式（1）中，x(n)是音頻信號，矩形窗序列沿音頻樣點序列逐幀移動，每段幀長度為N。30s的RMS的概率分布即信號分布頻數直方圖如圖1（b）、圖2（b）所示。由圖可知兩分布有效明顯的差異，可以作為識別語音和音樂信號的特片依據。進一步研究發現其概率分布服從不同參數時的廣義X2分布。選取上述30s的語音和音樂信號RMS概率分布作為參考序列，記為xj={xj(k)k=1,2,…,K}，其中x1為語音參序列,x2為音樂參考序列，記作yi={yi(k)k=1,2,…,k}，其中y1為語音比較數列，y2為音樂比較序列。K為特征數量，本文取K=10。為檢驗不同長度比較序列的灰關聯度，特征提取的比較序列時間長度分別取0.1s、1s、10s。圖3為與30s的語音和音樂參考信號RMS概率分布比較圖。由圖3可知，比較序列的時間長度越長，概率分布與參考序列的相似程度就越大，當比較序列時長為10s時，概率分布幾乎與參考序列吻合。為保證音頻序列的可比性，在進行灰關聯分析時，需要對序列進行初值化生成處理，即對一個數列的所有數據均用其第一個數去除。這個新序列表明原始數列中不同時刻的值相對于第一個時刻值的倍數。
其中，Nj={1,2},Ni={1,2},K={1,2,…,10}，常數ξ稱為分辨系數，ξ∈[0,1]，其作用是調整比較環境的大小。ξ越小，分辨力越大。一段取ξ=0.5。minminminxj(k)-yi(k)稱為兩極最小差，maxmaxmaxxj(k)-yi(k)稱為兩極最大差，xj(k)-yi(k)稱為第k個指標xj與yi的絕對差。4 計算灰關聯度灰關聯分析的實質，就是對數列曲線進行幾何關系的比較。若兩數列曲線重合，則關聯性好，關聯系數為1，兩數列關聯度也行裝于1。同時兩數列曲線不可能垂直，即無關聯性，所以關聯系數大于1，故關聯度也大于0。由于在比較全過程中，關聯系數不止一個，因此，取關聯系數的平均值作為比較全過程的關聯程度rji的度量，即：
5 按灰關聯度大小排序對參考序列xj和比較序列yi的關聯度從大到小進行排序，即得灰度聯序列。本文采用最大灰關聯度的識別原則。新聞熱點
疑難解答
