《音频信息检索理论与技术》系统地介绍语音检索研究的相关理论、技术与方法，以及该学科领域取得的新进展。内容将涉及基于语音内容的信息检索、基于说话人特征的信息检索、基于音频及音乐特征的信息检索等范畴。《音频信息检索理论与技术》将从语音检索的理论框架、适合检索要求的语音特征表示、高效索引的构建、高速搜索算法、典型的实用技术，以及典型应用实例等方面系统地介绍语音检索相关的理论与技术。

前言
第一部分音频信息检索的发展与理论基础
第1章绪论
1.1 信息检索技术的分类及进展
1.1.1 概述
1.1.2 文本信息检索
1.1.3 多媒体信息检索
1.2 音频信息检索技术的发展
1.2.1 语音文档检索
1.2.2 说话人检索
1.2.3 音乐检索
1.3 音频信息检索的应用
1.4 本书的构成
参考文献
第2章音频信息检索的基础
2.1 人类对音频信息的认知机理
2.1.1 听觉的生理基础
2.1.2 听觉的感知机制
2.1.3 听觉特性
2.2 音频信号的数字处理及特征表示
2.2.1 信号的统计特征
2.2.2 感知特征
2.3 音频信息检索框架及模型
2.4 音频信息检索的评价
参考文献
第二部分表示级的音频检索
第3章基于直接匹配的音频样例检索方法
3.1 基于分段的实时检索方法
3.1.1 片段划分
3.1.2 基于检索窗的检索控制
3.1.3 基于分段的检索方法
3.1.4 快速分段检索方法
3.2 MPEG-1压缩域模糊分类的检索方法
3.2.1 MPEG音频编码简介
3.2.2 MPEG-1压缩域特征选择和提取
3.2.3基于MPEG-1压缩域模糊分类的检索方法
参考文献
第4章基于索引的音频样例检索方法
4.1 局部敏感哈希索引方法
4.1.1 局部敏感哈希
4.1.2 ρ-稳定分布局部敏感哈希
4.1.3 ρ-稳定分布局部敏感哈希音频索引方法
4.2 基于局部敏感哈希倒排索引的检索方法
4.2.1 基于局部敏感哈希的倒排索引构造
4.2.2 基于局部敏感哈希倒排索引的搜索
4.3 基于树与链表混合索引的检索方法
4.3.1 模糊直方图模型
4.3.2 树与链表混合索引构造
4.3.3 基于树与链表混合索引的搜索
4.3.4 时间复杂度分析
参考文献
第5章基于GPU通用计算的快速音频样例检索方法
5.1 通用图形处理器与统一计算设备框架
5.1.1 通用图形处理器
5.1.2 统一计算设备框架
5.2 检索算法GPU加速的可行性分析
5.2.1 检索算法可移植性分析
5.2.2 检索算法计算特点分析
5.3 检索算法GPU加速的实现
5.3.1 以线程为粒度的算法实现
5.3.2 以线程块为粒度的算法实现
5.3.3 加速效果比较
参考文献
第三部分语义级语音文档检索
第6章语音文档检索的预处理技术
6.1 语音文档检索系统的组成
6.2 检索系统中的预处理技术
6.2.1 连续语音识别
6.2.2 关键词检出
6.3 语音文档检索的评价指标
参考文献
第7章语音文档检索的索引和搜索技术
7.1 基于关键词检出的检索方法
7.2 基于语音识别器最优候选的检索方法
7.2.1 基于大词表连续语音识别器最优候选的检索方法
7.2.2 基于子词识别器最优候选的检索方法
7.3 基于音节网格搜索的检索方法
7.3.1 音节网格的若干定义及性质
7.3.2 基于音节网格搜索的检索方法
7.3.3 索引去冗余方法
7.3.4 检索性能分析
7.4 基于音节倒排索引的检索方法
7.4.1 倒排索引结构
7.4.2 采用时间匹配机制的检索方法
7.4.3 采用位置匹配机制的检索方法
7.4.4 检索性能分析
7.5 基于后验概率邻接音节矩阵的检索方法
7.5.1 语音文档的表示
7.5.2 网格的邻接音节后验概率矩阵
7.5.3 语音文档的邻接音节后验概率矩阵
7.5.4 检索方法描述
7.5.5 基于韵律加权的索引修正
7.5.6 检索性能分析
参考文献
第8章语音文档检索中的容错技术
8.1 基于模糊匹配策略的容错方法
8.2 基于融合策略的容错方法
8.2.1 索引层面的融合
8.2.2 分数层面的融合
8.3 基于扩充网格的容错方法
8.3.1 算法的基本思想
8.3.2 基于局部路径的简化计算
8.3.3 基于扩充网格的检索精度提高方法
8.3.4 检索性能分析
8.4 基于词片语言模型的容错方法
8.4.1 词片
8.4.2 基于互信息的词片选择算法
8.4.3 基于词片的语言模型
8.4.4 采用词片识别器的检索方法
参考文献
第四部分语义级的说话人检索
第9章说话人检索
9.1 说话人分割
9.2 检索中的说话人识别技术
9.2.1 基于GMM的识别方法
9.2.2 基于GMM-UBM的识别方法
9.3 直接利用说话人识别实现的检索技术
9.3.1 极低错误接受率的实现
9.3.2 训练语料不充分问题的解决
9.4 间接利用说话人识别实现的检索技术
9.4.1 锚模型索引方法
9.4.2 GMM模型索引方法
参考文献
第五部分语义级的音乐检索
第10章音乐自动标注
10.1 音乐声学基础
10.1.1 乐音的感知
10.1.2 音程、音律、音名与音高标准
10.1.3 音乐的要素
10.2 音乐自动标注方法及存在的问题
10.3 基于谐波结构信息的音乐标注
10.3.1 基于BP神经网络的起始点检测
10.3.2 基于谐波结构信息的多基频估计方法
10.4 基于半音域频率系数的歌曲旋律提取
10.4.1 半音域频率系数
10.4.2 基于viterbi方法的旋律提取
参考文献
第11章音乐检索
11.1 哼唱检索
11.1.1 基于规则的哼唱旋律提取
11.1.2 乐曲库的索引方法
11.1.3 旋律匹配
11.2 拍打检索
11.2.1 特征提取
11.2.2 基于DTW的匹配计算
11.3 基于色度图的复调音乐检索
11.3.1 色度
11.3.2 色度图
11.3.3 离散色度图和色度特征
11.3.4 基于色度的相关计算与检索
参考文献