基于K-L距离的两步固定音频检索方法

根据音频文件数据量大、数据间存在一定相关性的特点,提出一种基于K-L距离的两步固定音频检索方法。该方法采用基于可变门限的直方图检索方法快速筛选出相似度较高的语音文件,利用特征矩阵的K-L距离对剩余语音进行精确比较,取得较好的效果。实验结果证明,该方法能使检索准确率达到90%左右。     

基于多线程的音频设备上位机控制系统

设计一种音频设备的上位机控制系统,实现对多台音频设备的集中和远程控制。为了保证上位机在与设备通信的同时,能及时响应前台界面的用户操作,引入了多线程技术。同时,音频设备具有经常被持续、快速调节同一参数的特点,为解决在此情况下由于硬件通信速度有限而导致的设备滞后响应上位机用户操作的问题,设计了一种冗余命令剔除机制。该机制不仅有效地减少了通信占用的资源,而且更好地保证了用户对设备调节控制的实时性。     

The effect of visualizing the flow of multimedia content among and inside devices

This study introduces a user interface, referred to as the flow interface, which provides a graphical representation of the movement of content among and inside audio/video devices. The proposed interface provides a different frame of reference with content-oriented visualization of the generation, manipulation, storage, and display of content as well as input and output. The flow interface was applied to a VCR/DVD recorder combo, one of the most complicated consumer products. A between-group experiment was performed to determine whether the flow interface helps users to perform various tasks and to examine the learning effect of the flow interface, particularly in regard to hooking up and recording tasks. The results showed that participants with access to the flow interface performed better in terms of success rate and elapsed time. In addition, the participants indicated that they could easily understand the flow interface. The potential of the flow interface for application to other audio video devices, and design issues requiring further consideration, are discussed.     

基于LPCMCC的音频数据检索方法

LPC美尔倒频谱系数（LPCMCC）根据人耳听觉特性将LPC倒谱系数（LPCC）用非线性美尔尺度进行变换,从而更接近人耳的听觉系统。基于此提出一种采用LPCMCC为特征参数,通过动态时间规整算法进行音频数据的分类与检索方法。实验结果表明,该方法的检索精度高于LPCC,检索效率高于美尔倒谱系数（MFCC）。     

Avalon总线的音频编解码控制器IP核设计

介绍了基于Avalon总线的WM8731音频编解码控制器IP核的设计,包括音频数据访问接口模块和Avalon-MM接口模块等,并利用SOPC技术将其封装成可重用的IP核.自定义IP核的使用,有效降低了该芯片的开发难度,同时也使系统易于扩展和升级,具有较高的灵活性.在Quartus Ⅱ和ModelSim下使用VHDL语言完成了控制器的设计、仿真以及Nios Ⅱ系统的构建,并通过SignalTap Ⅱ逻辑分析仪进行了硬件测试.仿真和测试结果表明,该控制器满足WM8731各项时序要求.     

DirectShow技术的应用研究与开发

研究了采用DirectShow技术从音视频设备获取媒体数据并进行后期处理的问题. 随着多媒体技术应用的越来越广, 用户对多媒体产品的要求也越来越高. 早期的多媒体软件与音视频设备高度关联, 存在着通用性差、功能扩展难等诸多局限, 不能满足用户需求. 本文基于DirectShow系统对硬件的充分支持以及硬件设备无关性的特点, 提出了一种采用DirectShow技术的设计方法, 解决了多媒体软件受限于设备的问题. 经测试表明, 该方法达到了预期, 在多媒体领域将有良好的应用前景.     

一种改进的DCT域数字音频水印算法

针对现有数字音频水印算法不能同时满足隐蔽性与鲁棒性的问题,在添加水印之前,先将水印的二值图像与随机密钥进行加密操作,再对载体进行三级小波变化和DCT变换,最后对比加密后的水印信息与载体信号,得到密钥值,并将密钥嵌入到载体音频的DCT中频系数中。实验结果表明,该算法能在隐蔽性和鲁棒性之间达到一个较好的平衡。     

基于UniSPeech-SDA80D51的车载音响声控系统

提出一种语音命令控制车载音响操作的设计方案,以德国Infineon公司新推出的具有DSP和单片机双核的SoC语音处理芯片UniSpeech-SDA80D51为核心组成非特定人车载音响语音控制系统,并实现了系统样机的研制.该系统在江淮同悦SL1102C1型车载音响上进行了语音控制实测,实测数据表明系统语音识别率可达到95...     

基于ATMEGA16语音录放系统的设计与实现

介绍了具有较强通用性的语音告警系统。系统通过单片机ATMEGA16控制语音芯片ISD1790,实现了在不同情况下提供不同的语音提示告警,且提示语音可以自行录入。最后通过D类音频功率放大器TPA3101D2,实现了高音质大音量语音输出。     

基于Linux的实时音频与视频传输

讨论了多媒体会议中音频与视频的传输特性、要求和协议标准。并给出了程序实现。