Audio în principal realizează următoarele funcţii: A, extragerea plic audio, realizând volumul este prea mare, prea mică, şi funcţia de detectare a intercepta; B, compararea valorilor energiei, înainte şi după pauză audio, pentru a realiza funcţia de detectare a sunetului; C, audio linie dreaptă prima pentru amenajare de prelucrare se face pe valoarea de volum la începutul şi la sfârşitul pentru a obţine panta şi deplasare verticală a liniei drepte montate, astfel încât să se realizeze funcţia de detectare şi primul-end fade-in fade-out efect; D. spectrului sunetului curent tipic are caracteristici evidente luminos de linie. Prin calcularea energia audio şi de valoarea corespunzătoare a varianţei, această caracteristică este analizat pentru a realiza funcţia de curent de detectare a sunetului. Inventia are avantaje care se adoptă metoda pentru extragerea plic, şi acurateţea detectarea volumul este în continuare îmbunătăţită; detectarea de decolorare şi în afară este bine realizată, iar precizia este mare; metoda are un efect bun detection sunet specific de curent.
Cu îmbunătăţirea continuă a calităţii vieţii de oameni moderne, exercitarea oameni pe muzica de calitate este de a deveni mai urgente. Calitate MP3s, muzică format fără pierderi şi similare, muzica aprecierea site-uri şi software-ul, de asemenea, din ce în ce sunt implicate în vieţile oamenilor de zi cu zi. Cu toate acestea, într-un număr mare de biblioteci de muzică muzică, calitatea audio nu este uniformă, şi detectarea manuală calitatea sunetului necesită o mare cantitate de lucru şi nu este durabilă. Prin urmare, acest lucru necesită o bună măsură pentru a rezolva această problemă.
Metoda de detectare caracteristică audio, aceste caracteristici vor afecta efectul auditive publicul într-o anumită măsură, oferind astfel o anumită referinţă pentru detectarea artificiala de calitate a sunetului. Prin această metodă, caracteristici audio pot fi detectate automat, volum de muncă imens şi forţa de muncă pericol de manuale sunt reduse si eficienta de detectare este îmbunătăţit în mod eficient. În acelaşi timp, rata de detecţie false caracteristice cauzate de factori umani pot fi reduse, şi acurateţea detectarea este asigurată în continuare.
Extragerea de caracteristici audio, apoi analizează eficienţa şi robusteţea de aceste caracteristici pentru a distinge tipuri diferite de audio la două aspecte. În cele din urmă, pe baza acestor caracteristici, un suport vector maşină (SVM) clasificator este folosit pentru a tren şi testa pe un set de date audio de aproximativ 5 ore, împărţirea audio în cinci categorii predefinite: mut, pur discurs, discurs impur, muzică şi sunet ambiental. Rezultatele experimentale arată că utilizarea eficientă caracteristici audio, este posibil să clasifice audio scene în diferite tipuri.
