Tìm kiếm âm nhạc theo nội dung sử dụng đặc trưng đường bao phổ và phương pháp phân cụm K-Means

 Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên  | 80 
TÌM KIẾM ÂM NHẠC THEO NỘI DUNG SỬ DỤNG ĐẶC TRƢNG ĐƢỜNG BAO PHỔ 
VÀ PHƢƠNG PHÁP PHÂN CỤM K-MEANS 
Phùng Thị Thu Hiền1, Vũ Tất Thắng2, 
Thái Quang Vinh
2, Nguyễn Văn Huy1 
1
Trường Đại học Kỹ thuật Công nghiệp – ĐH Thái Nguyên, 
2Viện Công nghệ thông tin - Viện KHCN Việt nam 
TÓM TẮT 
Trong các cơ sở dữ liệu đa phương tiện lớn vấn đề tìm kiếm âm nhạc theo nội dung rất quan trọng. 
Tìm kiếm âm nhạc trong các cơ sở dữ liệu hiện tại thường dựa trên cơ sở tìm kiếm chỉ mục. Tuy 
nhiên, việc tìm kiếm âm nhạc theo chỉ mục có nhiều nhược điểm. Nhiều khi người dùng có thể 
không nhớ được các từ khóa text của bài hát như tên bài hát, tác giả, ca sĩ hoặc lời bài hát. Tìm kiếm 
âm nhạc theo nội dung khắc phục được những nhược điểm này. Trong cách tiếp cận truyền thống, 
các vector đặc trưng của tín hiệu âm thanh được xây dựng từ các đặc trưng vật lý của âm thanh 
như độ to, độ cao, năng lượng, phổ tần số, Gần đây, một số nghiên cứu trên thế giới tập trung 
vào một cách tiếp cận khác, trong đó áp dụng các kiến thức về xử lý tín hiệu âm thanh, về phân 
tích mô hình tạo âm thanh, mô hình cảm thụ âm thanh của con người có thể giúp việc tính toán 
vector đặc trưng âm thanh được chính xác và hạn chế tối đa thông tin dư thừa. Bài báo này trình 
bày phương pháp tìm kiếm âm nhạc theo nội dung dùng đặc trưng đường bao phổ Mel Cepstral, được 
xây dựng dựa trên mô hình cảm thụ âm thanh của con ngườ, và thuật toán phân cụm K-means. 
Từ khóa: Vector đặc trưng, Mel Cepstral, K-mean, MFCC. 
 ĐẶT VẤN ĐỀ 
Tìm kiếm âm nhạc theo nội dung là một lĩnh 
vực nghiên cứu mới và được nhiều nhà 
nghiên cứu quan tâm. Hiện có một số phương 
thức đã được áp dụng tìm kiếm âm nhạc theo 
nội dung. 
Theo Bel Logan [3] cấu trúc âm thanh của âm 
nhạc là quan trọng. Vì vậy cần phải có một hệ 
thống nhận biết độ tương tự âm thanh theo 
cách gần giống như hệ thống nghe của con 
người, và hệ thống thính giác của con người 
dễ dàng thu và nhận dạng các nhóm âm thanh 
hơn là từng nốt nhạc hay âm riêng lẻ. David 
Pye [7] áp dụng phương pháp nhận dạng sự 
thay đổi phổ của tiếng nói với hai kỹ thuật 
chính, Gaussian Mixture Modelling (GMM) – 
mô hình phân loại độ vang âm thanh và 
phương thức Tree-Based Vector Quantization 
(TreeQ) (Lượng tử hoá vector dựa trên cấu 
trúc cây). Các kỹ thuật này yêu cầu biểu hiện 
các tham số của mẫu âm thanh thành các 
vector đặc trưng. Mel Frequency Cepstral 
Coefficients (MFCC) - hệ số Mel được sử 
 Tel:0986060545, Email: pthientng@gmail.com 
dụng như là một hệ số cơ sở trong xử lý tiếng 
nói. Những giá trị khác thể hiện một hệ thống 
chỉ số dựa trên việc kết nối các đặc trưng như 
là độ cao, độ to hoặc hệ số tần số Mel [9]. 
Foote [9] đã thiết kế một hệ thống chỉ mục âm 
nhạc dựa trên biểu đồ các đặc trưng MFCC 
xuất phát từ vector lượng tử hóa. Beth Logan 
[3] đã thực hiện theo cách của Foote sử dụng 
các biểu đồ của các đặc trưng MFCC nhưng 
sử dụng thêm giải thuật phân cụm K-means. 
Phương thức của ông thực hiện sau kỹ thuật 
phục hồi âm thanh thực hiện bởi Liu và 
Huang [11]. 
Trong các nghiên cứu về giác quan của con 
người, phương thức sử dụng hệ số tần Mel để 
biểu hiện âm thanh bằng tham số cũng đã 
được chứng minh là rất thành công. MFCC 
tạo ra chữ ký hay dấu riêng cho mỗi bài hát. 
Việc so sánh giữa chữ ký với nội dung âm 
thanh là hiệu quả, bởi vì nó không liên quan 
tới dữ liệu đã được bỏ đi trong quá trình tính 
toán chữ ký, kết quả là cải thiện được việc tìm 
kiếm dữ liệu với tỷ lệ thiết lập dữ liệu nhỏ và 
yêu cầu lưu trữ bộ nhớ nhỏ. 
Phùng Thị Thu Hiền và cs Tạp chí KHOA HỌC & CÔNG NGHỆ 74(12): 80 - 85 
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên  | 81 
Bài báo này trình bày phương pháp tìm kiếm 
âm nhạc theo nội dung sử dụng đặc trưng 
đường bao phổ kết hợp phương pháp phân 
cụm K-means, cuối cùng là đưa ra một số kết 
quả thực nghiệm. 
CƠ SỞ LÝ THUYẾT 
Quá trình lọc theo thang Mel Cepstral 
Theo Beth Logan [3], MFCC gồm 5 bước: 
1. Chia tín hiệu thành các khung 
2. Với mỗi khung, ta thu được biên độ phổ. 
3. Lấy log của biên độ 
4. Chuyển đổi sang thang Mel 
5. Thực hiện biến đổi Cosine rời rạc. 
Hình 1. Quá trình tạo các đặc tính MFCC 
Quan sát quá trình trên ta thấy, âm thanh 
được chia thành những khung có độ dài cố 
định. Mục đích là để lấy mẫu những đoạn tín 
hiệu nhỏ (theo lý thuyết là ổn định). Trong 
việc lấy mẫu dữ liệu, chúng ta xem xét đến tín 
hiệu âm thanh đã được số hóa bằng việc rời 
rạc hóa các giá trị trên những khoảng đều 
nhau vì vậy cần phải chắc chắn rằng tốc độ 
lấy mẫu là đủ lớn để mô tả tín hiệu dạng 
sóng. Tấn số lấy mẫu nên ít nhất gấp đôi tần 
số dạng sóng như trong định lý của Nyquist. 
Tốc độ lấy mẫu phổ biến là 8000, 11025, 
22050, 44000, thông thường sử dụng tần số 
trên 10kHz 
Phân khung là quá trình chia mẫu tín hiệu 
thành một số khung chồng lấp lên nhau hoặc 
không, mục đích của phân khung là để lấy 
mẫu các đoạn tín hiệu nhỏ. Bản chất của âm 
thanh là không ổn định, vì vậy, biến đổi 
Fourier sẽ thể hiện tần số xảy ra trên toàn 
miền thời gian thay vì thời gian cụ thể. Do đó 
khi tín hiệu là không ổn định, thì nó nên được 
chia nhỏ thành các cửa sổ rời rạc, nhờ đó mỗi 
tín hiệu trong một cửa sổ trở nên tĩnh và phép 
biến đổi Fourier có thể thực hiện trên mỗi 
khung. Quá trình phân khung được thể hiện 
trong hình 2. 
Hình 2. Phân khung tín hiệu 
Hàm cửa sổ bỏ đi những hiệu ứng phụ và 
vector đặc trưng cepstral được thực hiện trên 
mỗi khung cửa sổ. Thông thường, cửa sổ 
Hamming được sử dụng, cửa sổ này có dạng: 
2
( ) 0.54 0.46cos ,0 1
1
n
w n n N
N
 (1) 
Ý tưởng ở đây là giảm bớt sự méo phổ bằng 
việc sử dụng các cửa sổ để giảm tín hiệu về 
không tại điểm bắt đầu và kết thúc mỗi 
khung. 
Biến đổi Fourier rời rạc của mỗi khung được 
tính toán và lấy logarith biên độ phổ. Thông 
tin về pha bị bỏ qua do biên độ phổ là quan 
trọng hơn pha. Thực hiện lấy logarith biên độ 
phổ do âm lượng của tín hiệu là xấp xỉ 
logarith. Bước tiếp theo là biến đổi phổ theo 
thang Mel. Từ kết quả này, trong vector Mel 
– spectral của các thành phần tương quan cao, 
bước cuối cùng là thực hiện biến đổi cosine 
rời rạc để tổng hợp vector phổ Mel để tương 
quan lại các thành phần này. 
Độ lệch tần số Mel 
Để mô tả chính xác sự tiếp nhận tần số của hệ 
thống thính giác, người ta xây dựng một 
thang khác – thang Mel. 
Độ lệch tần số Mel làm nhẵn phổ và làm nổi 
lên các tần số cảm thụ có nghĩa. Biến đổi 
Fourier lên tín hiệu qua bộ lọc thông dải để 
làm đơn giản phổ mà không làm mất dữ liệu. 
Điều này được thực hiện bằng cách tập hợp 
các thành phần phổ thành một dải tần số. Phổ 
được làm đơn giản hóa do sử dụng một giàn 
bộ lọc để tách phổ thành các kênh. Các bộ lọc 
được đặt cách đều nhau trên thang Mel và lấy 
logarit trên thang tần số, các kênh có tần số 
thấp là không gian tuyến tính trong khi các 
kênh có tần số cao là không gian logarit. 
Phùng Thị Thu Hiền và cs Tạp chí KHOA HỌC & CÔNG NGHỆ 74(12): 80 - 85 
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên  | 82 
Tai người không cảm nhận sự thay đổi tần số 
của tiếng nói tuyến tính mà theo thang Mel. 
Thang tần số Mel tuyến tính ở tần số dưới 
1kHz và logarit ở tần số cao hơn 1kHz. Ta 
chọn tần số 1kHz, 40 dB trên ngưỡng nghe 
1000 Mel. Do đó công thức gần đúng biểu 
diễn quan hệ tần số ở thang Mel và thang 
tuyến tính như sau: 
Một phương pháp để chuyển đổi sang thang 
Mel là sử dụng băng lọc. Khoảng cách của 
băng lọc được định nghĩa bởi một hằng số tần 
số mel theo thời gian. Băng lọc này được áp 
dụng trong miền tần số, nó có thể xem như 
các điểm thu được của bộ lọc chính. Với các 
khung nhỏ tốt nhất là sử dụng các bộ lọc dạng 
tam giác hoặc thậm chí hình chữ nhật vì độ 
phân giải là quá thấp trong miền tần số thấp. 
Hình 3. Băng lọc khoảng cách theo tần số mel 
Mỗi bộ lọc trong băng lọc được nhân với phổ 
tín hiệu vì vậy chỉ có một giá trị đơn của 
cường độ trên bộ lọc được trả lại. Điều này có 
thể đạt được qua các tính toán của ma trận 
đơn. Kết quả là tổng của biên độ trong dải lọc 
và vì vậy làm giảm độ chính xác tới mức mà 
tai của con người có thể cảm nhận được. 
Hình 4. Phổ sau khi lọc theo thang Mel 
Quá trình độ lệch tần số mel được thực hiện 
theo ba bước sau: 
1. Cố định vùng giá trị dưới mỗi bộ lọc và đôi 
khi đưa thang về 1. Đặt M bằng số băng lọc 
yêu cầu 
2. Phân bố đều trên thang tần số Mel 
3. Chuyển đổi từ Hz sang Wi trên thang tuyến 
tính. Mối quan hệ giữa mel và frq được cho 
bởi công thức: 
 m=ln(1+f/700)*1000/ln(1+1000/700) 
Phƣơng pháp phân cụm K-means 
K-means là một phương pháp phân cụm. 
Phương pháp này quan sát k cụm trong dữ 
liệu, và trả lại vector chỉ số của K cụm đã 
quan sát. 
K-means quan sát trong dữ liệu và tìm cách 
phân vùng dữ liệu sao cho dữ liệu trong một 
cụm càng gần nhau càng tốt và so với dữ liệu 
trong các cụm khác phải càng xa càng tốt. 
Mỗi cụm được xác định bởi các thành phần 
của nó và bởi thành phần trung tâm của nó. 
Thành phần trung tâm của mỗi cụm là thành 
phần mà có tổng khoảng cách từ các đối 
tượng trong cụm đến nó là nhỏ nhất. Cụm 
trung tâm được tính toán khác nhau với mỗi 
thước đo khoảng cách, để tổng khoảng cách là 
nhỏ nhất với mỗi tiêu chuẩn đánh giá. 
Để thực hiện phương thức K-means ta sử 
dụng một thuật toán lặp để tính tổng khoảng 
cách từ mỗi đối tượng tới cụm trung tâm là 
nhỏ nhất trên toàn bộ cụm. Thuật toán này di 
chuyển các đối tượng giữa các cụm cho tới 
khi tổng khoảng cách không thể giảm hơn 
được nữa. Kết quả là tạo được các cụm có 
khoảng cách đủ nhỏ và có độ phân cách hợp 
lý. Độ nhỏ của dữ liệu có thể được chỉ ra bằng 
việc thay đổi các tham số đầu vào giống với 
số lượng cụm trung tâm và số lần lặp. 
Ý tưởng chính ở đây là tìm cách xác định cụm 
trung tâm k từ mỗi cụm. Nên lựa chọn điểm 
trung tâm vì các vị trí khác nhau cho các kết 
quả khác nhau. Trong điều kiện lý tưởng 
chúng phải cách xa các điểm khác tối đa khả 
năng có thể. Mỗi điểm trong dữ liệu được gắn 
với điểm trung tâm gần nhất. Điểm trung tâm 
thứ k mới sẽ được tính toán lại từ kết quả 
(2) 
(3) 
Phùng Thị Thu Hiền và cs Tạp chí KHOA HỌC & CÔNG NGHỆ 74(12): 80 - 85 
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên  | 83 
phân cụm của bước trước và quá trình nhóm 
các điểm dữ liệu với các điểm trung tâm gần 
nhất sẽ được thực hiện lặp đi lặp lại và điều 
đó sẽ tiếp tục cho tới khi xác định được điểm 
trung tâm chính. 
Phương pháp phân cụm K-means tìm nhóm 
có kích thước nhỏ nhất trong tổng bình 
phương các cụm, chúng ta sử dụng thuật toán 
sai số bình phương để tính bình phương 
khoảng cách Euclidean. 
Thuật toán K-means thực hiện theo các 
bước sau: 
1. Đặt K điểm vào vùng phân cụm các đối 
tượng. Các điểm này mô tả nhóm trung tâm 
đầu tiên. 
2. Gán mỗi đối tượng vào một nhóm có điểm 
trung tâm gần nhất. 
3. Khi tất cả các đối tượng đã được đưa vào 
các nhóm, tính toán lại vị trí của K điểm trung 
tâm. 
4. Thực hiện lặp lại bước 2 và 3 cho tới khi 
bỏ đi được các điểm trung tâm ở xa. Điều này 
giúp phân cách các đối tượng thành các nhóm 
có kích thước nhỏ nhất có thể. 
Thủ tục lặp sẽ luôn kết thúc khi điểm trung 
tâm không thay đổi. Tuy nhiên, cần lưu ý 
rằng các thuật toán không nhất thiết phải đưa 
ra những kết quả tối ưu. Hình 5 mô tả các 
bước đã nêu trên. Mỗi bước dưới đây tương 
ứng với trình tự của biểu đồ. 
 Chọn số lượng cụm k. Ví dụ k=5 
 Tạo ra ngẫu nhiên vị trí trung tâm cụm 
 Tại mỗi Centre tìm điểm trung tâm của 
chính nó 
 Thực hiện bước nhảy 
 Thực hiện lặp lại cho tới khi kết thúc 
Hình 5. Thủ tục K-means 
Hình 6 minh họa phương thức phân cụm K 
trong hình 5. Chú ý rằng những dữ liệu tương 
tự được nhóm cùng nhau. 
Hình 6. Phương pháp phân cụm K-means 
KẾT QUẢ THỰC NGHIỆM 
Chuẩn bị dữ liệu 
Dữ liệu bao gồm 10 bài hát nhạc trẻ Việt nam 
được lưu ở định dạng PCM wave, tần số lấy 
mẫu 44 KHz, mã hóa 16 bit trên một mẫu. 
Mỗi bài hát được trích ra một đoạn ngắn < 5 s 
sử dụng làm mẫu tìm kiếm. 
Các tham số thực nghiệm 
Đặc trưng MFCC được cài đặt với các tham 
số sau : Kích cỡ khung là 512 ms, không sử 
dụng khung chồng lấp, số bộ lọc trong dãy 
băng lọc Mel là 20, số hệ số Ceptral là 12, 
không sử dụng các hệ số đạo hàm Delta, kết 
hợp các hệ số MFCC với 1 hệ số năng lượng 
Giống như Beth Logan [8], phân lớp bằng 
cách phân hệ số cepstral thành 16 cụm theo 
thuật toán K-means chuẩn. Sử dụng khoảng 
cách Euclidean để tính toán độ tương tự. 
Kết quả thực nghiệm và đánh giá 
Chương trình demo tìm kiếm bài hát theo đặc 
trưng đường bao phổ MFCC thử nghiệm trên 
cơ sở dữ liệu nhỏ (10 bài hát) nên được thiết 
kế tích hợp cả thao tác huấn luyện và nhận 
dạng cho trực quan. Thao tác tìm kiếm nhận 
dạng được thử nghiệm với từng mẫu âm 
thanh riêng rẽ và ghi lại kết quả thủ công. Kết 
quả nhận dạng đúng sau đó được tổng hợp lại 
để cho ra kết quả nhận dạng của hệ thống. 
Trong thực tế khi lượng dữ liệu huấn luyện 
lớn cần thực hiện huấn luyện trước và lưu 
trong cơ sở dữ liệu. Thao tác nhận dạng và 
tìm kiếm được tách ra độc lập so sánh với cơ 
sở dữ liệu huấn luyện đã lưu. Việc tách riêng 
2 thao tác huấn luyện và tìm kiếm sẽ làm 
giảm thời gian khi tiến hành thử nghiệm. 
Phùng Thị Thu Hiền và cs Tạp chí KHOA HỌC & CÔNG NGHỆ 74(12): 80 - 85 
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên  | 84 
Trong chương trình thử nghiệm, kết quả nhận 
dạng đúng cuối cùng sau 10 lần thử nghiệm là 
100%. Kết quả này cao hơn kết quả đã công 
bố trong [8] và [10] dù dùng cùng thuật toán. 
Lý do có thể do chương trình demo mới thử 
nghiệm trên bộ cơ sở dữ liệu rất nhỏ. Hơn nữa 
độ dài âm thanh đầu vào (trích 1 đoạn từ file 
âm thanh cần tìm kiếm) đủ lớn (so với âm 
thanh tìm kiếm). Tỷ lệ nhận dạng sẽ giảm 
xuống khi dùng cơ sở dữ liệu lớn hơn (đặc 
biệt khi trong cơ sở dữ liệu có các bài hát có 
những phần tương tự nhau), tỷ lệ nhận dạng 
và tìm kiếm đúng cũng sẽ giảm xuống khi độ 
dài mẫu âm thanh đầu vào là nhỏ. 
Về mặt thời gian, quá trình huấn luyện và sau 
đó tìm kiếm hết ~ 4 s với một bài hát. 
Chương trình mô phỏng được xây dựng trên 
phần mềm matlab: 
Hình 7. Kết quả chạy chương trình 
Hƣớng phát triển 
Cần xây dựng một cơ sở dữ liệu âm nhạc đủ 
lớn để thử nghiệm. Từ đó sẽ đánh giá được độ 
chính xác, hiệu quả của các phương pháp tìm 
kiếm và có thể đề xuất các phương pháp cải 
tiến thao tác trích đặc trưng và phân lớp của 
hệ thống tìm kiếm. 
Hướng nghiên cứu tiếp theo sẽ là tìm hiểu sâu 
hơn về các phương pháp phân lớp dữ liệu 
triển vọng như dùng mạng Neural, giải thuật 
di truyền GA, mô hình Markov ẩn HMM, 
TÀI LIỆU THAM KHẢO 
[1]. Phùng Thị Thu Hiền, “Trích chọn đặc trưng 
âm thanh trong bài toán tìm kiếm âm nhạc theo 
nội dung”, Luận văn thạc sỹ công nghệ thông tin, 
Đại học Thái Nguyên, 12/2009. 
[2]. Phùng Thị Thu Hiền, PGS.TS. Thái Quang 
Vinh, Phùng Trung Nghĩa, Lê Tuấn Anh, “Tìm 
kiếm âm nhạc theo nội dung sử dụng đặc trưng 
tần số cơ bản F0 và giải thuật thời gian động 
DTW”, Tạp chí Khoa học & Công nghệ ISSN, 
1859 – 2171, 2009, T55 – 59. 
[3]. Beth Logan and Ariel Salomon, “A Music 
Similarity Function Based on Signal Analysis”, 
Cambridge Research Laboratory 
[4]. S.Blackburn and D. De Roure, “A tool for 
content based navigation of music”, in ACM 
Multimedia ,1998 
[5]. R. Mc Nab, L. Smith, I. Witten, C.Henderson, 
and S.Cunningham, “Towards the digital music 
library: Tune retrieval from acoustic input,” in 
Digital Libraries 1996, 1996, pp.11-18 
[6]. A.Ghias, J.Logan, D. Chamberlin and 
B.Smith, “Query by humming,” in ACM 
Multimedia, 1995 
[7]. David Pye, “Content Based Methods for the 
Management of Digital Music” AT& T 
Labaratories Cambridge 
[8]. Beth Logan and Stephen Chu, “Music 
Summarization Using Key Phrases”, Cambridge 
Research Laboratories 
[9]. J.T. Foote, “Content-based retrieval of Music 
and Audio,” in SPIE, 1997, p.p 138- 147 
[10]. J.-S. Roger Jang, Hong-Ru Lee, 
"Hierarchical Filtering Method for Content-based 
Music Retrieval via Acoustic Input", The 9th 
ACM Multimedia Conference, PP. 401-410, 
Ottawa, Ontario, Canada, September 2001. 
[11]. Z.Liu and Q.Huang, “Content-based 
indexing and retrieval by example in audio,” in 
ICME 2000, 2000 
TÀI LIỆU THAM KHẢO 
[1]. Phùng Thị Thu Hiền, “Trích chọn đặc trưng 
âm thanh trong bài toán tìm kiếm âm nhạc theo 
nội dung”, Luận văn thạc sỹ công nghệ thông tin, 
Đại học Thái Nguyên, 12/2009. 
[2]. Phùng Thị Thu Hiền, PGS.TS. Thái Quang 
Vinh, Phùng Trung Nghĩa, Lê Tuấn Anh, “Tìm 
kiếm âm nhạc theo nội dung sử dụng đặc trưng 
tần số cơ bản F0 và giải thuật thời gian động 
DTW”, Tạp chí Khoa học & Công nghệ ISSN, 
1859 – 2171, 2009, T55 – 59. 
Phùng Thị Thu Hiền và cs Tạp chí KHOA HỌC & CÔNG NGHỆ 74(12): 80 - 85 
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên  | 85 
SUMMARY 
CONTENT-BASED MUSIC RETRIEVAL USING SPECTRAL ENVELOPE FEATURE 
AND K-MEANS ALGORITHM 
Phung Thi Thu Hien
1 
, Vu Tat Thang
2
, 
Thai Quang Vinh
2
, Nguyen Van Huy
1 
1Thai Nguyen University of Technology 
2Institute of Information Technology - VAST 
In multimedia database, music retrieval is an important research topic. Current music searching is based on 
text indexing. However, this kind of method has some drawbacks. It is difficult to remember the text 
keywords such as song name, author name, singer name or the lyric of songs. Content-based music searching 
overcomes these drawbacks. In state of the art approaches, feature vectors of music signal are built based on 
their physical characteristics as volume, energy, and spectrum.Recently, some researches use another 
approach, which based on the signal processing techniques incorporating with human auditory analysis. This 
approach minimizes the redundant information as well as accurately represents the music signal. This paper 
presens a method of song searching using Mel ceptral spectral envelope and K-means algorithm. 
 Tel: 0986060545, Email: pthientng@gmail.com