一個(gè)數(shù)列的所有數(shù)據(jù)均用其第一個(gè)數(shù)去除。這個(gè)新序列表明原始數(shù)列中不同時(shí)刻的值相對于第一個(gè)時(shí)刻值的倍數(shù)。
3 計(jì)算灰關(guān)聯(lián)系數(shù)
　　在語音/音樂識別中，由于目標(biāo)的類型為兩個(gè)，有兩個(gè)參考序列，為區(qū)分不同的類型，就需要求一組比較序列與二組參考序列的灰關(guān)聯(lián)度。如果在局部環(huán)境下計(jì)算每一組比較序列分別與二組參考序列的灰關(guān)聯(lián)系數(shù)，則在不同局部條件下所得到的灰關(guān)聯(lián)度將失去可比性。因此，為實(shí)現(xiàn)對音頻類型的識別，在計(jì)算某一個(gè)比較序列與各個(gè)參考序列的灰關(guān)聯(lián)度時(shí)，必須是在相同最大" title="最大">最大值和最小值下計(jì)算，從而得到“全局環(huán)境”的灰關(guān)聯(lián)度系數(shù)。
　　計(jì)算全局環(huán)境下的灰關(guān)聯(lián)系數(shù)的算法如下：
　　

　　其中，Nj={1,2}，Ni={1,2}，K={1,2,…，10}，常數(shù)ξ稱為分辨系數(shù)，ξ∈[0,1]，其作用是調(diào)整比較環(huán)境的大小。ξ????
4 計(jì)算灰關(guān)聯(lián)度
　　灰關(guān)聯(lián)分析的實(shí)質(zhì)，就是對數(shù)列曲線進(jìn)行幾何關(guān)系的比較。若兩數(shù)列曲線重合，則關(guān)聯(lián)性好，關(guān)聯(lián)系數(shù)為1，兩數(shù)列關(guān)聯(lián)度也等于1。同時(shí)兩數(shù)列曲線不可能垂直，即無關(guān)聯(lián)性，所以關(guān)聯(lián)系數(shù)大于0，故關(guān)聯(lián)度也大于0。由于在比較全過程中，關(guān)聯(lián)系數(shù)不止一個(gè)，因此，取關(guān)聯(lián)系數(shù)的平均值作為比較全過程的關(guān)聯(lián)程度rji的度量，即:
　　
5 按灰關(guān)聯(lián)度大小排序
　　對參考序列x_j和比較序列y_i的關(guān)聯(lián)度從大到小進(jìn)行排序，即得灰關(guān)聯(lián)序列。本文采用最大灰關(guān)聯(lián)度的識別原則。
　　通過500次蒙特卡羅實(shí)驗(yàn)，表1給出時(shí)間長度0.1s、1s、10s比較序列，采用最大灰關(guān)聯(lián)度的識別結(jié)果。

　　圖4為進(jìn)行100次蒙特卡羅仿真，三種時(shí)間長度的語音和音樂比較信號與各比較序列的最大灰關(guān)聯(lián)度。