建構複數雜湊表進行比對

4.3.1 改進動機

在第三章我們介紹過如何抽取一首歌曲的特徵並組合成地標，峰點經過動 態的能量門檻值的篩選後，得到突出點，之後將每一個突出點輪流當作錨點並 與目標區域內的其他突出點進行配對組合成地標，我們所使用的目標區域範圍 與 Wang’s Method 有些許不同，如圖 4.5 所示。我們取 ∆t_lef t_margin = 5 以及

∆t_right_margin = 60 ，所以每個錨點的目標區域其左右邊界為該點時間 t 後方 的 t + 5 到 t + 36 的區間內，上下邊界為該點頻率上下各 128 個頻帶共計 255 個頻 帶，我們利用兩點之間的時間差與頻率差來當作該地標的特徵，並利用錨點時間 以及頻率來當作座標以標示該地標在歌曲中的起始位置，如果我們引進更多的有 效資訊來建構多張雜湊表，對地標進行多層過濾，也許可以在辨識率不變的情況 下降低辨識所需的時間。

4.3.2 引進能量資訊建構第二張雜湊表

圖 4.6: 原雜湊表與新雜湊表示意圖

差若是落在 [(1− ρ)(e1 − e2)_DB, (1 + ρ)(e₁− e2)_DB]之間，便將資料庫中這筆能量 差與其歌曲編號納入 hit list 。

4.3.3 改進結果與分析

本論文分別採用 ρ = 0.1, 0.25, 0.5, 0.75, 0.9 進行測試，得到的結果如下圖 4.7 以及 4.8 所示，從圖中我們觀察到，使用能量來當作過濾地標的條件，會使的辨 識率下降，ρ 越小，區間越小，則辨識率下降越多，但同時辨識時間也顯著下降，

這代表使用能量進行過濾也會將帶有正確資訊的地標過濾出 hit list 。

我們在辨識率與辨識時間兩者之間取一個相對好的結果，如表 4.4 所示，在

ρ = 0.5的條件下，正確率從 88.6% 下降到 85.1% ，下降 3.5 個百分點，辨識時

間從 1.12 秒縮短為 0.705 秒，縮短 37.04% 。即使我們捨棄使用能量差的區間作為 條件，僅僅以能量差的正負號，也就是兩個突出點之間的量大小關係來當作過濾

圖 4.7: 以能量作為過濾條件所得之辨識率

條件，辨識率也只有 87.7% ，依舊是比 3.2 節中得到的表現來的差。

CPU Version GPU Version size of database (GB) 7.4

average query time per song (second) 0.7051 0.0803 accuracy (%) 85.1% 85.4%

ρ 0.5

表 4.4: ρ = 0.5 的系統表現

接著我們針對那些造成辨識率下降的歌曲，亦即本來配對正確，經過過濾後 反而錯誤的歌曲，來進行分析，首先觀察查詢片段與資料庫中原曲兩者之間的能 量差關係，如圖 4.9 所示，橫軸為查詢片段與原曲兩者共有的雜湊鍵，縱軸為能 量差值，可以明顯看出該查詢片段的能量分布嚴重受雜訊干擾而失真，進而無法 與原曲正確地進行配對，而實際去聽該查詢片段，環境噪音嚴重影響樂曲，甚至 幾乎聽不出樂曲的音調。由此可知此方法易受環境噪音影響，但從實驗結果來 看，平均辨識時間縮短了 37.04% ，GPU 版本甚至縮短了 46.46% ，也就是說在

圖 4.8: 以能量作為過濾條件所得之辨識時間

ρ = 0.5的情況下，我們平均過濾掉了 37% 以上的地標，但同時辨識率僅下降

3.5% ，這意味著在環境噪音對查詢片段的干擾不大的時候，查詢片段與原曲的確 有相同的能量分布趨勢，而隨著噪音越加明顯，兩者能量分布趨勢的一致性也隨 之被破壞，如圖 4.9 中所看到的極端例子，兩者的能量分布幾乎毫無關聯。

圖 4.9: 能量分布趨勢圖

圖 4.10: 受噪音影響而造成地標不匹配