基于樂(lè)音信號(hào)的特征提取與分類方法研究.pdf

1、由于發(fā)聲機(jī)理的不同，音頻處理分為語(yǔ)音和樂(lè)音兩種。目前，國(guó)內(nèi)外對(duì)于樂(lè)音信號(hào)的研究主要集中在現(xiàn)代流行音樂(lè)方面，對(duì)于中國(guó)古代主要的樂(lè)音形式（戲曲）卻少有研究。然而，中國(guó)戲曲自古以來(lái)在中國(guó)傳統(tǒng)文化中扮演重要的角色，基于計(jì)算機(jī)技術(shù)研究中國(guó)戲曲具有重要的文化意義。
　　中國(guó)戲曲曲目數(shù)以萬(wàn)計(jì)，數(shù)量龐大，以人工方式對(duì)戲曲進(jìn)行分類，不僅效率低下，費(fèi)用高昂，而且正確率低，為了促進(jìn)戲曲的管理，有必要構(gòu)建一套自動(dòng)化的戲曲分類系統(tǒng)。
　　本文提出一種

2、基于多特征融合技術(shù)和極限學(xué)習(xí)機(jī)(ELM)的進(jìn)行中國(guó)戲曲劇種分類的方法。受到音樂(lè)流派分類的啟發(fā)，每首曲目被分隔為多個(gè)片段。先以特征工程的方法直接提取19種特征?？紤]到戲曲信號(hào)是一種時(shí)序上下文相關(guān)序列，以音頻幀進(jìn)行快速傅里葉變換（FFT）變換后的向量為輸入，以該幀所屬劇種類別為訓(xùn)練標(biāo)簽，訓(xùn)練長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)(LSTM)，并使用訓(xùn)練好的模型提取上下文相關(guān)的特征。將從特征工程和LSTM中提取的上下文特征進(jìn)行特征融合。最后，使用ELM以及多數(shù)投票算

3、法預(yù)測(cè)整首曲目的所屬劇種類別。
　　研究數(shù)據(jù)來(lái)自互聯(lián)網(wǎng)，包括8類共800首戲曲。在8類中國(guó)傳統(tǒng)戲曲中，僅使用LSTM提取的時(shí)序上下文特征，本系統(tǒng)達(dá)到88.8％的平均分類準(zhǔn)確率;通過(guò)特征融合將從特征工程提取的19種特征以及時(shí)序上下文特征進(jìn)行融合，本系統(tǒng)達(dá)到92％的平均分類準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明多特征融合有助于提高中國(guó)傳統(tǒng)戲曲劇種分類的準(zhǔn)確率。使用LSTM提取的上下文相關(guān)特征能夠更好的考慮信號(hào)的時(shí)間特性，對(duì)19種由特征工程得到的特征具有