本发明属于音频检测技术领域，尤其涉及一种音频广告检测方法、系统、移动终端及存储介质。
背景技术：
随着互联网的发展与普及，互联网上积累了大量的信息，其中包括大量语音类的音频信息。而在这些语音类的音频信息中，很多会带有广告。当用户进行音频点播时，带有广告的音频会很大程度上影响用户的点播体验。例如，在故事机产品中，其核心功能就是根据用户的语音点播返回指定的故事音频。故事机的故事音频数据库共有数千个专辑，包含了数十万的音频。但是，音频的质量参差不齐，其中还有大量的音频包含着第三方的广告信息。如果用户使用故事机进行点播的时候，给用户播放了这类“低质量”的带广告的故事资源，势必会给用户造成不好的点播体验。因此，如何能够在数据入库的时候，快速的筛选出带有广告的音频，是大家十分关注的问题。
现有的音频广告检测方法采用的是基于音频指纹的模板匹配，工作人员通过听取音频数据，人工的截取广告段并将广告段以音频指纹的形式存入到数据库中，在对音频数据进行广告检测任务时，通过对广播音频进行音频指纹的提取操作，并将提取到的音频指纹与数据库中音频指纹进行逐一对比。
如果音频指纹匹配成功，则被检测音频段为广告段且广告的具体信息也可以被确定。如果指纹匹配失败，则说明被检测音频并不属于已被录入音频指纹数据库中的广告。由于音频数据中广告的种类数目繁多，工作人员构建的音频指纹库往往也变成巨大。在对音频数据进行广告检测时，每一段待检测音频都需要对指纹库中的每一个音频指纹进行对比，进而导致音频广告检测的检测效率低下。
技术实现要素：
本发明实施例的目的在于提供一种音频广告检测方法、系统、移动终端及存储介质，旨在解决现有的音频广告检测方法训练效率低下且耗时长的问题。
本发明实施例是这样实现的，一种音频广告检测方法，所述方法包括：
获取音频数据，并对所述音频数据进行特征提取，以得到音频特征；
对所述音频特征进行矩阵计算，以得到自相似矩阵；
将所述自相似矩阵中的最大峰值点设置为相似段基准点，并根据所述相似段基准点在所述自相似矩阵中进行相似点查询；
根据查询结果将查询到的所述相似点的集合设置为广告段，并根据所述广告段对所述音频数据进行广告剔除处理。
更进一步的，所述根据所述相似段基准点在所述自相似矩阵中进行相似点查询步骤包括：
将所述相似段基准点设置为中点，并沿所述自相似矩阵的对角线进行等距延伸，以得到起点位置和终点位置；
计算所述起点位置与所述终点位置之间的相似度，以得到相似值；
判断所述相似值是否小于相似阈值；
当判断到所述相似值小于所述相似阈值时，停止所述起点位置和所述终点位置的延伸；
将所述起点位置和所述终点位置之间的点设置为所述相似点。
更进一步的，所述根据所述广告段对所述音频数据进行广告剔除处理的步骤之后，所述方法还包括：
对所述音频数据中的音频信号进行特征计算，以得到音频特征向量；
将所述特征向量输入梯度提升树模型，并控制所述梯度提升树模型对所述音频数据的所有音频帧进行分类；
当判断到所述音频帧的分类结果为广告分类时，对所述音频帧标记为广告帧，并将所述音频信号中连续的所述广告帧进行删除。
更进一步的，所述对所述音频数据中的音频信号进行特征计算的步骤包括：
对所述音频信号进行分帧加窗处理，并提取mfcc特征、过零率特征、短时能量特征、能量熵特征、频谱中心特征、频谱延展度特征和频谱通量特征；
将所述mfcc特征、所述过零率特征、所述短时能量特征、所述能量熵特征、所述频谱中心特征、所述频谱延展度特征和所述频谱通量特征进行向量拼接，以得到所述音频特征向量。
更进一步的，所述对所述音频特征进行矩阵计算的步骤包括：
对所述音频特征进行余弦计算，以得到余弦相似度；
根据所述余弦相似度查询目标距离公式，并根据所述目标距离公式对所述音频特征进行矩阵计算。
更进一步的，所述将所述自相似矩阵中的最大峰值点设置为相似段基准点的步骤之前，所述方法还包括：
对所述自相似矩阵进行卷积处理，以删除所述自相似矩阵中的异常点。
更进一步的，所述对所述音频数据进行特征提取的步骤之后，所述方法还包括：
对所述音频特征进行分类，并根据分类结果进行音频分割，以得到多组不同类别的所述音频特征；
依序对不同类别的所述音频特征进行矩阵计算。
本发明实施例的另一目的在于提供一种音频广告检测系统，所述系统包括：
特征提取模块，用于获取音频数据，并对所述音频数据进行特征提取，以得到音频特征；
矩阵计算模块，用于对所述音频特征进行矩阵计算，以得到自相似矩阵；
相似点查询模块，用于将所述自相似矩阵中的最大峰值点设置为相似段基准点，并根据所述相似段基准点在所述自相似矩阵中进行相似点查询；
广告剔除模块，用于根据查询结果将查询到的所述相似点的集合设置为广告段，并根据所述广告段对所述音频数据进行广告剔除处理。
本发明实施例的另一目的在于提供一种移动终端，包括存储设备以及处理器，所述存储设备用于存储计算机程序，所述处理器运行所述计算机程序以使所述移动终端执行上述的音频广告检测方法。
本发明实施例的另一目的在于提供一种存储介质，其存储有上述的移动终端中所使用的计算机程序，该计算机程序被处理器执行时实现上述的音频广告检测方法的步骤。
本发明实施例，通过对音频特征进行自相似矩阵的计算设计，能有效的进行相似段基准点的设置，基于相似段基准点的设置，以自动进行相似点的查询，并基于相似点的查询结果进行广告段的获取和剔除，本发明实施例无需采用人工手动的方式进行广告音频指纹的标记和比对，进而有效的提高了音频广告检测的检测效率。
附图说明
图1是本发明第一实施例提供的音频广告检测方法的流程图；
图2是本发明第二实施例提供的音频广告检测方法的流程图；
图3是本发明第三实施例提供的音频广告检测方法的流程图；
图4是本发明第四实施例提供的音频广告检测系统的结构示意图；
图5是本发明第五实施例提供的移动终端的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
实施例一
请参阅图1，是本发明第一实施例提供的音频广告检测方法的流程图，包括步骤：
步骤s10，获取音频数据，并对所述音频数据进行特征提取，以得到音频特征；
其中，所述对所述音频数据进行特征提取的步骤包括：对所述音频数据进行预处理，完成该预处理后对音频特征进行静音帧判断，当判断到该音频特征所对应的音频为静音帧时，判定该音频数据的类型为静音音频；
当判断到该音频特征所对应的音频不为静音帧时，将该音频特征输入分类器进行分类，以判定对应音频数据的类型属性，该类型属性可以为纯音乐、背景音、噪音、纯语音、含噪语音等；
具体的，该步骤中，该预处理可以根据需求进行处理步骤的设置，本实施例中，该预处理的步骤包括：预加重-分帧-加窗-快速傅里叶变换-三角带通滤波器-经离散余弦变换(dct)得到mfcc系数-计算对数能量-动态查分参数的提取，以得到该音频特征，即本实施例中得到的特征是梅尔倒谱系数(m简称mfcc特征)；
步骤s20，对所述音频特征进行矩阵计算，以得到自相似矩阵，并将所述自相似矩阵中的最大峰值点设置为相似段基准点；
其中，由于在自相似矩阵中，沿对角线分布的线段上的数值表示的是其对应的横轴时间段与纵轴时间段的音频内容的相似性，因此，通过将该自相似矩阵中的最大峰值点设置为相似段基准点，能有效的进行广告段的查询；
优选的，由于在自相似矩阵中的非相似段区域，相似度数值的波动同样也会产生峰值点，因此，该步骤中，通过采用矩阵最大峰值点的方法确定相似段基准点的设计，有效的提高了相似段基准点设置的准确性；
步骤s30，根据所述相似段基准点在所述自相似矩阵中进行相似点查询；
其中，由于自相似矩阵中沿对角线分布的线段上的数值表示的是其对应的横轴时间段与纵轴时间段的音频内容的相似性，使得广告段为在自相似矩阵中相似度较高且沿对角线分布的连续的点的集合，因此，该步骤中，可以通过基于该相似段基准点沿自相似矩阵中的对角线进行相似点的查询，以得到该广告段；
步骤s40，根据查询结果将查询到的所述相似点的集合设置为广告段，并根据所述广告段对所述音频数据进行广告剔除处理；
其中，基于步骤s30中相似点的查询，能有效的获取到该广告段的起始时间、广告时长和终止时间，进而方便了该广告段的位置定位，并基于该起始时间、广告时长和终止时间能有效的对音频数据中的广告段进行剔除；
优选的，本实施例还可以应用于在相同时段中，针对相同广告的反复播放的检测，进而有效的防止了相同时间段内，广告的重复播放，降低了广告投入成本；
本实施例，通过对音频特征进行自相似矩阵的计算设计，能有效的进行相似段基准点的设置，基于相似段基准点的设置，以自动进行相似点的查询，并基于相似点的查询结果进行广告段的获取和剔除，本发明实施例无需采用人工手动的方式进行广告音频指纹的标记和比对，进而有效的提高了音频广告检测的检测效率。
实施例二
请参阅图2，是本发明第二实施例提供的音频广告检测方法的流程图，包括步骤：
步骤s11，获取音频数据，并对所述音频数据进行特征提取，以得到音频特征；
步骤s21，对所述音频特征进行分类，并根据分类结果进行音频分割，以得到多组不同类别的所述音频特征；
其中，所述对所述音频数据进行特征提取的步骤包括：对所述音频数据进行预处理，完成该预处理后对音频特征进行静音帧判断，当判断到该音频特征所对应的音频为静音帧时，判定该音频数据的类型为静音音频；
当判断到该音频特征所对应的音频不为静音帧时，将该音频特征输入分类器进行分类，以判定对应音频数据的类型属性，该类型属性可以为纯音乐、背景音、噪音、纯语音、含噪语音等；
步骤s31，依序对不同类别的所述音频特征进行余弦计算，以得到余弦相似度，并根据所述余弦相似度查询目标距离公式；
其中，由于在自相似矩阵当中，最重要的步骤就是选取合适的距离公式，选取出合适的距离公式可以使序列中重复段可以在自相似矩阵中表现的更加明显，因此，该步骤中，通过基于该余弦相似度进行距离公式的查询，有效的提高了后续自相似矩阵计算的准确性；
步骤s41，根据所述目标距离公式对所述音频特征进行矩阵计算，得到自相似矩阵，并将所述自相似矩阵中的最大峰值点设置为相似段基准点；
其中，由于在自相似矩阵中，沿对角线分布的线段上的数值表示的是其对应的横轴时间段与纵轴时间段的音频内容的相似性，因此，通过将该自相似矩阵中的最大峰值点设置为相似段基准点，能有效的进行广告段的查询；
优选的，由于在自相似矩阵中的非相似段区域，相似度数值的波动同样也会产生峰值点，因此，该步骤中，通过采用矩阵最大峰值点的方法确定相似段基准点的设计，有效的提高了相似段基准点设置的准确性；
优选的，该步骤中，所述将所述自相似矩阵中的最大峰值点设置为相似段基准点的步骤之前，所述方法还包括：
对所述自相似矩阵进行卷积处理，以删除所述自相似矩阵中的异常点；
其中，通过对自相似矩阵进行卷积处理的设计，能有效的对自相似矩阵中的异常点进行平滑处理，而相似段的取值被加强，卷积操作大大增强了自相似性矩阵对异常点的鲁棒性；
步骤s51，将所述相似段基准点设置为中点，并沿所述自相似矩阵的对角线进行等距延伸，以得到起点位置和终点位置；
其中，该等距延伸的距离长度可以根据需求进行设置，例如以一个点为间隔进行延伸、或两个点为间隔进行延伸；
优选的，该步骤中，采用一个点的方式进行延伸，并以所述相似段基准点为中点在所述自相似矩阵中沿对角线进行点的延伸，以得到起点位置和终点位置；
步骤s61，计算所述起点位置与所述终点位置之间的相似度，以得到相似值；
其中，当该相似值越大时，则判定所述起点位置与所述终点位置对应的音频内容越相似，当该相似值越小时，则判定所述起点位置与所述终点位置对应的音频内容越不相似；
步骤s71，判断所述相似值是否小于相似阈值；
其中，该相似阈值可以根据需求进行设置，例如该相似阈值可以设置为90％、80％或70％等；
当步骤s71判断到所述相似值大于或等于所述相似阈值时，继续进行所述起始点和所述终点的延伸；
当步骤s71判断到所述相似值小于所述相似阈值时，执行步骤s81；
步骤s81，停止所述起点位置和所述终点位置的延伸，并将所述起点位置和所述终点位置之间的点设置为所述相似点；
其中，当判断到所述相似值小于所述相似阈值时，则判定所述起点位置与所述终点位置对应的音频数据内容不相同，通过停止所述起点位置和所述终点位置的延伸，以防止将有效节目音频设置为广告音频，进而提高了所述音频广告检测方法的准确性；
步骤s91，根据查询结果将查询到的所述相似点的集合设置为广告段，并根据所述广告段对所述音频数据进行广告剔除处理；
其中，基于步骤s81中所述起点位置和所述终点位置的停止延伸，能有效的获取到该广告段的起始时间、广告时长和终止时间，进而方便了该广告段的位置定位，并基于该起始时间、广告时长和终止时间能有效的对音频数据中的广告段进行剔除；
本实施例中，通过对音频特征进行自相似矩阵的计算设计，能有效的进行相似段基准点的设置，基于相似段基准点的设置，以自动进行相似点的查询，并基于相似点的查询结果进行广告段的获取和剔除，本发明实施例无需采用人工手动的方式进行广告音频指纹的标记和比对，进而有效的提高了音频广告检测的检测效率。
实施例三
请参阅图3，是本发明第三实施例提供的音频广告检测方法的流程图，包括步骤：
步骤s12，获取音频数据，并对所述音频数据进行特征提取，以得到音频特征；
步骤s22，对所述音频特征进行矩阵计算，以得到自相似矩阵；
步骤s32，将所述自相似矩阵中的最大峰值点设置为相似段基准点，并根据所述相似段基准点在所述自相似矩阵中进行相似点查询；
步骤s42，根据查询结果将查询到的所述相似点的集合设置为广告段，并根据所述广告段对所述音频数据进行广告剔除处理；
步骤s52，对所述音频数据中的音频信号进行特征计算，以得到音频特征向量；
具体的，该步骤中，所述对所述音频数据中的音频信号进行特征计算的步骤包括：
步骤s521，对所述音频信号进行分帧加窗处理，并提取mfcc特征、过零率特征、短时能量特征、能量熵特征、频谱中心特征、频谱延展度特征和频谱通量特征；
步骤s522，将所述mfcc特征、所述过零率特征、所述短时能量特征、所述能量熵特征、所述频谱中心特征、所述频谱延展度特征和所述频谱通量特征进行向量拼接，以得到所述音频特征向量；
步骤s62，将所述特征向量输入梯度提升树模型，并控制所述梯度提升树模型对所述音频数据的所有音频帧进行分类；
其中，通过控制所述梯度提升树模型对所述音频数据的所有音频帧进行分类的设计，能有效的对各个音频帧的音频类型进行分类，以方便了后续基于音频帧分类的广告判断；
步骤s72，当判断到所述音频帧的分类结果为广告分类时，对所述音频帧标记为广告帧，并将所述音频信号中连续的所述广告帧进行删除；
其中，通过将处于广告分类的所述音频帧标记为广告帧的设计，能有效的将音频数据中未重复出现的广告音频进行获取和删除，进而提高了音频广告检测的准确性，能准确的对所述音频数据中的所有广告音频进行识别和删除；
本实施例中，通过对音频特征进行自相似矩阵的计算设计，能有效的进行相似段基准点的设置，基于相似段基准点的设置，以自动进行相似点的查询，并基于相似点的查询结果进行广告段的获取和剔除，本发明实施例无需采用人工手动的方式进行广告音频指纹的标记和比对，进而有效的提高了音频广告检测的检测效率。
实施例四
请参阅图4，是本发明第四实施例提供的音频广告检测系统100的结构示意图，包括：特征提取模块10、矩阵计算模块11、相似点查询模块12和广告剔除模块13，其中：
特征提取模块10，用于获取音频数据，并对所述音频数据进行特征提取，以得到音频特征。
矩阵计算模块11，用于对所述音频特征进行矩阵计算，以得到自相似矩阵。
其中，所述矩阵计算模块11还用于：对所述音频特征进行余弦计算，以得到余弦相似度；根据所述余弦相似度查询目标距离公式，并根据所述目标距离公式对所述音频特征进行矩阵计算。
其中，所述所述矩阵计算模块11还用于：对所述音频特征进行分类，并根据分类结果进行音频分割，以得到多组不同类别的所述音频特征；依序对不同类别的所述音频特征进行矩阵计算。
相似点查询模块12，用于将所述自相似矩阵中的最大峰值点设置为相似段基准点，并根据所述相似段基准点在所述自相似矩阵中进行相似点查询。
其中，所述相似点查询模块12用于：将所述相似段基准点设置为中点，并沿所述自相似矩阵的对角线进行等距延伸，以得到起点位置和终点位置；计算所述起点位置与所述终点位置之间的相似度，以得到相似值；判断所述相似值是否小于相似阈值；当判断到所述相似值小于所述相似阈值时，停止所述起点位置和所述终点位置的延伸；将所述起点位置和所述终点位置之间的点设置为所述相似点。
优选的，所述相似点查询模块12还用于：对所述自相似矩阵进行卷积处理，以删除所述自相似矩阵中的异常点。
广告剔除模块13，用于根据查询结果将查询到的所述相似点的集合设置为广告段，并根据所述广告段对所述音频数据进行广告剔除处理。
优选的，所述音频广告检测系统100还包括：
音频帧分类模块14，用于对所述音频数据中的音频信号进行特征计算，以得到音频特征向量；
将所述特征向量输入梯度提升树模型，并控制所述梯度提升树模型对所述音频数据的所有音频帧进行分类；
当判断到所述音频帧的分类结果为广告分类时，对所述音频帧标记为广告帧，并将所述音频信号中连续的所述广告帧进行删除。
进一步的，所述音频帧分类模块14还用于：对所述音频信号进行分帧加窗处理，并提取mfcc特征、过零率特征、短时能量特征、能量熵特征、频谱中心特征、频谱延展度特征和频谱通量特征；将所述mfcc特征、所述过零率特征、所述短时能量特征、所述能量熵特征、所述频谱中心特征、所述频谱延展度特征和所述频谱通量特征进行向量拼接，以得到所述音频特征向量。
本实施例，通过对音频特征进行自相似矩阵的计算设计，能有效的进行相似段基准点的设置，基于相似段基准点的设置，以自动进行相似点的查询，并基于相似点的查询结果进行广告段的获取和剔除，本发明实施例无需采用人工手动的方式进行广告音频指纹的标记和比对，进而有效的提高了音频广告检测的检测效率。
实施例五
请参阅图5，是本发明第五实施例提供的移动终端101，包括存储设备以及处理器，所述存储设备用于存储计算机程序，所述处理器运行所述计算机程序以使所述移动终端101执行上述的音频广告检测方法。
本实施例还提供了一种存储介质，其上存储有上述移动终端101中所使用的计算机程序，该程序在执行时，包括如下步骤：
获取音频数据，并对所述音频数据进行特征提取，以得到音频特征；
对所述音频特征进行矩阵计算，以得到自相似矩阵；
将所述自相似矩阵中的最大峰值点设置为相似段基准点，并根据所述相似段基准点在所述自相似矩阵中进行相似点查询；
根据查询结果将查询到的所述相似点的集合设置为广告段，并根据所述广告段对所述音频数据进行广告剔除处理。所述的存储介质，如：rom/ram、磁碟、光盘等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元或模块完成，即将存储装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施方式中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。
本领域技术人员可以理解，图4中示出的组成结构并不构成对本发明的音频广告检测系统的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，而图1-3中的音频广告检测方法亦采用图4中所示的更多或更少的部件，或者组合某些部件，或者不同的部件布置来实现。本发明所称的单元、模块等是指一种能够被所述目标音频广告检测系统中的处理器(图未示)所执行并功能够完成特定功能的一系列计算机程序，其均可存储于所述目标音频广告检测系统的存储设备(图未示)内。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
1.一种音频广告检测方法，其特征在于，所述方法包括：
获取音频数据，并对所述音频数据进行特征提取，以得到音频特征；
对所述音频特征进行矩阵计算，以得到自相似矩阵；
将所述自相似矩阵中的最大峰值点设置为相似段基准点，并根据所述相似段基准点在所述自相似矩阵中进行相似点查询；
根据查询结果将查询到的所述相似点的集合设置为广告段，并根据所述广告段对所述音频数据进行广告剔除处理。
2.如权利要求1所述的音频广告检测方法，其特征在于，所述根据所述相似段基准点在所述自相似矩阵中进行相似点查询步骤包括：
将所述相似段基准点设置为中点，并沿所述自相似矩阵的对角线进行等距延伸，以得到起点位置和终点位置；
计算所述起点位置与所述终点位置之间的相似度，以得到相似值；
判断所述相似值是否小于相似阈值；
当判断到所述相似值小于所述相似阈值时，停止所述起点位置和所述终点位置的延伸；
将所述起点位置和所述终点位置之间的点设置为所述相似点。
3.如权利要求1所述的音频广告检测方法，其特征在于，所述根据所述广告段对所述音频数据进行广告剔除处理的步骤之后，所述方法还包括：
对所述音频数据中的音频信号进行特征计算，以得到音频特征向量；
将所述特征向量输入梯度提升树模型，并控制所述梯度提升树模型对所述音频数据的所有音频帧进行分类；
当判断到所述音频帧的分类结果为广告分类时，对所述音频帧标记为广告帧，并将所述音频信号中连续的所述广告帧进行删除。
4.如权利要求3所述的音频广告检测方法，其特征在于，所述对所述音频数据中的音频信号进行特征计算的步骤包括：
对所述音频信号进行分帧加窗处理，并提取mfcc特征、过零率特征、短时能量特征、能量熵特征、频谱中心特征、频谱延展度特征和频谱通量特征；
将所述mfcc特征、所述过零率特征、所述短时能量特征、所述能量熵特征、所述频谱中心特征、所述频谱延展度特征和所述频谱通量特征进行向量拼接，以得到所述音频特征向量。
5.如权利要求1所述的音频广告检测方法，其特征在于，所述对所述音频特征进行矩阵计算的步骤包括：
对所述音频特征进行余弦计算，以得到余弦相似度；
根据所述余弦相似度查询目标距离公式，并根据所述目标距离公式对所述音频特征进行矩阵计算。
6.如权利要求1所述的音频广告检测方法，其特征在于，所述将所述自相似矩阵中的最大峰值点设置为相似段基准点的步骤之前，所述方法还包括：
对所述自相似矩阵进行卷积处理，以删除所述自相似矩阵中的异常点。
7.如权利要求1所述的音频广告检测方法，其特征在于，所述对所述音频数据进行特征提取的步骤之后，所述方法还包括：
对所述音频特征进行分类，并根据分类结果进行音频分割，以得到多组不同类别的所述音频特征；
依序对不同类别的所述音频特征进行矩阵计算。
8.一种音频广告检测系统，其特征在于，所述系统包括：
特征提取模块，用于获取音频数据，并对所述音频数据进行特征提取，以得到音频特征；
矩阵计算模块，用于对所述音频特征进行矩阵计算，以得到自相似矩阵；
相似点查询模块，用于将所述自相似矩阵中的最大峰值点设置为相似段基准点，并根据所述相似段基准点在所述自相似矩阵中进行相似点查询；
广告剔除模块，用于根据查询结果将查询到的所述相似点的集合设置为广告段，并根据所述广告段对所述音频数据进行广告剔除处理。
9.一种移动终端，其特征在于，包括存储设备以及处理器，所述存储设备用于存储计算机程序，所述处理器运行所述计算机程序以使所述移动终端执行根据权利要求1至7任一项所述的音频广告检测方法。
10.一种存储介质，其特征在于，其存储有权利要求9所述的移动终端中所使用的计算机程序，该计算机程序被处理器执行时实现权利要求1至7任一项所述的音频广告检测方法的步骤。
技术总结