我正在做一个项目，通过使用广告的剪辑片段（口号）检测传输中的广告，基于如下查看音轨：
音频信号->帧->窗口-> FFT（快速傅立叶变换）- -> DCT（离散余弦变换）-> MFCC（梅尔频率倒谱系数）-> DTW（动态时间规整）。为此，我使用 MFCC作为音频功能，DTW（动态时间扭曲）用于比较音频帧和帧之间的欧几里德距离的平均值，以计算扭曲距离。然后翘曲距离除以要计算的总帧数MSE（均方误差），根据阈值 1 检查。
我的算法无法检测来自嘈杂传输的广告和相同标语的不同广告。我是否对这种类型的音频检测使用了正确的方法？还有其他更合适的方法吗？如果需要，你能建议我任何好的信号预过滤吗？
问问题
222 次