Zvuk zväčša realizuje nasledujúce funkcie: A, extrahovanie obálky zvuku, realizácia hlasitosti je príliš veľká, príliš malá a funkcia detekcie zachytenia; B, porovnanie energetických hodnôt pred a po prerušení zvuku, aby sa dosiahla funkcia detekcie zvuku; C, zvuk Pri prvom poradí priamym spracovaním sa vykoná hodnota objemu na začiatku a na konci, aby sa získal sklon a vertikálny posun nasadenej priamej čiary tak, aby sa dosiahla detekčná funkcia prvej koncovej fade- vstup a vyblednutie; D. Typické súčasné zvukové spektrum má zjavné jasné rysy. Vypočítaním energie zvuku a zodpovedajúcej hodnoty rozptylu sa táto charakteristika analyzuje na realizáciu funkcie aktuálnej detekcie zvuku. Vynález má výhody tým, že je použitý spôsob extrakcie obálky a je ďalej zlepšená presnosť detekcie objemu; detekcia stmievania v a von je dobre vykonaná a presnosť je vysoká; metóda má dobrý detekčný účinok na špecifický aktuálny zvuk.
Vďaka neustálemu zlepšovaniu kvality života moderných ľudí sa ľudia snažia o kvalitu hudby čoraz naliehavejšie. Vysoko kvalitné súbory MP3, bezstratová formátová hudba a podobne, stránky s hudobným ocenením a softvér sa tiež čoraz viac podieľajú na každodennom živote ľudí. Vo veľkom počte hudobných knižníc však kvalita zvuku nie je jednotná a ručná detekcia kvality zvuku si vyžaduje obrovské množstvo práce a nie je udržateľná. Preto to vyžaduje dobré opatrenie na vyriešenie tohto problému.
Metóda detekcie zvukových funkcií ovplyvní tieto vlastnosti do určitej miery zvukový efekt publika, čím poskytne istý odkaz na umelú detekciu kvality zvuku. Prostredníctvom tejto metódy je možné automaticky odhaliť zvukové funkcie, znížiť obrovské pracovné zaťaženie a riziko ručnej detekcie pracovných síl a efektivita detekcie sa účinne zlepší. Zároveň sa môže znížiť charakteristická miera falošnej detekcie spôsobená ľudskými faktormi a presnosť detekcie je ďalej zabezpečená.
Extrakcia zvukových funkcií potom analyzuje účinnosť a robustnosť týchto funkcií na rozlíšenie rôznych typov zvuku z dvoch aspektov. Na záver, na základe týchto funkcií sa klasifikátor SVM (SVM) používa na tréning a testovanie audio súboru údajov približne 5 hodín, rozdelenie zvuku na päť preddefinovaných kategórií: mute, čistá reč, nečistá reč, hudba a Ambient zvuk. Experimentálne výsledky ukazujú, že použitím efektívnych zvukových funkcií je možné klasifikovať zvukové scény do rôznych typov.




