HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG
TÀO NGỌC BIÊN ĐỀ TÀI:
TÌM KIẾM ÂM NHẠC TRÊN CƠ SỞ NỘI DUNG VÀ ỨNG DỤNG
TẠI TRƯỜNG ĐẠI HỌC VĂN HÓA, THỂ THAO VÀ DU LỊ
CH
THANH HÓA CHUYÊN NGÀNH: KHOA HỌC MÁY TÍNH
MÃ SỐ: 60.48.01
TÓM TẮT LUẬN VĂN THẠC SĨ
HÀ NỘI - 2012

Luận văn được hoàn thành tại:
HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG
Người hướng dẫn khoa học: PGS. TS ĐẶNG VĂN ĐỨC

MỞ

ĐẦU

Cùng

với

sự

phát

triển

của

Công

nghệ

thông

tin

thì

khối

lượng


kiếm

đơn

giản

nên
hiệu quả còn chưa cao. Vì vậy mục tiêu của luận văn này nhằm tìm hiểu một số kỹ
thuật nâng cao tìm kiếm thông tin, cụ thể ở đây là tìm kiếm âm nhạc theo nội dung
trong

cơ

sở

dữ

liệu

đa

phương

tiện

nhằm

đáp

ứng

các

kiểu

âm thanh.

Cho

trước

một

đoạn

âm
thanh, ta có thể nói loại âm thanh đó (tiếng nói, âm nhạc hay nhiễu), tốc độ (nhanh
hay chậm), tâm trạng (vui, buồn ) và xác định được tính tương đồng với đoạn âm
thanh khác. Tuy nhiên, máy tính coi đoạn âm thanh như dãy giá trị mẫu. Cho đến
hiện tại, phương pháp chung nhất để xâm nhập âm thanh dựa trên cơ sở tiêu đề và
tên tệp. Do tên tệp và mô tả văn bản là không đầy đủ và chủ quan cho nên việc tìm
ra đoạn âm thanh thõa mãn người sử dụng là rất khó khăn. Thêm nữa, kỹ thuật truy
tìm

này

không

hỗ

trợ

vậy, truy tìm âm thanh trên cơ sở nội dung được thực hiện trên cơ sở tập các đặc
tính âm thanh được trích chọn như cường độ trung bình hay phân bổ tần số.
2

Nhận thấy những tiện

ích Cơ sở dữ liệu đa phương tiện cũng như

việc tìm
kiếm âm nhạc trên cơ sở nội dung, em lựa chọn và thực hiện đề tài “Tìm kiếm âm
nhạc trên cơ sở nội dung và ứng dụng tại trường Đại học Văn hóa, Thể thao và Du
lịch Thanh Hóa”

nhằm nghiên cứu về cơ sở dữ liệu đa phương tiện, các kỹ thuật
tìm kiếm âm thanh trên cơ sở nội dung và xây dựng ứng dụng.
Cấu

trúc

luận

văn

Chơng

1:


Chơng

2:

Kỹ

thuật

tìm

kiếm

cơ

sở

dữ

liệu

âm

nhạc

- Đặc trưng chính của âm thanh
- Phân lớp âm thanh
- Chỉ số hóa và truy tìm âm nhạc
- Kỹ thuật đối sánh trong cơ sở dữ liệu âm thanh
Chơng


Thể

thao

và

Du

lịch

Thanh

Hóa

- Nhu cầu tìm kiếm âm nhạc theo nội dung phục vụ giảng dạy
- Trình bày các thuật toán tìm kiếm âm thanh theo nội dung.
- Phân tích, thiết kế, xây dựng và cài đặt thử nghiệm
Kết

luận

và

hớng

phát

triển
3


Tình

hình

nghiên

cứu

trong

và

ngoài

nớc

về

Cơ

sở

dữ

liệu

đa

phơng


thanh, các đối tượng đồ hoạ…. Một hệ quản trị CSDL MM cung cấp hỗ trợ cho các
loại dữ liệu MM trong việc tạo lập, lưu trữ, truy cập, truy vấn và kiểm soát.

1.2.1

Mục

đích

của

MDBMS1.2.2

Các

yêu

cầu

của

một

MDBMS1.2.2.1 Khả năng quản trị lưu trữ lớn


trực

tuyến

(online),
không trực tuyến (offline). Một cách tổng quát, mức cao nhất của hệ thống sẽ cho ta
hiệu suất cao nhất, khả năng lưu trữ nhỏ nhất, chi phí cao nhất và sự cố định ít nhất.
Các lớp cao trong hệ thống phân cấp này có thể sử dụng để lưu trữ các đối tượng
tóm tắt nhỏ hơn của một dữ liệu MM hoàn chỉnh với mục đích cung cấp khả năng
duyệt và xem trước nhanh đối với nội dung của dữ liệu.

1.2.2.2 Hỗ trợ truy vấn và khai thác dữ liệu.

Truy vấn

đối

với

dữ

liệu

MM

bao

gồm các



thể

có

các

cách

suy nghĩ

khác
nhau về dữ liệu MM vì vậy kết quả thu được từ việc truy vấn dữ liệu MM

có thể
không hoàn toàn chính xác và có thể chỉ là các kết quả tương tự hoặc là một phần
của kết quả hơn là các kết quả chuẩn xác.
4

1.2.2.3 Tích hợp các phương tiện, tổng hợp và thể hiện
Giả sử tính đa dạng của các kiểu dữ liệu đã được hỗ trợ, một MDBMS cũng
phải cung cấp khả năng để tích hợp các loại dữ liệu này để tạo nên các kiểu dữ liệu
MM mới và thể hiện các dữ liệu này khi có yêu cầu trong một khung thời gian yêu
cầu. Độ phức tạp của việc tích hợp, tổng hợp và thể hiện bị tăng thêm bởi các đặc
tính cơ bản của dữ liệu MM như tính liên tục (tạm thời) của dữ liệu MM đặc biệt là
với các kiểu dữ liệu như video, hoạt hình hoặc âm thanh.


chất lượng

của
dịch vụ (QoS – Quality of service).

1.2.3

Các

vấn

đề

của

MDBMS1.2.3.1 Mô hình hoá dữ liệu MM
Có hai cách tiếp cận cơ bản trong việc mô hình hoá dữ liệu MM là:

-
Phơng

pháp

thứ

nhất
: xây dựng một mô hình dữ liệu MM trên nền tảng


với

CSDL

MM

khiến

cho

giao
diện

trở

thành

nơi

nghẽn

cổ

chai

trong

toàn


từ

đầu

chứ

không

xây dựng

trên

cơ

sở

của

các

CSDL

truyền

thống,

tuy
nhiên

mọi

1.2.3.2 Lưu trữ đối tượng MM
Lưu

trữ

vật

lý

các

dữ

liệu

Multimedia

đòi

hỏi

các

phương

thức

để

chuyển

các

hệ

thống
Multimedia

thông

thường

sử

dụng

phương

thức

phân

cấp

đối

với

các

thiết


tục

của

một

số

kiểu

dữ

liệu

MM

mà
chúng đòi hỏi thể hiện một số lượng nhất định dữ liệu trong một khoảng thời gian
nhất định mà kết quả đem lai cho người dùng vẫn phải đảm bảo được đặc trưng của
các kiểu dữ liệu đó. Khi mà dữ liệu MM được bố trí phân tán và truyền đi trên mạng
thì các vấn đề về thể hiện càng trở nên cấp thiết hơn, chúng ta đã bắt gặp điều này
trong trường hợp băng thông hạn chế.
6

1.2.3.4 Chỉ số hoá Multimedia
Cũng như trong các CSDL truyền thống, các dữ liệu


việc

truy

cập

nội

dung,

nó
xem

xét

đến

nội

dung

thực

sự

của

dữ



1.4

Các

kỹ

thuật

chủ

yếu

tìm

kiếm

âm

thanh

trong

cơ

sở

dữ

liệu.

min







7

Để thu được

một thời gian tuyến tính dưới một cách phức tạp, chúng ta sử
dụng vị trí của hàm băm miền nhạy cảm LSH là một thuật toán ngẫu nhiên cho việc
tìm kiếm khoảng cách hàng xóm gần nhất trong không gian nhiều chiều. Thuật toán
LSH là thuật toán tìm kiếm K hàng xóm gần nhất hoặc tìm kiếm xấp xỉ K hàng xóm
gần nhất.

1.4.1.2 Thuật toán DTW(Dynamic Time Warping)
Cho

chuỗi

âm

tiết



có

chuỗi

vector

đặc

tính

X




x
1
,

x
2

,
x
T


,


gì và

trong quá trình xử lý

cần phải

giảm thiểu tối

đa các

sai số
quyết

định.

Mỗi

tín

hiệu

âm

tiết

đầu

vào

W


đặc

tính

của

tín

hiệu

âm

tiết

W
l

.

Nhằm

tăng

khả

năng

nhận


,
M
l

.

Quá

trình

quyết

định âm tiết phù hợp với một mẫu dựa theo nguyên tắc sau:

l

*



argminmin

D
(

X

,
Y
l

với

mẫu

Y
l
tìm

được.Khoảng

cách

D(X,Y)

giữa

dữ

liệu

đầu

vào

và

dữ


xác

định

bằng

tổng

các

khoảng

cách

cục

bộ
d
ij



d
(
x
i

,


cách

tíchluỹ

D
ij



D
(
x
1

x
i

,

y
1y

j


cách

tổng

D(X,Y)=D
TS
.1.4.1.3 Thuật toán HMM (Hidden Markov Model )
Mô hình Markov ẩn được sử dụng trong việc thống kê mô hình tạo âm thanh.
Tính hiệu quả của mô hình được thể hiện trong việc mô tả tín hiệu âm thanh theo
dạng toán học dễ dàng

cho việc xử lý tín

hiệu. Các trạng thái của HMM có được
8

trước khi thực hiện việc xử lý các trạng thái. Như thế đầu vào của HMM chính là
chuỗi các thông số vector rời rạc theo thời gian. Mô hình Markov ẩn là một tập các
trạng

thái

hữu


1.4.2

Các

kiểu

truy

vấn1.4.2.1 Truy vấn trên cơ sở meta-data

1.4.2.2 Truy vấn trên cơ sở mô tả

1.4.2.3 Truy vấn trên cơ sở mẫu

hay đặc trưng

1.4.2.4 Truy vấn theo thí dụ

1.4.2.5 Truy vấn ứng dụng cụ thể

1.5

Các

nguyên

lý

của

dữ

liệu

âm

thanh1.5.1.1 Biểu diễn nội dung âm thanh bằng metadata
Tổng

quát

thì

metadata

được

sử

dụng

để

biểu



số

hoá

trên cơ sở
metadata.

1.5.1.2 Nội dung âm thanh trên cơ sở tín hiệu
CSDL âm thanh có thể có thể được chỉ số hóa bằng tín hiệu âm thanh theo
cách sau đây:




log
10
x



9

Phân đoạn (Segmentation): Chia tín hiệu âm thanh thành các cửa sổ đồng nhất.
Điều này có thể thực hiện bằng hai cách. Một khả năng là người phát triển ứng dụng
có thể xác định kích thước cửa sổ w (đơn vị giây hay ms) và giả sử rằng các đặc tính
sóng trong cửa sổ này có được bằng lấy trung bình. Khả năng thứ hai là người sử

tính
tính đồng nhất H.

Tách đặc trưng (Feature extraction): Một khi đã thực hiện phân ảnh tín hiệu
âm

thanh

được

xem

như

trình

tự

của

n

cửa

sổ

w
1
, ,w
n


liệu truyền dẫn
sóng (tính bằng kg/m
3
), a là biên độ của sóng (tính bằng m), v là vận tốc của sóng
(tính bằng m/s). Cường độ được tính bằng watt/m
2
.



I





L
0



-

Âm

lượng

(Loudness):


sử

rằng

gọi

L
0
là

âm

lượng

kết

hợp

với

tần

số

thấp

mà

tai

- Độ cao (Pitch): Độ cao p(f, a) của tín hiệu âm thanh được tính từ tần số f và
biên độ a của tín hiệu.
10

- Độ trong (Brightness): Độ trong  của tín hiểutong cửa sổ w là thước đo độ
“sạch” của âm thanh. Thí dụ, âm thanh ngẹt ít trong hơn âm thanh của kính vỡ.

1.5.2

Thu

thập

nội

dung

âm

thanh

thông

qua



không

phức

tạp

lắm.

Giả

sử

chúng

ta

có

tập


1
, ,
K
của

tín

hiệu

chọn

N,

có

nghĩa

rằng

chúng

ta

muốn

lưu trữ tập véctơ

N chiều. Tuy nhiên, khi quan sát véctơ, ta thấy khó xác

định nó
được suy diễn từ tín hiệu âm thanh nào. Do vậy, ta giả sử rằng mỗi véctơ có độ dài
(N+1).

Trường

phụ

ở


Bây

giờ ta có thể phát triển CSDL âm thanh bằng các bước như sau đây, sử dụng quan
niệm cây TV để chỉ số hoá dữ liệu nhiều chiều.

Thuật

toán

CreateAudioIndex(K, N)

Index = NIL; (*Ban đầu chỉ số có giá trị rỗng*)

for i=1 to K do

{

for

j=0

to

(N-1)

do

A
i
[j]=DFT(

tìm

kiếm

dữ

liệu

Đa

phơng

tiệnQueries
Query
features
Information
Items
Processing and
feature extraction

Preprocessing


liệu

đa

phơng

tiện1.7

Các

giai

đoạn

phát

triển

MMDBMS



x(n)


n 1

Chơng

2

-

KỸ

THUẬT

TÌM

KIẾM

CƠ

SỞ

DỮ

LIỆU

ÂM

NHẠC2.1

Đặc

mẫu audio, thì ta có giá trị tín hiệu sẽ trong khoảng từ 32767 đến -32767.

Từ cách biểu diễn trên đây ta dễ dàng có được năng lượng trung bình, tốc độ
vượt qua 0 (zero crossing rate) và tỷ lệ câm (silence ratio).

2.1.1.1 Năng lượng trung bình
Năng lượng trung bình chỉ ra âm lượng (loudness) của tín hiệu audio. Có
nhiều cách để tính nó. Một cách tính đơn giản như sau: E 
N 1

N 0
N
2

trong đó, E là năng lượng trung bình của đoạn audio, N là tổng số mẫu trong đoạn
audio, x(n) là giá trị của mẫu n.

2.1.1.2 Tốc độ vượt qua 0
Tốc độ vượt qua 0 chỉ ra tần số thay đổi của dấu biên độ tín hiệu. Nói cách
khác nó chỉ ra tần số trung bình của tín hiệu. Tốc độ vượt qua 0 được tính như sau:
Hình

2.1.






x
(
n
)
e


jn

k



X

(
k
)
e

13

2.1.1.3 Tỷ lệ câm

hiệu

âm

thanh.

Biểu

diễn

miền

tần

số

suy

diễn

từ

biểu

diễn

miền
không

gian

Vì quan tâm đến tín hiệu số cho nên ta sử dụng DFT để suy diễn ra phổ tín
hiệu. Công thức tính DFT như sau:

N


1n

0trong

đó,

k



2k
N
, x(n) là tín hiệu rời rạc với N mẫu, k là DFT bin.

Nếu

tần


sẽ

là:
f

k



f

s


k

2




f

s

k
Như nói trên, DFT làm việc với tín hiệu rời rạc có giới hạn độ dài (N). Thực
tế, rất nhiều tín hiệu trong khoảng thời gian dài. Rất khó tính toán DFT với

N rất
lớn.

Để

giải

quyết

vấn

đề

này,

người

ta

sử

dụng



thành

các

khối

gọi

là
frame và DFT áp dụng cho từng frame. Frame được hình thành bằng cách nhân tín
hiệu gốc với hàm cửa sổ. Thông thường độ dài frame khoảng 10 đến 20 ms được sử
dụng vào phân tích không gian.

2.1.2.2 Băng thông
Băng

thông

chỉ

ra

dải

tần

số

của


tính

toán

năng

lượng

dải

tần

số

cao

và

tần

số

thấp

là

cần

thiết.

thanh

là

điều

hòa.

Trong

âm
thanh điều hòa, các thành phần phổ là số lần nguyên của tần số thấp nhất và tần số
thường

xuyên

cao

nhất.

Tần

số

thấp

nhất

được



nó

quan

hệ

nhưng

không

tương

đương

với

tần

số

cơ

bản.

Tuy nhiên,

trong
thực tế chúng ta sử dụng các tần số cơ bản để xấp xỉ cao độ.


hệ

giữa

ba

biến:

nội

dung

tần

số,

thời

gian

và
cường độ. Trong ảnh phổ, nội dung tần số được biểu diễn theo các trục tung, thời
gian theo trục hoành. Cường độ (intensity, power) của các thành phần tần số khác
nhau của tín hiệu được chỉ ra bằng độ xám, cường độ lớn hơn biểu diễn bởi mức độ
xám cao hơn.

2.1.4

Đặc


cặp âm thanh cảm nhận có độ
cao như nhau nếu giá trị mel của chúng như nhau.

Mel-scale: Xấp xỉ tuyến tính dưới 1 kHz, và loga trên 1 kHz.

2.2

Phân

lớp

âm

thanh2.2.1

Đặc

điểm

chính

của

các

lớp


giá

trị

đặc
trưng. Chúng khác nhau ở chỗ các đặc trưng được sử dụng như thế nào. Nhóm thứ
nhất: mỗi đặc trưng được sử dụng riêng rẽ trong các bước phân lớp. Nhóm thứ hai:
tập các đặc trưng được sử dụng chung như véctơ để tính toán mức độ “gần gũi” của
đầu vào đến các tập huấn luyện.

2.2.2

Phân

lớp

âm

thanh2.2.2.1 Phân lớp âm thanh theo từng bước
Trong phân lớp âm thanh theo từng bước, ta sử dụng riêng biệt mỗi đặc trưng
audio để xác định âm thanh đó là âm nhạc hay tiếng nói.

Mỗi đặc trưng được xem như tiêu chí lọc hay trích chọn. Tại mỗi bước lọc,
đoạn âm thanh được xác định là kiểu này hay kiểu khác. Trước hết tính trọng tâm
của của các đoạn âm thanh. Nếu trọng tâm cao hơn ngưỡng cho trước thì nó có thể
là âm nhạc. Nếu không đoạn âm thanh có thể là tiếng nói hay âm nhạc (vì không
phải mọi âm nhạc đều có trọng tâm cao).

để

phân

lớp.

Trình

tự

thông

thường

được
quyết định bởi độ phức tạp tính toán và khả năng phân biệt (differentiating power)
của các đặc trưng khác nhau. Đặc trưng ít phức tạp, có khả năng phân

biệt cao sẽ
được sử dụng trước. Điều này làm giảm tổng số bước thực hiện lọc trên đoạn âm
nhạc, dẫn tới làm giảm đáng kể tính toán đòi hỏi.

2.2.2.2 Phân lớp âm thanh theo vectơ đặc trưng
Trong phân lớp âm thanh trên cơ sở véctơ đặc trưng, các giá trị của tập đặc
trưng được tính toán và sử dụng như véctơ đặc trưng. Trong giai đoạn huấn luyện,
véctơ đặc trưng trung bình

được tìm ra cho mỗi lớp âm thanh. Trong quá trình phân
lớp, véctơ đặc trưng của đoạn âm thanh vào được tính và những khoảng cách giữa
véctơ đặc trưng vào và từng véctơ tham chiếu được tính toán. Âm thanh vào được

dụng
rộng rãi vào nhận dạng mẫu. Một ANN là hệ thống xử lý thông tin mô phỏng tiến
trình nhận thức của bộ não người. ANN bao gồm nhiều neuron nối với nhau bằng
các liên kết có trọng số. Nhận dạng tiếng nói với ANN bao gồm hai giai đoạn: huấn
luyện và nhận dạng. Trong giai đoạn huấn luyện, các véctơ đặc trưng của dữ liệu
tiếng nói huấn luyện được sử dụng để huấn luyện ANN. Trong giai đoạn nhận dạng,
ANN sẽ nhận ra âm vị có khă năng nhất trên cơ sở véctơ đặc trưng đầu vào.

2.2.3

Chỉ

số

hóa

và

truy

tìm

âm

thanh

Sau khi phân lớp âm thanh thành âm nhạc và tiếng nói, ta có thể áp dụng các
kỹ thuật riêng cho từng lớp. Tiệm cận cơ bản của chỉ số hóa và truy tìm tiếng nói là
18


và

truy

tìm

âm

nhạc

cấu

trúc

và

các

hiệu

ứng

âm

thanhÂm nhạc cấu trúc và hiệu ứng âm thanh rất phù hợp truy vấn đòi hỏi đối sánh
chính xác giữa câu truy vấn và các tệp âm thanh trong CSDL. Người sử dụng có thể
chỉ ra trình tự các nốt làm câu truy vấn và nó tương đối dễ tìm ra các tệp âm thanh

2.3.2.1 Truy tìm âm nhạc trên cơ sở tập các đặc trưng

Trong tiệm cận truy tìm âm nhạc này, tập các đặc trưng âm học được trích
chọn

cho

mỗi

âm

thanh.

Tập

N

đặc

trưng

này

được

biểu

diễn

bởi


gọi

chung

là

tracking

độ

cao.
Tracking là dạng đơn giản của việc tự động chuyển đổi âm nhạc thành biểu diễn ký
tự. Ý tưởng chính của tiệm cận này khá đơn giản. Mỗi nốt nhạc

được biểu diễn bởi
độ

cao

của

nó.

Vậy,

một

đoạn



)




T
ik
.
Q
jk
T


T
ik
2

.


Q

19

hình

véctơ

đa

chiều

Vector Space Model
- Terms: {t1, , tm}  Rn
- Audio: {d1, , dm}  Rn
- Ma trận Term X Giai điệu: A
- Tij – độ đo mức độ quan trọng (trọng số) của khái niệm i trong giai
điệu j. Có thể là nhị nguyên, tf.idf hay loại khác.
Giai điệu Dj

và truy vấn Qj được biểu diễn như các véctơ n-chiều của các trọng
số.
D
i




T
i
1
,
T
i


, ,
Q
jN

Mô hình không gian véctơ đánh giá mức độ tương tự Giai điệu Di

với câu
truy vấn Qj như tính tương quan giữa hai véctơ.
Nk

1

Chuẩn hóa kích thước Di và Qj: Mức độ tương tự xác định bởi cosine góc
giữa hai véctơ. S
(
D
i

,


.
Q
j

|

D
i

||

Q
j

|
Nk

1

Nk



là

sắp

xếp

đối

tượng/véctơ

đặc

trưng

tương

tự

vào

cùng
nhóm/cụm và việc tìm kiếm chỉ thực hiện trong các cụm liên quan. Mỗi cụm được
biểu diễn bởi trọng tâm của các véctơ đặc trưng trong cụm. Trong khi truy vấn, ta
tính toán độ tương tự giữa câu truy vấn và từng cụm Cụm nào có mức độ tương tự
lớn hơn ngưỡng cho trước là được chọn. Tiếp theo đối sánh véctơ câu truy vấn với
từng véctơ đặc trưng trong cụm và k đối tượng gần nhất là kết quả.
20

và

Oj

để

hình

thành

nút

mới

Oij

trong

T,

nó

là

cha

của

Oi


bất

đẳng

thức

tam

giác.

Khoảng

cách

giữa

hai

đối

tượng

không

thể

nhỏ

hơn
trong đó, d-độ đo khoảng cách, i, q, k - các véctơ đặc trưng
Bất đẳng thức trên đúng với mọi k, khi đối sánh nhiều đặc trưng ta có:

d

(
i
,

q
)



max

1


j

m

d

(
i
,


–

PHÁT

TRIỂN

HỆ

THỐNG

THỬ

NGHIỆM

ỨNG

DỤNG

TẠI

TRỜNG

ĐẠI

HỌC

VĂN

HÓA,

theo

nội

dung

phục

vụ

giảng

dạy

Tính

toán

độ

tương

tự

của

tín

hiệu


bày

các

thuật

toán

tìm

kiếm

âm

thanh

theo

nội

dung.3.2.1.

Đặc

trưng

MFCC


3.3.3.

Kỹ

thuật

phân

cụm

K-means

Thuật toán Kmean thực hiện theo các bước sau:

Bước 1: Đặt K điểm vào vùng phân cụm các đối tượng. Các điểm này mô tả
nhóm trung tâm đầu tiên.

Bước 2: Gán mỗi đối tượng vào một nhóm có điểm trung tâm gần nhất.
22

Bước 3: Khi tất cả các đối tượng đã được đưa vào các nhóm, tính toán lại vị trí
của K điểm trung tâm.

Bước 4: Thực hiện lặp lại bước 2 và 3 cho tới khi bỏ đi được các điểm trung
tâm ở xa. Điều này giúp phân cách các đối tượng thành các nhóm có kích thước nhỏ
nhất có thể.

của tác giả Roger Jang thuộc nhóm phát triển Mirlab [] và thư viện mã nguồn mở
Voicebox của tác giả Mike Brookes, khoa kỹ thuật điện và điện tử, đại học kỹ thuật
Hoàng gia, London, UK []. Hệ thống tìm kiếm âm nhạc dựa trên đặc trưng MFCC,
sử dụng kỹ thuật phân cụm k-means, độ đo khoảng cách Ơclit.

3.3.1

Mô

hình

hệ

thống3.3.2.Các

tham

số

thực

nghiệm3.3.3

Một


LUẬNViệc xây dựng cơ sở dữ liệu đa phương tiện đã và đang được nhiều nhà khoa
học trong và ngoài nước quan tâm vì nó có nhiều ứng dụng trong thực tế. Trong các
năm trước đây, các nghiên cứu tập trung vào xây dựng quy trình và các kỹ thuật liên
quan tới quá trình truyền thông đa phương tiện. Khi đã có khối lượng dữ liệu khổng
lồ,

vấn

đề

đặt

ra

là cần

có các phương pháp tìm kiếm nhanh.

Tìm kiếm âm

thanh
theo nội dung nói chung và

tìm kiếm âm nhạc nói riêng

là một vấn đề khó, đòi hỏi


Luận văn đã thực hiện được:

- Nghiên cứu cấu phần, nguyên lý cơ bản và các nhiệm vụ thiết kế cơ sở dữ liệu
đa phương tiện nói chung và cơ sở dữ liệu âm thanh nói riêng.

- Tìm hiểu các đặc trưng của âm thanh, âm nhạc và tiếng nói.

-

Nghiên

cứu,

khảo

sát một

số

giải

pháp

và

kỹ thuật

phân loại,