HK133697A - Signal recognition system and method - Google Patents

Signal recognition system and method Download PDF

Info

Publication number
HK133697A
HK133697A HK133697A HK133697A HK133697A HK 133697 A HK133697 A HK 133697A HK 133697 A HK133697 A HK 133697A HK 133697 A HK133697 A HK 133697A HK 133697 A HK133697 A HK 133697A
Authority
HK
Hong Kong
Prior art keywords
signal
feature vector
values
value
quantization
Prior art date
Application number
HK133697A
Other languages
German (de)
English (en)
Inventor
Stephen C. Kenyon
Original Assignee
Broadcast Data Systems Limited Partnership
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Broadcast Data Systems Limited Partnership filed Critical Broadcast Data Systems Limited Partnership
Publication of HK133697A publication Critical patent/HK133697A/en

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10H—ELECTROPHONIC MUSICAL INSTRUMENTS; INSTRUMENTS IN WHICH THE TONES ARE GENERATED BY ELECTROMECHANICAL MEANS OR ELECTRONIC GENERATORS, OR IN WHICH THE TONES ARE SYNTHESISED FROM A DATA STORE
    • G10H1/00—Details of electrophonic musical instruments
    • G10H1/0033—Recording/reproducing or transmission of music for electrophonic musical instruments
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/10—Speech classification or search using distance or distortion measures between unknown speech and reference templates
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10H—ELECTROPHONIC MUSICAL INSTRUMENTS; INSTRUMENTS IN WHICH THE TONES ARE GENERATED BY ELECTROMECHANICAL MEANS OR ELECTRONIC GENERATORS, OR IN WHICH THE TONES ARE SYNTHESISED FROM A DATA STORE
    • G10H2240/00—Data organisation or data communication aspects, specifically adapted for electrophonic musical tools or instruments
    • G10H2240/121—Musical libraries, i.e. musical databases indexed by musical parameters, wavetables, indexing schemes using musical parameters, musical rule bases or knowledge bases, e.g. for automatic composing methods
    • G10H2240/131—Library retrieval, i.e. searching a database or selecting a specific musical piece, segment, pattern, rule or parameter set
    • G10H2240/141—Library retrieval matching, i.e. any of the steps of matching an inputted segment or phrase with musical database contents, e.g. query by humming, singing or playing; the steps may include, e.g. musical analysis of the input, musical feature extraction, query formulation, or details of the retrieval process

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • Image Analysis (AREA)
  • Complex Calculations (AREA)
  • Radar Systems Or Details Thereof (AREA)

Claims (64)

  1. Procédé de classification d'un signal comprenant les étapes de :
    réception du signal ;
    échantillonnage du signal en une pluralité de points pour produire une pluralité de valeurs de signal ;
    dérivation d'un vecteur de caractéristique multi-valeurs à partir desdites valeurs de signal ;
    quantification dudit vecteur de caractéristique en remplaçant chaque valeur de vecteur de caractéristique par une valeur de catégorie déterminée à partir d'un modèle de quantification prédéterminé qui classe en catégories non uniformément des valeurs de vecteurs de caractéristique ; et
    accès à une bibliothèque de signaux par le vecteur quantifié pour fournir un code d'identification du signal correspondant au signal reçu.
  2. Procédé selon la revendication 1 dans lequel ledit modèle de quantification prédéterminé est un modèle de quantification de chevauchement.
  3. Procédé selon la revendication 1, dans lequel ladite étape de quantification utilise une pluralité de modèles de quantification prédéterminés différents pour quantifier ledit vecteur de caractéristique.
  4. Procédé selon la revendication 1 dans lequel ladite étape de dérivation comprend les étapes de :
    calcul de deux moments statistiques différents de ladite pluralité de valeurs de signal ; et
    formation dudit vecteur de caractéristique en utilisant les deux moments statistiques calculés.
  5. Procédé selon la revendication 4 dans lequel un modèle de quantification prédéterminé est fourni pour chacun des deux moments statistiques.
  6. Procédé selon la revendication 4 dans lequel lesdits deux moments statistiques différents comprennent l'asymétrie et le kurtosis.
  7. Procédé selon la revendication 1 dans lequel ladite étape de réception comprend l'étape de détection d'enveloppe dudit signal reçu.
  8. Procédé selon la revendication 1 dans lequel ladite étape de quantification comprend les étapes de :
    remplacement dudit vecteur de caractéristique par une pluralité de vecteurs quantifiés selon au moins un modèle de quantification prédéterminé ayant des catégories de chevauchement ; et
    permutation de ladite pluralité de vecteurs quantifiés pour produire une autre pluralité de vecteurs quantifiés permutés.
  9. Procédé selon la revendication 8 dans lequel ladite étape d'accès comprend les étapes de :
    accès à ladite bibliothèque de signaux par ladite pluralité de vecteurs quantifiés permutés pour atteindre une pluralité de positions de mémoire ; et
    écriture dans chacune desdites positions de mémoire d'un code d'identification du signal correspondant au signal reçu.
  10. Procédé selon la revendication 1 dans lequel ladite étape de réception comprend les étapes de :
    analyse de façon spectrale dudit signal pour fournir une pluralité de signaux analysés ayant des bandes de fréquence différentes ; et
    formation de combinaisons linéaires desdites formes d'onde analysées ;
    et dans lequel ladite étape d'échantillonnage comprend l'étape d'échantillonnage de chaque combinaison linéaire pour fournir une pluralité de points d'échantillonnage pour chaque combinaison linéaire ;
    et dans lequel ladite étape de dérivation comprend les étapes de :
    calcul des valeurs d'asymétrie et de kurtosis pour chaque combinaison linéaire à partir des points d'échantillonnage correspondants ; et
    formation dudit vecteur de caractéristique pour contenir les valeurs d'asymétrie et de kurtosis à partir de toutes lesdites combinaisons linéaires.
  11. Procédé de préparation d'une bibliothèque de codes d'identification de signal utile pour identifier des signaux de diffusion, comprenant les étapes de :
    échantillonnage d'un signal à diffuser pour fournir une pluralité de formes d'ondes analysées pour chaque signal à diffuser ;
    dérivation d'une pluralité de vecteurs de caractéristique à partir desdites formes d'onde analysées, au moins un vecteur de caractéristique pour chaque signal échantillonné ;
    quantification de chaque vecteur de caractéristique, comprenant les sous-étapes de :
    établissement d'une pluralité de niveaux de quantification
    distribution des niveaux de quantification non uniformément en une distribution statistique prédéterminée ;
    dérivation d'une pluralité de seuils de quantification selon les niveaux de quantification distribués ; et
    remplacement de chaque valeur de chaque vecteur de caractéristique par une valeur de quantification correspondante déterminée par lesdits seuils de quantification ; et
    stockage d'une valeur représentant chaque vecteur quantifié dans une mémoire comme code d'identification du signal pour le signal échantillonné correspondant.
  12. Procédé selon la revendication 11 dans lequel l'étape de distribution des niveaux de quantification comprend l'étape de distribution des niveaux de quantification d'une manière chevauchante, et dans lequel l'étape de remplacement de chaque valeur de chaque vecteur de caractéristique comprend les autres étapes de :
    remplacement de chaque valeur de chaque vecteur de caractéristique par une pluralité de valeurs de quantification déterminées par les niveaux de quantifications se chevauchant, chaque vecteur de caractéristique étant ainsi remplacé par une pluralité de vecteurs quantifiés ; et
    permutation de la pluralité de vecteurs quantifiés de chaque vecteur de caractéristique pour produire une pluralité de vecteurs permutés ;
    et dans lequel ladite étape de stockage comprend l'étape de stockage, pour chaque signal échantillonné, des valeurs correspondant à la pluralité des vecteurs quantifiés.
  13. Procédé selon la revendication 11 dans lequel ladite étape de dérivation comprend l'étape de calcul, pour chaque forme d'onde analysée, de deux moments statistiques, et de formation de chaque vecteur de caractéristique pour comprendre les deux moments statistiques.
  14. Procédé selon l'une quelconque des revendications 1 à 10, comprenant en outre les étapes de :
    calcul d'un moment statistique dudit signal selon la formule : où :     N = le nombre de points d'échantillonnage ;    n = 1 < n < N    X = la valeur de signal dudit signal en un point d'échantillonnage ;    µ = une moyenne des valeurs de signal ;    σ = un écart standard des valeurs de signal ; et    k = un entier supérieur à 1 ;
    comparaison du moment statistique calculé avec une bibliothèque contenant une pluralité de codes d'identification de signal stockés ; et
    reconnaissance du signal reçu comme similaire au moins à une desdits codes d'identification de signal stockés.
  15. Procédé selon la revendication 14 dans lequel ladite étape de calcul comprend les étapes de calcul de l'asymétrie et du kurtosis dudit signal, et dans lequel ladite étape de comparaison comprend l'étape de formation d'un vecteur de caractéristique à partir de ladite asymétrie et dudit kurtosis.
  16. Procédé selon la revendication 14 dans lequel ladite étape de réception comprend les étapes de :
    filtrage passe-bande du signal reçu pour fournir une pluralité de signaux filtrés ;
    redressement desdits signaux filtrés ;
    filtrage passe-bas des signaux redressés ; et
    calcul d'une pluralité de combinaisons linéaires des signaux filtrés passe-bas.
  17. Procédé selon la revendication 16 dans lequel ladite étape d'échantillonnage comprend les étapes de :
    échantillonnage d'une première desdites combinaisons linéaires en une pluralité de points d'échantillonnage pour produire une première pluralité de valeurs de signal ; et
    échantillonnage d'une seconde desdites combinaisons linéaires en une pluralité de points d'échantillonnage pour produire une seconde pluralité de valeurs de signal.
  18. Procédé selon la revendication 17 dans lequel ladite étape de calcul comprend les étapes de :
    calcul d'une première valeur d'asymétrie et d'une première valeur de kurtosis à partir de ladite première pluralité de valeurs de signal ;
    calcul d'une seconde valeur d'asymétrie et d'une seconde valeur de kurtosis à partir de ladite seconde pluralité de valeurs de signal ; et
    dérivation d'un vecteur de caractéristique comprenant lesdites première et seconde valeurs d'asymétrie et lesdites première et seconde valeurs de kurtosis.
  19. Procédé selon la revendication 18 dans lequel ladite étape de comparaison comprend les étapes de :
    quantification desdits vecteurs de caractéristique selon une pluralité de modèles de quantification prédéterminés pour fournir un vecteur quantifié ; et
    accès à ladite bibliothèque par ledit vecteur quantifié pour localiser un code d'identification du signal correspondant au vecteur quantifié.
  20. Procédé selon la revendication 19 dans lequel ladite étape d'accès comprend les étapes de :
    formation d'une somme pondérée des valeurs dudit vecteur quantifié utilisant une base non décimale ;
    utilisation de la somme pondérée comme adresse pour accéder à une table de pointeur pour positionner un pointeur correspondant à ladite somme pondérée ; et
    utilisation dudit pointeur pour localiser une liste de codes d'identification du signal contenant le code d'identification du signal correspondant au vecteur quantifié.
  21. Procédé selon la revendication 20 dans lequel ladite étape de reconnaissance comprend les étapes de :
    corrélation d'une troisième combinaison linéaire de ladite pluralité de combinaisons linéaires avec une pluralité de signaux stockés qui correspondent aux codes d'identification de signal contenus dans ladite liste de codes d'identification de signal ; et
    sélection d'un signal stocké dont la corrélation avec ladite troisième combinaison linéaire dépasse un seuil prédéterminé.
  22. Procédé selon la revendication 19 dans lequel ladite étape de quantification comprend les étapes de :
    classification en catégories de chaque valeur d'asymétrie dudit vecteur de caractéristique selon un modèle de quantification d'asymétrie prédéterminé y ayant des catégories non uniformément distribuées ; et
    classification en catégories de chaque valeur de kurtosis dudit vecteur de caractéristique selon un modèle de quantification de kurtosis prédéterminé y ayant des catégories distribuées non uniformément.
  23. Procédé selon l'une quelconque des revendications 11 à 13, comprenant en outre les étapes de :
    réception d'un signal de référence ;
    échantillonnage dudit signal de référence en une pluralité de points d'échantillonnage pour produire une pluralité de valeurs de signal ;
    calcul d'un moment statistique du signal de référence reçu selon la formule : où :     N = le nombre de points d'échantillonnage ;    n = 1 < n < N    X = la valeur de signal échantillonné en un point d'échantillonnage ;    µ = une moyenne des valeurs du signal échantillonné ;    σ = un écart standard des valeurs du signal échantillonné ; et    k = un entier supérieur à 1 ;
    dérivation d'un vecteur de caractéristique à partir d'un moment statistique calculé ; et
    stockage du vecteur de caractéristique ou d'une représentation de celui-ci dans une mémoire.
  24. Procédé selon la revendication 23 dans lequel ladite étape de calcul comprend l'étape de calcul de deux moments statistiques du signal de référence reçu, et dans lequel ladite étape de dérivation comprend l'étape de dérivation dudit vecteur de caractéristique à partir des deux moments statistiques calculés.
  25. Procédé selon la revendication 23 dans lequel ladite étape de réception comprend les étapes de :
    filtrage passe-bande du signal reçu pour fournir une pluralité de signaux filtrés ;
    redressement desdits signaux filtrés;
    filtrage passe-bas des signaux redressés ; et
    calcul d'une pluralité de combinaisons linéaires des signaux filtrés passe-bas.
  26. Procédé selon la revendication 25 dans lequel ladite étape d'échantillonnage comprend les étapes de :
    échantillonnage d'une première partie d'une desdites combinaisons linéaires en une pluralité de points pour produire une première pluralité de valeurs de signal ; et
    échantillonnage d'une seconde partie d'une desdites combinaisons linéaires en une pluralité de points pour produire une seconde pluralité de valeurs de signal.
  27. Procédé selon la revendication 26 dans lequel ladite étape de calcul comprend les étapes de :
    calcul de l'asymétrie et du kurtosis de ladite première pluralité de valeurs de signal pour fournir une première valeur d'asymétrie et une première valeur de kurtosis ; et
    calcul de l'asymétrie et du kurtosis de ladite seconde pluralité de valeurs de signal pour fournir une seconde valeur d'asymétrie et une seconde valeur de kurtosis.
  28. Procédé selon la revendication 27 dans lequel ladite étape de dérivation comprend les étapes de :
    formation d'un premier vecteur de caractéristique comprenant ladite première valeur d'asymétrie et ladite première valeur de kurtosis ; et
    formation d'un second vecteur de caractéristique comprenant ladite seconde valeur d'asymétrie et ladite seconde valeur de kurtosis.
  29. Procédé selon la revendication 28, dans lequel ladite étape de dérivation comprend en outre l'étape de quantification desdits deux vecteurs de caractéristique en remplaçant les valeurs d'asymétrie et de kurtosis par des entiers selon les modèles de quantification non uniforme prédéterminés pour produire les premier et second vecteurs quantifiés.
  30. Procédé selon la revendication 29 dans lequel ladite étape de stockage comprend les étapes de :
    calcul d'une somme pondérée dudit premier vecteur en utilisant une base non décimale ;
    calcul d'une somme pondérée dudit second vecteur en utilisant ladite base non décimale ;
    utilisation des sommes pondérées pour adresser ladite mémoire, et
    stockage dans ladite mémoire, aux adresses correspondant aux sommes pondérées, d'un code d'identification de signal correspondant audit signal de référence.
  31. Procédé selon la revendication 28 dans lequel ladite étape de dérivation comprend en outre les étapes de :
    production des premier et second vecteurs quantifiés de chevauchement à partir dudit premier vecteur de caractéristique selon des modèles de quantification de chevauchement non uniformes prédéterminés ;
    production des troisième et quatrièmes vecteurs quantifiés de chevauchement à partir dudit second vecteur de caractéristique selon lesdits modèles de quantification de chevauchement non uniforme prédéterminés ;
    formation d'une première pluralité de permutations desdits premier et second vecteurs quantifiés de chevauchement; et
    formation d'une seconde pluralité de permutations desdits troisième et quatrième vecteurs quantifiés de chevauchement.
  32. Procédé selon la revendication 31 dans lequel ladite étape de stockage comprend les étapes de :
    calcul d'une somme pondérée des valeurs de chacune desdites première et seconde pluralités de permutations ;
    accès à ladite mémoire aux adresses correspondant auxdites sommes pondérées ; et
    stockage dans ladite mémoire, à des zones correspondant auxdites adresses, d'un code d'identification de signal identifiant ledit signal de référence.
  33. Appareil pour classifier un signal comprenant :
    un récepteur pour recevoir le signal ;
    une mémoire ;
    un processeur pour (a) échantillonner le signal en une pluralité de points pour produire une pluralité de valeurs de signal, (b) dériver un vecteur de caractéristique multi-valeurs à partir desdites valeurs de signal, (c) quantifier ledit vecteur de caractéristique en remplaçant chaque valeur de vecteur de caractéristique par une valeur de catégorie déterminée à partir d'un modèle de quantification prédéterminé qui classe en catégories non uniformément des valeurs de vecteur de caractéristique, ledit modèle étant stocké dans ladite mémoire, et (d) accéder à une bibliothèque de signaux par le vecteur quantifié pour fournir un code d'identification de signal correspondant au signal reçu, ladite bibliothèque étant stockée dans ladite mémoire.
  34. Appareil selon la revendication 33 dans lequel ledit modèle de quantification prédéterminé est un modèle de quantification de chevauchement.
  35. Appareil selon la revendication 33, dans lequel ledit processeur utilise une pluralité de modèles de quantification prédéterminés différents pour quantifier ledit vecteur de caractéristique.
  36. Appareil selon la revendication 33 dans lequel ledit processeur (b1) calcule deux moments statistiques différents de ladite pluralité de valeurs de signal, et (b2) forme ledit vecteur de caractéristique utilisant les deux moments statistiques calculés.
  37. Appareil selon la revendication 36 dans lequel un modèle de quantification prédéterminé est fourni pour chacun des deux moments statistiques.
  38. Appareil selon la revendication 36 dans lequel lesdits deux moments statistiques différents comprennent l'asymétrie et le kurtosis.
  39. Appareil selon la revendication 33 dans lequel ladite enveloppe de traitement détecte ledit signal reçu.
  40. Appareil selon la revendication 33 dans lequel ledit processeur (c1) remplace ledit vecteur de caractéristique par une pluralité de vecteurs quantifiés selon au moins un modèle de quantification prédéterminé ayant des catégories de chevauchement, et (c2) permute ladite pluralité de vecteurs quantifiés pour produire une autre pluralité de vecteurs quantifiés permutés.
  41. Appareil selon la revendication 40 dans lequel ledit processeur (d1) accède à ladite bibliothèque de signaux par ladite pluralité de vecteurs quantifiés permutés pour atteindre une pluralité de positions de mémoire, et (d2) écrit dans chacune desdites positions de mémoire un code d'identification de signal correspondant au signal reçu.
  42. Appareil selon la revendication 33 dans lequel ledit récepteur (a) analyse spectralement ledit signal pour fournir une pluralité de signaux analysés ayant différentes bandes de fréquence, et (b) forme des combinaisons linéaires desdites formes d'onde analysées ;    et dans lequel ledit processeur échantillonne chaque combinaison linéaire pour fournir une pluralité de points d'échantillonnage pour chaque combinaison linéaire, calcule des valeurs d'asymétrie et de kurtosis pour chaque combinaison linéaire à partir des points d'échantillonnage correspondants, et forme ledit vecteur de caractéristique pour inclure les valeurs d'asymétrie et de kurtosis à partir de toutes lesdites combinaisons linéaires.
  43. Appareil pour préparer une bibliothèque de codes d'identification de signal utile pour identifier des signaux de diffusion, comprenant :
    un récepteur pour recevoir une pluralité de signaux à diffuser ;
    une mémoire ;
    un processeur pour (a) échantillonner les signaux à diffuser pour fournir une pluralité de formes d'onde analysées pour chaque signal à diffuser ; (b) dériver une pluralité de vecteurs de caractéristique à partir desdites formes d'onde analysées, au moins un vecteur de caractéristique pour chaque signal échantillonné, et (c) quantification de chaque vecteur de caractéristique, comprenant les sous-étapes de :
    (c1) établissement d'une pluralité de niveaux de quantification ;
    (c2) distribution des niveaux de quantification non uniformément en une distribution statistique prédéterminée ;
    (c3) dérivation d'une pluralité de seuils de quantification selon les niveaux de quantification distribués ; et
    (c4) remplacement de chaque valeur de chaque vecteur de caractéristique par une valeur de quantification correspondante déterminée par lesdits seuils de quantification ; et
    ledit processeur (d) stockant une valeur représentant chaque vecteur quantifié dans ladite mémoire comme code d'identification du signal pour le signal échantillonné correspondant.
  44. Appareil selon la revendication 43 dans lequel les niveaux de quantification sont distribués d'une manière chevauchante, et où ledit processeur (c4a) remplace chaque valeur de chaque vecteur de caractéristique par une pluralité de valeurs de quantification déterminées par les niveaux de quantification se chevauchant, chaque vecteur de caractéristique étant ainsi remplacé par une pluralité de vecteurs quantifiés, et (c4b) permute la pluralité de vecteurs quantifiés de chaque vecteur de caractéristique pour produire une pluralité de vecteurs permutés ;    et dans lequel ledit processeur (d1) stocke dans ladite mémoire, pour chaque signal échantillonné, des valeurs correspondant à la pluralité de vecteurs quantifiés.
  45. Appareil selon a revendication 43 dans lequel ledit processeur (b1) calcule, pour chaque forme d'onde analysée, deux moments statistiques, et (b2) forme chaque vecteur de caractéristique pour inclure les deux moments statistiques calculés.
  46. Appareil selon l'une quelconque des revendications 33 à 42, dans lequel ledit processeur est de plus prévu pour (e) calculer un moment statistique dudit signal selon la formule : où :     N = le nombre de points d'échantillonnage ;    n = 1 < n < N    X = la valeur de signal dudit signal en un point d'échantillonnage ;    µ = une moyenne des valeurs du signal ;    σ = un écart standard des valeurs du signal ; et    k = un entier supérieur à 1 ;    (f) stockage d'une bibliothèque contenant une pluralité de codes d'identification de signal stockés, (g) comparaison du moment statistique calculé avec la pluralité de codes d'identification de signal stockés dans ladite bibliothèque, et (h) reconnaissance du signal reçu comme similaire à celui desdits codes d'identifications de signaux stockés.
  47. Appareil selon la revendication 46 dans lequel ledit dispositif de traitement calcule l'asymétrie et le kurtosis dudit signal, et forme un vecteur de caractéristique à partir de ladite asymétrie et dudit kurtosis.
  48. Appareil selon la revendication 46 dans lequel ledit dispositif de traitement comprend :
    un dispositif pour filtrer en passe-bande le signal reçu pour fournir une pluralité de signaux filtrés ;
    un dispositif pour redresser lesdits signaux filtrés ;
    un dispositif pour filtrer en passe-bas les signaux redressés ; et
    un dispositif pour calculer une pluralité de combinaisons linéaires Ces signaux filtrés en passe-bas.
  49. Appareil selon la revendication 48 dans lequel ledit dispositif de traitement (a1) échantillonne une première desdites combinaisons linéaires en une pluralité de points d'échantillonnage pour produire une première pluralité de valeurs de signal, et (a2) échantillonne une seconde desdites combinaisons linéaires en une pluralité de points d'échantillonnage pour produire une seconde pluralité de valeurs de signal.
  50. Appareil selon la revendication 49 dans lequel ledit dispositif de traitement (e1) calcule une première valeur d'asymétrie et une première valeur de kurtosis à partir de ladite première pluralité de valeurs de signal, calcule une seconde valeur d'asymétrie et une seconde valeur de kurtosis à partir de ladite seconde pluralité de valeurs de signal et, (c2) dérive un vecteur de caractéristique comprenant lesdites première et seconde valeurs d'asymétrie et lesdites première et seconde valeurs de kurtosis.
  51. Appareil selon la revendication 50 dans lequel ledit dispositif de traitement (g1) quantifie lesdits vecteurs de caractéristique selon une pluralité de modèles de quantification prédéterminés stockés pour fournir un vecteur quantifié, et (g2) accède à ladite bibliothèque par ledit vecteur quantifié pour localiser un code d'identification du signal correspondant au vecteur quantifié.
  52. Appareil selon la revendication 51 dans lequel ledit dispositif de traitement (g2a) forme une somme pondérée des valeurs dudit vecteur quantifié utilisant une base non décimale, (g2b) utilise la somme pondérée comme une adresse pour accéder à une table de pointeur stockée dans ladite bibliothèque pour positionner un pointeur correspondant à ladite somme pondérée et utilise ledit pointeur pour accéder à ladite bibliothèque pour localiser une liste de codes d'identification de signal contenant le code d'identification du signal correspondant au vecteur quantifié.
  53. Appareil selon la revendication 52 dans lequel ledit dispositif de traitement (h1) corrèle une troisième combinaison linéaire de ladite pluralité de combinaisons linéaires avec une pluralité de signaux stockés qui correspondent aux codes d'identification de signal contenus dans ladite liste de codes d'identification de signal et (h2) sélectionne un signal stocké dont la corrélation avec ladite troisième combinaison linéaire dépasse un seuil prédéterminé.
  54. Appareil selon la revendication 51 dans lequel ledit dispositif de traitement (g1a) classe en catégories chaque valeur d'asymétrie dudit vecteur de caractéristique selon un modèle de quantification d'asymétrie prédéterminé stocké y ayant des catégories distribuées non uniformément, et (d1b) classe en catégorie chaque valeur de kurtosis dudit vecteur de caractéristique selon un modèle de quantification de kurtosis prédéterminé stocké y ayant des catégories non uniformément distribuées.
  55. Appareil selon l'une quelconque des revendications 43 à 45, dans lequel ledit processeur est en outre prévu pour (e) calculer un moment statistique du signal de référence reçu selon la formule : où :     N = le nombre de points d'échantillonnage ;    n = 1 < n < N    X = la valeur du signal échantillonné en un point d'échantillonnage ;    µ = une moyenne des valeurs du signal échantillonné;    σ = un écart standard des valeurs du signal échantillonné ; et    k = un entier supérieur à 1 ;    (f) dérivation d'un vecteur de caractéristique à partir du moment statistique calculé, et (g) stockage du vecteur de caractéristique ou une représentation de celui-ci dans ladite mémoire.
  56. Appareil selon la revendication 55 dans lequel ledit dispositif de traitement calcule deux moments statistiques du signal de référence reçu, et dérive ledit vecteur de caractéristique à partir des deux moments statistiques calculés.
  57. Appareil selon la revendication 55 dans lequel ledit dispositif de traitement filtre en passe-bande le signal reçu pour fournir une pluralité de signaux filtrés, redresse lesdits signaux filtrés, filtre en passe-bas les signaux redressés, et calcule une pluralité de combinaisons linéaires des signaux filtrés en passe-bas.
  58. Appareil selon la revendication 57 dans lequel ledit dispositif de traitement (a1) échantillonne une première partie d'une desdites combinaisons linéaires en une pluralité de points pour produire une première pluralité de valeurs de signal, et (a2) échantillonne une seconde partie de ladite combinaison linéaire en une pluralité de points pour produire une seconde pluralité de valeurs de signal.
  59. Appareil selon la revendication 58 dans lequel ledit dispositif de traitement (e1) calcule l'asymétrie et le kurtosis de ladite première pluralité de valeurs de signal pour fournir une première valeur d'asymétrie et une première valeur de kurtosis, et (e2 ) calcule l'asymétrie et le kurtosis de ladite seconde pluralité de valeurs du signal pour fournir une seconde valeur d'asymétrie et une seconde valeur de kurtosis.
  60. Appareil selon la revendication 59 dans lequel ledit dispositif de traitement (f1) forme un premier vecteur de caractéristique comprenant ladite première valeur d'asymétrie et ladite première valeur de kurtosis, et (f2) forme un second vecteur de caractéristique comprenant ladite seconde valeur d'asymétrie et ladite seconde valeur de kurtosis.
  61. Appareil selon la revendication 60, dans lequel ledit dispositif de traitement (f3) quantifie lesdits deux vecteurs de caractéristique en remplaçant les valeurs d'asymétrie et de kurtosis par des entiers selon des modèles de quantification non uniformes prédéterminés stockés dans ladite mémoire pour produire des premier et second vecteurs quantifiés.
  62. Appareil selon la revendication 61 dans lequel ledit dispositif de traitement (g1) calcule une somme pondérée dudit premier vecteur utilisant une base non décimale, (g2) calcule une somme pondérée dudit second vecteur utilisant ladite base non décimale, (g4) utilise les sommes pondérées pour adresser ladite mémoire, et (g5) stocke dans ladite mémoire, aux adresses correspondant aux sommes pondérées, un code d'identification du signal correspondant audit signal de référence.
  63. Appareil selon la revendication 60 dans lequel ledit dispositif de traitement (f3) produit des premier et second vecteurs quantifiés de chevauchement à partir dudit premier vecteur de caractéristique selon des modèles de quantification de chevauchement non uniformes prédéterminés stockés dans ladite mémoire, (f4) produit des troisième et quatrième vecteurs quantifiés de chevauchement à partir dudit second vecteur de caractéristique selon lesdits modèles de quantification de chevauchement non uniformes stockés dans ladite mémoire, (f5) forme une première pluralité de permutations desdits premier et second vecteurs quantifiés de chevauchement, et (f6) forme une seconde pluralité de permutations desdits troisième et quatrième vecteurs quantifiés de chevauchement.
  64. Appareil selon la revendication 63 dans lequel ledit dispositif de traitement (g1) calcule une somme pondérée des valeurs de chacune desdites première et seconde pluralités de permutations, (g2) accède à ladite mémoire aux adresses correspondant auxdites sommes pondérées, et (g3) stocke dans ladite mémoire, à des zones correspondant auxdites adresses, un code d'identification de signal identifiant ledit signal de référence.
HK133697A 1990-05-02 1997-06-26 Signal recognition system and method HK133697A (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US07/517,835 US5210820A (en) 1990-05-02 1990-05-02 Signal recognition system and method
PCT/US1991/002907 WO1991017540A1 (fr) 1990-05-02 1991-05-02 Systeme et procede de reconnaissance de signaux

Publications (1)

Publication Number Publication Date
HK133697A true HK133697A (en) 1997-10-24

Family

ID=24061421

Family Applications (1)

Application Number Title Priority Date Filing Date
HK133697A HK133697A (en) 1990-05-02 1997-06-26 Signal recognition system and method

Country Status (9)

Country Link
US (1) US5210820A (fr)
EP (1) EP0480010B1 (fr)
JP (1) JP3130926B2 (fr)
AT (1) ATE142815T1 (fr)
CA (1) CA2041754C (fr)
DE (1) DE69122017T2 (fr)
ES (1) ES2091328T3 (fr)
HK (1) HK133697A (fr)
WO (1) WO1991017540A1 (fr)

Families Citing this family (245)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2539274A1 (fr) * 1983-01-19 1984-07-20 Boussac Saint Freres Bsf Procede de fabrication de couches-culottes a jeter et couches-culottes obtenues
JP3277398B2 (ja) * 1992-04-15 2002-04-22 ソニー株式会社 有声音判別方法
US5745873A (en) * 1992-05-01 1998-04-28 Massachusetts Institute Of Technology Speech recognition using final decision based on tentative decisions
US5323337A (en) * 1992-08-04 1994-06-21 Loral Aerospace Corp. Signal detector employing mean energy and variance of energy content comparison for noise detection
JPH06110945A (ja) * 1992-09-29 1994-04-22 Fujitsu Ltd 音楽データベース作成装置及びその検索装置
GB9221678D0 (en) * 1992-10-15 1992-11-25 Taylor Nelson Group Limited Identifying a received programme stream
US5841978A (en) 1993-11-18 1998-11-24 Digimarc Corporation Network linking method using steganographically embedded data objects
US7313251B2 (en) 1993-11-18 2007-12-25 Digimarc Corporation Method and system for managing and controlling electronic media
US5768426A (en) * 1993-11-18 1998-06-16 Digimarc Corporation Graphics processing system employing embedded code signals
US5748763A (en) * 1993-11-18 1998-05-05 Digimarc Corporation Image steganography system featuring perceptually adaptive and globally scalable signal embedding
US5822436A (en) * 1996-04-25 1998-10-13 Digimarc Corporation Photographic products and methods employing embedded information
US7515733B2 (en) * 1993-11-18 2009-04-07 Digimarc Corporation Methods and arrangements employing digital content items
JP2956473B2 (ja) * 1994-04-21 1999-10-04 日本電気株式会社 ベクトル量子化装置
US6560349B1 (en) * 1994-10-21 2003-05-06 Digimarc Corporation Audio monitoring using steganographic information
US8094949B1 (en) 1994-10-21 2012-01-10 Digimarc Corporation Music methods and systems
US7362775B1 (en) 1996-07-02 2008-04-22 Wistaria Trading, Inc. Exchange mechanisms for digital information packages with bandwidth securitization, multichannel digital watermarks, and key management
DE69521597T2 (de) * 1995-03-08 2002-07-11 Generalmusic S.P.A., San Giovanni In Marignano Vorrichtung mit Mikroprocessor zur Auswahl und Erkennung von Musikstücken
US7805500B2 (en) * 1995-05-08 2010-09-28 Digimarc Corporation Network linking methods and apparatus
US7224819B2 (en) 1995-05-08 2007-05-29 Digimarc Corporation Integrating digital watermarks in multimedia content
US7486799B2 (en) * 1995-05-08 2009-02-03 Digimarc Corporation Methods for monitoring audio and images on the internet
US6760463B2 (en) 1995-05-08 2004-07-06 Digimarc Corporation Watermarking methods and media
US5613004A (en) * 1995-06-07 1997-03-18 The Dice Company Steganographic method and device
US7562392B1 (en) * 1999-05-19 2009-07-14 Digimarc Corporation Methods of interacting with audio and ambient music
US6965682B1 (en) 1999-05-19 2005-11-15 Digimarc Corp Data transmission by watermark proxy
US8429205B2 (en) * 1995-07-27 2013-04-23 Digimarc Corporation Associating data with media signals in media signal systems through auxiliary data steganographically embedded in the media signals
US6577746B1 (en) 1999-12-28 2003-06-10 Digimarc Corporation Watermark-based object linking and embedding
US6505160B1 (en) 1995-07-27 2003-01-07 Digimarc Corporation Connected audio and other media objects
US6408331B1 (en) 1995-07-27 2002-06-18 Digimarc Corporation Computer linking methods using encoded graphics
US7171018B2 (en) * 1995-07-27 2007-01-30 Digimarc Corporation Portable devices and methods employing digital watermarking
US6411725B1 (en) * 1995-07-27 2002-06-25 Digimarc Corporation Watermark enabled video objects
US5812769A (en) * 1995-09-20 1998-09-22 Infonautics Corporation Method and apparatus for redirecting a user to a new location on the world wide web using relative universal resource locators
US5717860A (en) * 1995-09-20 1998-02-10 Infonautics Corporation Method and apparatus for tracking the navigation path of a user on the world wide web
US5819285A (en) * 1995-09-20 1998-10-06 Infonautics Corporation Apparatus for capturing, storing and processing co-marketing information associated with a user of an on-line computer service using the world-wide-web.
US5712979A (en) * 1995-09-20 1998-01-27 Infonautics Corporation Method and apparatus for attaching navigational history information to universal resource locator links on a world wide web page
JPH0990974A (ja) * 1995-09-25 1997-04-04 Nippon Telegr & Teleph Corp <Ntt> 信号処理方法
US7664263B2 (en) * 1998-03-24 2010-02-16 Moskowitz Scott A Method for combining transfer functions with predetermined key creation
US6205249B1 (en) * 1998-04-02 2001-03-20 Scott A. Moskowitz Multiple transform utilization and applications for secure digital watermarking
US5889868A (en) * 1996-07-02 1999-03-30 The Dice Company Optimization methods for the insertion, protection, and detection of digital watermarks in digitized data
US7346472B1 (en) * 2000-09-07 2008-03-18 Blue Spike, Inc. Method and device for monitoring and analyzing signals
US7159116B2 (en) 1999-12-07 2007-01-02 Blue Spike, Inc. Systems, methods and devices for trusted transactions
US7457962B2 (en) 1996-07-02 2008-11-25 Wistaria Trading, Inc Optimization methods for the insertion, protection, and detection of digital watermarks in digitized data
US7095874B2 (en) 1996-07-02 2006-08-22 Wistaria Trading, Inc. Optimization methods for the insertion, protection, and detection of digital watermarks in digitized data
US7177429B2 (en) 2000-12-07 2007-02-13 Blue Spike, Inc. System and methods for permitting open access to data objects and for securing data within the data objects
US5892536A (en) * 1996-10-03 1999-04-06 Personal Audio Systems and methods for computer enhanced broadcast monitoring
US7055166B1 (en) 1996-10-03 2006-05-30 Gotuit Media Corp. Apparatus and methods for broadcast monitoring
US6088455A (en) * 1997-01-07 2000-07-11 Logan; James D. Methods and apparatus for selectively reproducing segments of broadcast programming
US5986692A (en) * 1996-10-03 1999-11-16 Logan; James D. Systems and methods for computer enhanced broadcast monitoring
US7751596B2 (en) 1996-11-12 2010-07-06 Digimarc Corporation Methods and arrangements employing digital content items
US7730317B2 (en) 1996-12-20 2010-06-01 Wistaria Trading, Inc. Linear predictive coding implementation of digital watermarks
US6708146B1 (en) 1997-01-03 2004-03-16 Telecommunications Research Laboratories Voiceband signal classifier
JP3584458B2 (ja) * 1997-10-31 2004-11-04 ソニー株式会社 パターン認識装置およびパターン認識方法
US7689532B1 (en) 2000-07-20 2010-03-30 Digimarc Corporation Using embedded data with file sharing
US6263031B1 (en) * 1998-04-29 2001-07-17 Hughes Electronics Corp. Method and apparatus for signal burst classification
DE19821273B4 (de) * 1998-05-13 2006-10-05 Deutsche Telekom Ag Meßverfahren zur gehörrichtigen Qualitätsbewertung von codierten Audiosignalen
US7644282B2 (en) 1998-05-28 2010-01-05 Verance Corporation Pre-processed information embedding system
US7664264B2 (en) * 1999-03-24 2010-02-16 Blue Spike, Inc. Utilizing data reduction in steganographic and cryptographic systems
US7565294B2 (en) * 1999-05-19 2009-07-21 Digimarc Corporation Methods and systems employing digital content
US20070100757A1 (en) * 1999-05-19 2007-05-03 Rhoads Geoffrey B Content Protection Arrangements
US8752118B1 (en) 1999-05-19 2014-06-10 Digimarc Corporation Audio and video content-based methods
US6895514B1 (en) * 1999-06-25 2005-05-17 Lucent Technologies Inc. Method and apparatus for achieving secure password access
GR1003625B (el) * 1999-07-08 2001-08-31 Μεθοδος χημικης αποθεσης συνθετων επικαλυψεων αγωγιμων πολυμερων σε επιφανειες κραματων αλουμινιου
US7475246B1 (en) 1999-08-04 2009-01-06 Blue Spike, Inc. Secure personal content server
JP3601371B2 (ja) 1999-09-27 2004-12-15 ヤマハ株式会社 波形生成方法及び装置
US6671407B1 (en) 1999-10-19 2003-12-30 Microsoft Corporation System and method for hashing digital images
CA2809775C (fr) * 1999-10-27 2017-03-21 The Nielsen Company (Us), Llc Extraction et correlation de signature audio
KR100364753B1 (ko) * 1999-11-19 2002-12-16 엘지전자 주식회사 칼라 히스토그램의 빈값 양자화 방법
EP1163795A1 (fr) * 2000-01-13 2001-12-19 Koninklijke Philips Electronics N.V. Reduction de bruit
US6577346B1 (en) * 2000-01-24 2003-06-10 Webtv Networks, Inc. Recognizing a pattern in a video segment to identify the video segment
US6737957B1 (en) 2000-02-16 2004-05-18 Verance Corporation Remote control signaling using audio watermarks
US6834308B1 (en) 2000-02-17 2004-12-21 Audible Magic Corporation Method and apparatus for identifying media content presented on a media playing device
US6453252B1 (en) * 2000-05-15 2002-09-17 Creative Technology Ltd. Process for identifying audio content
US6970886B1 (en) * 2000-05-25 2005-11-29 Digimarc Corporation Consumer driven methods for associating content indentifiers with related web addresses
US6990453B2 (en) 2000-07-31 2006-01-24 Landmark Digital Services Llc System and methods for recognizing sound and music signals in high noise and distortion
US7853664B1 (en) * 2000-07-31 2010-12-14 Landmark Digital Services Llc Method and system for purchasing pre-recorded music
US8205237B2 (en) 2000-09-14 2012-06-19 Cox Ingemar J Identifying works, using a sub-linear time search, such as an approximate nearest neighbor search, for initiating a work-based action, such as an action on the internet
US8010988B2 (en) * 2000-09-14 2011-08-30 Cox Ingemar J Using features extracted from an audio and/or video work to obtain information about the work
US7127615B2 (en) 2000-09-20 2006-10-24 Blue Spike, Inc. Security based on subliminal and supraliminal channels for data objects
US7277766B1 (en) 2000-10-24 2007-10-02 Moodlogic, Inc. Method and system for analyzing digital audio files
FR2815760B1 (fr) * 2000-10-24 2003-01-24 Philippe Ecrement Procede de constitution d'un signal numerique representatif d'un signal sonore et procede de reconnaissance d'un signal sonore
US7562012B1 (en) 2000-11-03 2009-07-14 Audible Magic Corporation Method and apparatus for creating a unique audio signature
DE10058811A1 (de) * 2000-11-27 2002-06-13 Philips Corp Intellectual Pty Verfahren zur Identifizierung von Musikstücken
US20020072982A1 (en) 2000-12-12 2002-06-13 Shazam Entertainment Ltd. Method and system for interacting with a user in an experiential environment
DE10134471C2 (de) * 2001-02-28 2003-05-22 Fraunhofer Ges Forschung Verfahren und Vorrichtung zum Charakterisieren eines Signals und Verfahren und Vorrichtung zum Erzeugen eines indexierten Signals
DE10109648C2 (de) * 2001-02-28 2003-01-30 Fraunhofer Ges Forschung Verfahren und Vorrichtung zum Charakterisieren eines Signals und Verfahren und Vorrichtung zum Erzeugen eines indexierten Signals
US7359889B2 (en) 2001-03-02 2008-04-15 Landmark Digital Services Llc Method and apparatus for automatically creating database for use in automated media recognition system
TW582022B (en) * 2001-03-14 2004-04-01 Ibm A method and system for the automatic detection of similar or identical segments in audio recordings
US7363278B2 (en) * 2001-04-05 2008-04-22 Audible Magic Corporation Copyright detection and protection system and method
DE10117870B4 (de) * 2001-04-10 2005-06-09 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren und Vorrichtung zum Überführen eines Musiksignals in eine Noten-basierte Beschreibung und Verfahren und Vorrichtung zum Referenzieren eines Musiksignals in einer Datenbank
US6975743B2 (en) * 2001-04-24 2005-12-13 Microsoft Corporation Robust and stealthy video watermarking into regions of successive frames
US6996273B2 (en) 2001-04-24 2006-02-07 Microsoft Corporation Robust recognizer of perceptually similar content
US7020775B2 (en) 2001-04-24 2006-03-28 Microsoft Corporation Derivation and quantization of robust non-local characteristics for blind watermarking
US7356188B2 (en) * 2001-04-24 2008-04-08 Microsoft Corporation Recognizer of text-based work
US6973574B2 (en) * 2001-04-24 2005-12-06 Microsoft Corp. Recognizer of audio-content in digital signals
US7046819B2 (en) * 2001-04-25 2006-05-16 Digimarc Corporation Encoded reference signal for digital watermarks
US7962482B2 (en) * 2001-05-16 2011-06-14 Pandora Media, Inc. Methods and systems for utilizing contextual feedback to generate and modify playlists
US20060212442A1 (en) * 2001-05-16 2006-09-21 Pandora Media, Inc. Methods of Presenting and Providing Content to a User
US20060206478A1 (en) * 2001-05-16 2006-09-14 Pandora Media, Inc. Playlist generating methods
US7003515B1 (en) * 2001-05-16 2006-02-21 Pandora Media, Inc. Consumer item matching method and system
US6993532B1 (en) 2001-05-30 2006-01-31 Microsoft Corporation Auto playlist generator
DE10133333C1 (de) * 2001-07-10 2002-12-05 Fraunhofer Ges Forschung Verfahren und Vorrichtung zum Erzeugen eines Fingerabdrucks und Verfahren und Vorrichtung zum Identifizieren eines Audiosignals
US7529659B2 (en) * 2005-09-28 2009-05-05 Audible Magic Corporation Method and apparatus for identifying an unknown work
US6968337B2 (en) * 2001-07-10 2005-11-22 Audible Magic Corporation Method and apparatus for identifying an unknown work
US8972481B2 (en) * 2001-07-20 2015-03-03 Audible Magic, Inc. Playlist generation method and apparatus
US7877438B2 (en) * 2001-07-20 2011-01-25 Audible Magic Corporation Method and apparatus for identifying new media content
WO2003009277A2 (fr) * 2001-07-20 2003-01-30 Gracenote, Inc. Identification automatique d'enregistrements sonores
US6724914B2 (en) * 2001-10-16 2004-04-20 Digimarc Corporation Progressive watermark decoding on a distributed computing platform
US20030135623A1 (en) * 2001-10-23 2003-07-17 Audible Magic, Inc. Method and apparatus for cache promotion
US7065544B2 (en) * 2001-11-29 2006-06-20 Hewlett-Packard Development Company, L.P. System and method for detecting repetitions in a multimedia stream
US6995309B2 (en) * 2001-12-06 2006-02-07 Hewlett-Packard Development Company, L.P. System and method for music identification
US6714605B2 (en) * 2002-04-22 2004-03-30 Cognio, Inc. System and method for real-time spectrum analysis in a communication device
US6850735B2 (en) * 2002-04-22 2005-02-01 Cognio, Inc. System and method for signal classiciation of signals in a frequency band
US7287275B2 (en) 2002-04-17 2007-10-23 Moskowitz Scott A Methods, systems and devices for packet watermarking and efficient provisioning of bandwidth
US7292656B2 (en) * 2002-04-22 2007-11-06 Cognio, Inc. Signal pulse detection scheme for use in real-time spectrum analysis
US7254191B2 (en) * 2002-04-22 2007-08-07 Cognio, Inc. System and method for real-time spectrum analysis in a radio device
US7116943B2 (en) * 2002-04-22 2006-10-03 Cognio, Inc. System and method for classifying signals occuring in a frequency band
KR100820385B1 (ko) * 2002-04-25 2008-04-10 랜드마크 디지털 서비시즈 엘엘씨 확실하고 불변적인 오디오 패턴 매칭방법
US7082394B2 (en) * 2002-06-25 2006-07-25 Microsoft Corporation Noise-robust feature extraction using multi-layer principal component analysis
US7006703B2 (en) * 2002-06-28 2006-02-28 Microsoft Corporation Content recognizer via probabilistic mirror distribution
US7095873B2 (en) 2002-06-28 2006-08-22 Microsoft Corporation Watermarking via quantization of statistics of overlapping regions
ATE455347T1 (de) * 2002-07-10 2010-01-15 Palm Inc Verfahren zum auffinden einer tonfolge
US20040091111A1 (en) * 2002-07-16 2004-05-13 Levy Kenneth L. Digital watermarking and fingerprinting applications
AU2003281641A1 (en) 2002-07-22 2004-02-09 Koninklijke Philips Electronics N.V. Determining type of signal encoder
US7171161B2 (en) * 2002-07-30 2007-01-30 Cognio, Inc. System and method for classifying signals using timing templates, power templates and other techniques
US8171567B1 (en) * 2002-09-04 2012-05-01 Tracer Detection Technology Corp. Authentication method and system
AU2003282763A1 (en) * 2002-10-15 2004-05-04 Verance Corporation Media monitoring, management and information system
EP1437711A1 (fr) * 2002-12-17 2004-07-14 Sony France S.A. Méthode et dispositif pour générer une fonction pour extraire une valeur caractéristique globale du contenu d'un signal
EP1431956A1 (fr) * 2002-12-17 2004-06-23 Sony France S.A. Méthode et dispositif pour générer une fonction pour extraire une valeur caractéristique globale du contenu d'un signal
US6958103B2 (en) * 2002-12-23 2005-10-25 Kimberly-Clark Worldwide, Inc. Entangled fabrics containing staple fibers
US8332326B2 (en) * 2003-02-01 2012-12-11 Audible Magic Corporation Method and apparatus to identify a work received by a processing system
EP2456104A1 (fr) 2003-02-10 2012-05-23 Nielsen Media Research, Inc. Procédé et dispositif pour obtenir adaptivemement des données de mesure d'audience
US7606790B2 (en) 2003-03-03 2009-10-20 Digimarc Corporation Integrating and enhancing searching of media content and biometric databases
US20040208169A1 (en) * 2003-04-18 2004-10-21 Reznik Yuriy A. Digital audio signal compression method and apparatus
US7742926B2 (en) * 2003-04-18 2010-06-22 Realnetworks, Inc. Digital audio signal compression method and apparatus
US7349663B1 (en) * 2003-04-24 2008-03-25 Leave A Little Room Foundation Internet radio station and disc jockey system
WO2004104628A1 (fr) * 2003-05-21 2004-12-02 Telefonaktiebolaget Lm Ericsson (Publ) Procede et systeme de resolution angulaire non ambigue d'un reseau d'antenne large bande clairseme
US7035593B2 (en) * 2003-07-28 2006-04-25 Cognio, Inc. Signal classification methods for scanning receiver and other applications
US20060239501A1 (en) 2005-04-26 2006-10-26 Verance Corporation Security enhancements of digital watermarks for multi-media content
US9055239B2 (en) * 2003-10-08 2015-06-09 Verance Corporation Signal continuity assessment using embedded watermarks
US20070039018A1 (en) * 2005-08-09 2007-02-15 Verance Corporation Apparatus, systems and methods for broadcast advertising stewardship
US7369677B2 (en) 2005-04-26 2008-05-06 Verance Corporation System reactions to the detection of embedded watermarks in a digital host content
US7831832B2 (en) * 2004-01-06 2010-11-09 Microsoft Corporation Digital goods representation based upon matrix invariances
US7852259B2 (en) 2004-01-23 2010-12-14 Telefonaktiebolaget Lm Ericsson (Publ) Clutter filtering
US20050165690A1 (en) * 2004-01-23 2005-07-28 Microsoft Corporation Watermarking via quantization of rational statistics of regions
US7986913B2 (en) 2004-02-19 2011-07-26 Landmark Digital Services, Llc Method and apparatus for identificaton of broadcast source
CN101142591A (zh) 2004-04-19 2008-03-12 兰德马克数字服务有限责任公司 内容采样和标识
US8688248B2 (en) * 2004-04-19 2014-04-01 Shazam Investments Limited Method and system for content sampling and identification
US7770014B2 (en) * 2004-04-30 2010-08-03 Microsoft Corporation Randomized signal transforms and their applications
WO2006012241A2 (fr) 2004-06-24 2006-02-02 Landmark Digital Services Llc Procede de caracterisation du chevauchement de deux segments de media
JP4358229B2 (ja) * 2004-07-09 2009-11-04 日本電信電話株式会社 信号検出システム、信号検出サーバ、信号検出方法及びプログラム
US8130746B2 (en) 2004-07-28 2012-03-06 Audible Magic Corporation System for distributing decoy content in a peer to peer network
US7567899B2 (en) * 2004-12-30 2009-07-28 All Media Guide, Llc Methods and apparatus for audio recognition
US7451078B2 (en) * 2004-12-30 2008-11-11 All Media Guide, Llc Methods and apparatus for identifying media objects
ES2349961T3 (es) * 2005-01-21 2011-01-13 Cugate Ag Método de generación de una huella para una señal útil.
CA2595634C (fr) 2005-02-08 2014-12-30 Landmark Digital Services Llc Identification automatique de materiel repete dans des signaux audio
JP4332129B2 (ja) * 2005-04-20 2009-09-16 富士通株式会社 文書分類プログラム、文書分類方法および文書分類装置
US20060242198A1 (en) * 2005-04-22 2006-10-26 Microsoft Corporation Methods, computer-readable media, and data structures for building an authoritative database of digital audio identifier elements and identifying media items
US7647128B2 (en) * 2005-04-22 2010-01-12 Microsoft Corporation Methods, computer-readable media, and data structures for building an authoritative database of digital audio identifier elements and identifying media items
US20060270371A1 (en) * 2005-05-31 2006-11-30 Sugar Gary L Tracking short-term maximum power spectrum density for improved visibility of low duty cycle signals
EP1908053B1 (fr) * 2005-06-24 2010-12-22 Monash University Systeme d'analyse de la parole
US8020004B2 (en) 2005-07-01 2011-09-13 Verance Corporation Forensic marking using a common customization function
US8781967B2 (en) * 2005-07-07 2014-07-15 Verance Corporation Watermarking in an encrypted domain
US20070076869A1 (en) * 2005-10-03 2007-04-05 Microsoft Corporation Digital goods representation based upon matrix invariants using non-negative matrix factorizations
US20070162761A1 (en) 2005-12-23 2007-07-12 Davis Bruce L Methods and Systems to Help Detect Identity Fraud
DE102006004202B4 (de) * 2006-01-27 2008-02-14 Nec Europe Ltd. Verfahren zum Schutz von SIP basierten Anwendungen
FR2898415B1 (fr) * 2006-03-09 2009-01-16 Thales Sa Procede d'identification par profilometrie laser
US7735101B2 (en) 2006-03-28 2010-06-08 Cisco Technology, Inc. System allowing users to embed comments at specific points in time into media presentation
US20070239675A1 (en) * 2006-03-29 2007-10-11 Microsoft Corporation Web search media service
MX2007015979A (es) 2006-03-31 2009-04-07 Nielsen Media Res Inc Metodos, sistemas y aparato para medicion de multiples fines.
US7835319B2 (en) * 2006-05-09 2010-11-16 Cisco Technology, Inc. System and method for identifying wireless devices using pulse fingerprinting and sequence analysis
US7873514B2 (en) * 2006-08-11 2011-01-18 Ntt Docomo, Inc. Method for quantizing speech and audio through an efficient perceptually relevant search of multiple quantization patterns
US8239190B2 (en) * 2006-08-22 2012-08-07 Qualcomm Incorporated Time-warping frames of wideband vocoder
US8738749B2 (en) 2006-08-29 2014-05-27 Digimarc Corporation Content monitoring and host compliance evaluation
US8707459B2 (en) 2007-01-19 2014-04-22 Digimarc Corporation Determination of originality of content
ES2433966T3 (es) 2006-10-03 2013-12-13 Shazam Entertainment, Ltd. Método para caudal alto de identificación de contenido de radiodifusión distribuido
US10242415B2 (en) 2006-12-20 2019-03-26 Digimarc Corporation Method and system for determining content treatment
US9179200B2 (en) 2007-03-14 2015-11-03 Digimarc Corporation Method and system for determining content treatment
GB2460773B (en) * 2007-02-20 2010-10-27 Nielsen Co Methods and apparatus for characterizing media
US8453170B2 (en) * 2007-02-27 2013-05-28 Landmark Digital Services Llc System and method for monitoring and recognizing broadcast data
EP2156583B1 (fr) * 2007-05-02 2018-06-06 The Nielsen Company (US), LLC Procédés et appareil de génération de signature
US7840177B2 (en) * 2007-05-23 2010-11-23 Landmark Digital Services, Llc Device for monitoring multiple broadcast signals
JP2008009442A (ja) * 2007-07-23 2008-01-17 Video Research:Kk 音声データ処理方法
US8006314B2 (en) 2007-07-27 2011-08-23 Audible Magic Corporation System for identifying content of digital data
US7917347B2 (en) * 2007-10-30 2011-03-29 International Business Machines Corporation Generating a worst case current waveform for testing of integrated circuit devices
EP2210252B1 (fr) 2007-11-12 2017-05-24 The Nielsen Company (US), LLC Procédés et dispositifs pour effectuer le tatouage audio et la détection et l'extraction de tatouage
US8457951B2 (en) 2008-01-29 2013-06-04 The Nielsen Company (Us), Llc Methods and apparatus for performing variable black length watermarking of media
CA2717723C (fr) 2008-03-05 2016-10-18 The Nielsen Company (Us), Llc Procedes et appareils de generation de signatures
WO2009151578A2 (fr) * 2008-06-09 2009-12-17 The Board Of Trustees Of The University Of Illinois Procédé et appareil de récupération de signal aveugle dans des environnements bruyants et réverbérants
US8259938B2 (en) 2008-06-24 2012-09-04 Verance Corporation Efficient and secure forensic marking in compressed
US8199651B1 (en) 2009-03-16 2012-06-12 Audible Magic Corporation Method and system for modifying communication flows at a port level
US8712109B2 (en) * 2009-05-08 2014-04-29 Microsoft Corporation Pose-variant face recognition using multiscale local descriptors
JP5710604B2 (ja) * 2009-05-21 2015-04-30 ディジマーク コーポレイション ウォーターマーキングとフィンガープリンティングとの組合せ
US9449090B2 (en) 2009-05-29 2016-09-20 Vizio Inscape Technologies, Llc Systems and methods for addressing a media database using distance associative hashing
US8769584B2 (en) 2009-05-29 2014-07-01 TVI Interactive Systems, Inc. Methods for displaying contextually targeted content on a connected television
US9094715B2 (en) 2009-05-29 2015-07-28 Cognitive Networks, Inc. Systems and methods for multi-broadcast differentiation
US10949458B2 (en) * 2009-05-29 2021-03-16 Inscape Data, Inc. System and method for improving work load management in ACR television monitoring system
US8620967B2 (en) * 2009-06-11 2013-12-31 Rovi Technologies Corporation Managing metadata for occurrences of a recording
US8738354B2 (en) * 2009-06-19 2014-05-27 Microsoft Corporation Trans-lingual representation of text documents
US20110041154A1 (en) * 2009-08-14 2011-02-17 All Media Guide, Llc Content Recognition and Synchronization on a Television or Consumer Electronics Device
US20110078020A1 (en) * 2009-09-30 2011-03-31 Lajoie Dan Systems and methods for identifying popular audio assets
US8161071B2 (en) 2009-09-30 2012-04-17 United Video Properties, Inc. Systems and methods for audio asset storage and management
US8677400B2 (en) * 2009-09-30 2014-03-18 United Video Properties, Inc. Systems and methods for identifying audio content using an interactive media guidance application
US8521779B2 (en) 2009-10-09 2013-08-27 Adelphoi Limited Metadata record generation
US20110173185A1 (en) * 2010-01-13 2011-07-14 Rovi Technologies Corporation Multi-stage lookup for rolling audio recognition
US8886531B2 (en) * 2010-01-13 2014-11-11 Rovi Technologies Corporation Apparatus and method for generating an audio fingerprint and using a two-stage query
US8686271B2 (en) * 2010-05-04 2014-04-01 Shazam Entertainment Ltd. Methods and systems for synchronizing media
US9026034B2 (en) 2010-05-04 2015-05-05 Project Oda, Inc. Automatic detection of broadcast programming
ES2488719T3 (es) 2010-06-09 2014-08-28 Adelphoi Limited Sistema y método para el reconocimiento de medios de audio
US9607131B2 (en) 2010-09-16 2017-03-28 Verance Corporation Secure and efficient content screening in a networked environment
EP2735141A4 (fr) 2011-07-18 2015-03-04 Viggle Inc Système et procédé pour tracer et récompenser une utilisation de médias et de divertissements comprenant des récompenses sensiblement en temps réel
US9384729B2 (en) 2011-07-20 2016-07-05 Tata Consultancy Services Limited Method and system for detecting boundary of coarticulated units from isolated speech
US8682026B2 (en) 2011-11-03 2014-03-25 Verance Corporation Efficient extraction of embedded watermarks in the presence of host content distortions
US8533481B2 (en) 2011-11-03 2013-09-10 Verance Corporation Extraction of embedded watermarks from a host content based on extrapolation techniques
US8615104B2 (en) 2011-11-03 2013-12-24 Verance Corporation Watermark extraction based on tentative watermarks
US8923548B2 (en) 2011-11-03 2014-12-30 Verance Corporation Extraction of embedded watermarks from a host content using a plurality of tentative watermarks
US8745403B2 (en) 2011-11-23 2014-06-03 Verance Corporation Enhanced content management based on watermark extraction records
US9547753B2 (en) 2011-12-13 2017-01-17 Verance Corporation Coordinated watermarking
US9323902B2 (en) 2011-12-13 2016-04-26 Verance Corporation Conditional access using embedded watermarks
US9292894B2 (en) 2012-03-14 2016-03-22 Digimarc Corporation Content recognition and synchronization using local caching
WO2013184520A1 (fr) 2012-06-04 2013-12-12 Stone Troy Christopher Procédés et systèmes pour identifier des types de contenu
US9282366B2 (en) 2012-08-13 2016-03-08 The Nielsen Company (Us), Llc Methods and apparatus to communicate audience measurement information
US9571606B2 (en) 2012-08-31 2017-02-14 Verance Corporation Social media viewing system
US8977374B1 (en) * 2012-09-12 2015-03-10 Google Inc. Geometric and acoustic joint learning
US8869222B2 (en) 2012-09-13 2014-10-21 Verance Corporation Second screen content
US8726304B2 (en) 2012-09-13 2014-05-13 Verance Corporation Time varying evaluation of multimedia content
US9106964B2 (en) 2012-09-13 2015-08-11 Verance Corporation Enhanced content distribution using advertisements
US9081778B2 (en) 2012-09-25 2015-07-14 Audible Magic Corporation Using digital fingerprints to associate data with a work
US9262794B2 (en) 2013-03-14 2016-02-16 Verance Corporation Transactional video marking system
US9251549B2 (en) 2013-07-23 2016-02-02 Verance Corporation Watermark extractor enhancements based on payload ranking
US9208334B2 (en) 2013-10-25 2015-12-08 Verance Corporation Content management using multiple abstraction layers
US9955192B2 (en) 2013-12-23 2018-04-24 Inscape Data, Inc. Monitoring individual viewing of television events using tracking pixels and cookies
KR101731770B1 (ko) 2014-03-13 2017-04-28 베란스 코오포레이션 임베디드 코드를 사용한 양방향 콘텐츠 획득
US9699499B2 (en) 2014-04-30 2017-07-04 The Nielsen Company (Us), Llc Methods and apparatus to measure exposure to streaming media
US9905233B1 (en) 2014-08-07 2018-02-27 Digimarc Corporation Methods and apparatus for facilitating ambient content recognition using digital watermarks, and related arrangements
MX373930B (es) 2015-01-30 2020-07-10 Inscape Data Inc Metodos para la identificacion de segmentos de video y opcion de visualizacion para ver desde una fuente alternativa y/o en un dispositivo alternativo.
JP5956624B1 (ja) * 2015-02-02 2016-07-27 西日本高速道路エンジニアリング四国株式会社 異常音の検出方法及びその検出値を用いた構造物の異常判定方法、並びに、振動波の類似度検出方法及びその検出値を用いた音声認識方法
CA2982797C (fr) 2015-04-17 2023-03-14 Inscape Data, Inc. Systemes et procedes de reduction de la densite de donnees dans de larges ensembles de donnees
EP3286757B1 (fr) 2015-04-24 2019-10-23 Cyber Resonance Corporation Procédés et systèmes permettant de réaliser une analyse de signal pour identifier des types de contenu
US10080062B2 (en) 2015-07-16 2018-09-18 Inscape Data, Inc. Optimizing media fingerprint retention to improve system resource utilization
CA3216076A1 (fr) 2015-07-16 2017-01-19 Inscape Data, Inc. Detection de segments multimedias communs
MX384108B (es) 2015-07-16 2025-03-14 Inscape Data Inc Sistema y método para mejorar la gestión de la carga de trabajo en el sistema de monitoreo de televisión acr.
US11308144B2 (en) 2015-07-16 2022-04-19 Inscape Data, Inc. Systems and methods for partitioning search indexes for improved efficiency in identifying media segments
US10397749B1 (en) * 2017-11-09 2019-08-27 Sprint Communications Company L.P. Systems and methods for detection, identification, and use of environmental audio signatures
US11107297B2 (en) * 2018-12-12 2021-08-31 Simmonds Precision Products, Inc. Merging discrete time signals
US11269635B1 (en) * 2019-10-21 2022-03-08 Accenture Global Solutions Limited Hardware efficient statistical moment computation
US12198711B2 (en) 2020-11-23 2025-01-14 Cyber Resonance Corporation Methods and systems for processing recorded audio content to enhance speech

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3919479A (en) * 1972-09-21 1975-11-11 First National Bank Of Boston Broadcast signal identification system
DE2536640C3 (de) * 1975-08-16 1979-10-11 Philips Patentverwaltung Gmbh, 2000 Hamburg Anordnung zur Erkennung von Geräuschen
US4053710A (en) * 1976-03-01 1977-10-11 Ncr Corporation Automatic speaker verification systems employing moment invariants
JPS542050A (en) 1977-06-07 1979-01-09 Nec Corp Block coding and decoding system
JPS5525150A (en) * 1978-08-10 1980-02-22 Nec Corp Pattern recognition unit
US4450531A (en) * 1982-09-10 1984-05-22 Ensco, Inc. Broadcast signal recognition system and method
US4697209A (en) 1984-04-26 1987-09-29 A. C. Nielsen Company Methods and apparatus for automatically identifying programs viewed or recorded
US4677466A (en) * 1985-07-29 1987-06-30 A. C. Nielsen Company Broadcast program identification method and apparatus
JPH067343B2 (ja) * 1987-02-23 1994-01-26 株式会社東芝 パタ−ン識別装置
US4843562A (en) * 1987-06-24 1989-06-27 Broadcast Data Systems Limited Partnership Broadcast information classification system and method

Also Published As

Publication number Publication date
US5210820A (en) 1993-05-11
ES2091328T3 (es) 1996-11-01
CA2041754A1 (fr) 1991-11-03
DE69122017D1 (de) 1996-10-17
EP0480010B1 (fr) 1996-09-11
JP3130926B2 (ja) 2001-01-31
JPH05501166A (ja) 1993-03-04
ATE142815T1 (de) 1996-09-15
WO1991017540A1 (fr) 1991-11-14
CA2041754C (fr) 2004-12-28
EP0480010A1 (fr) 1992-04-15
DE69122017T2 (de) 1997-04-10

Similar Documents

Publication Publication Date Title
EP0480010B1 (fr) Systeme et procede de reconnaissance de signaux
KR960000152B1 (ko) 방송 정보 분류시스템 및 방법
EP1730105B1 (fr) Procede et dispositif destines a la detection et a l&#39;identification automatiques d&#39;un signal de programmation audio ou video diffuse
JP5907511B2 (ja) オーディオメディア認識のためのシステム及び方法
US20130139674A1 (en) Musical fingerprinting
US20060155399A1 (en) Method and system for generating acoustic fingerprints
WO1984002992A1 (fr) Appareil et procede de traitement et de synthese de signaux
EP1393300A1 (fr) Segmentation de signaux audio en evenements auditifs
EP1531457B1 (fr) Appareil et méthode pour segmenter des données audio en méta-formes
US20080249976A1 (en) Coded Domain Audio Analysis
Chu et al. Peak-based philips fingerprint robust to pitch-shift for audio identification
Du et al. Determination of the instants of glottal closure from speech wave using wavelet transform
Kamesh et al. Audio fingerprinting with higher matching depth at reduced computational complexity
Song An Automatic Commercial Search Application for TV Broadcasting Using Audio Fingerprinting
Schätti Real-Time Audio Feature Analysis for Decklight3
Liang et al. REHEARSAL AUDIO STREAM SEGMENTATION AND CLUSTERING
de los Santos Guadarrama Nonlinear Audio Recurrence Analysis with Application to Music Genre Classification.
HK1181913B (en) System and method for audio media recognition

Legal Events

Date Code Title Description
PF Patent in force
PC Patent ceased (i.e. patent has lapsed due to the failure to pay the renewal fee)

Effective date: 20050502