[發明專利]基于魯棒性音階輪廓特征和向量機的和弦識別方法

有效

• 申請號: 201710007672.9
• 申請日: 2017-01-05
• 公開（公告）號: CN106847248B
• 公開（公告）日: 2021-01-01
• 發明（設計）人: 李鏘;王蒙蒙;關欣
• 申請（專利權）人: 天津大學
• 主分類號: G10H1/38
• 分類號: G10H1/38;G10L15/08;G10L15/10;G10L25/27;G10L25/54
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 劉國威

本發明涉及和弦自動識別，為提取魯棒性音階輪廓和弦特征，并能夠快速準確的對和弦進行識別。本發明，基于魯棒性音階輪廓特征和向量機的和弦識別方法，包括下列步驟:1)對原始音頻信號進行加窗預處理；2)對分幀結果進行離散余弦變換，得到原始信號的標準音頻頻譜矩陣S；3)通過凸優化問題進行全局最優解的求解：4)為了得到魯棒性PCP特征，進行矩陣映射；5)采用測度學習的方法對支持向量機的高斯核函數進行優化；6)利用訓練數據對測度學習支持向量機進行訓練，確定測度學習支持向量機中的參數；7)使用訓練好的測度學習支持向量機對測試數據進行識別，得到最終的識別率。本發明主要應用于和弦自動識別場合。

技術領域

本發明涉及和弦自動識別，具體講,涉及基于魯棒性音階輪廓特征(Robust PitchClass Profiles，RPCP)和測度學習支持向量機(metric learning Support VectorMachine，mlSVM)和弦識別方法。

背景技術

和弦識別是音樂信號處理的重要研究問題之一，它在歌曲翻唱識別，音頻匹配以及音樂推薦系統等領域都有重要作用。和弦作為樂曲得重要組成部分，它由三個以上的音按照三度關系疊加起來構成，充分表現了一段樂曲內容和特征，對于音樂的認知具有重要作用。因此，和弦在頻域的結構特征和和弦識別是計算機音樂信號處理的一個關鍵問題。

一般認為,和弦識別是音樂信息檢索的中心任務之一，它對音樂信息檢索技術的發展具有重要作用。在和弦識別的研究中,主要包括兩個方面的研究內容一個是和弦特征的提取，另一個就是模式識別方法的選擇。在音樂和弦識別的信號分析中，廣泛采用了一種叫做音級輪廓特征(Pitch Class Profiles，PCP)的信號特征。該特征將信號能量壓縮到了音樂的12個音級上,從而形成12維的特征向量。結合諧波信息，諧波音階輪廓特征被用于和弦識別系統中，諧波音階輪廓特征能夠有效減弱樂器的類別對和弦的影響；應用諧波積光譜與常規音階輪廓特征結合的增強音階輪廓特征,同傳統的音階輪廓特征相比，針對具有相同根音的和弦具有更好的識別率；結合人耳聽覺特性和音樂理論提出了新的特征向量美爾音階輪廓特征，克服了傳統音階輪廓特征在低頻段特征模糊和峰值出容易發生混淆的缺陷等。作為整個和弦識別系統的第二個階段，和弦的模式識別主要任務是對提取到的能夠表征和弦的特征向量進行分類。由于傳統音階輪廓特征的廣泛使用，模式識別階段成為區別各個和弦識別系統的關鍵步驟。現今，模式識別即和弦識別分類階段所使用的方法可以分為兩大類：手動標注模板法和由音階輪廓向量訓練形成的統計學習模型。作為模板法的經典方法，1999年提出二進制模板法。這種方法主要是基于理想和弦的特點，把和弦所在的主音反映在音階輪廓向量的對應維，即在對應的分量置1。例如C大調和弦的模板：[1 0 0 01 0 0 1 0 0 0 0]。這種方法由于簡單易于實施，從而被廣泛使用。同時，隨著人工智能領域的快速發展和大量手動和弦標注數據的涌現，概率和弦模型越來越流行。概率和弦模型的主要思想就是為每一類和弦定義一種概率分布。其中，生成和弦模型，例如高斯模型等被大多數和弦識別系統所采用。另外，例如條件隨機場，結構化支持向量機等判別模型也有所應用。

到目前為止，罕見相關成熟技術報道。

發明內容

為克服現有技術的不足，本發明旨在提取魯棒性音階輪廓和弦特征，并能夠快速準確的對和弦進行識別。本發明采用的技術方案是，基于魯棒性音階輪廓特征和向量機的和弦識別方法，包括下列步驟:

1)對原始音頻信號進行加窗預處理，得到音樂信號的分幀結果；

2)對分幀結果進行離散余弦變換，得到原始信號的標準音頻頻譜矩陣S；

3)假設頻譜中諧波成分矩陣A和非諧波成分矩陣E是相互獨立的，那么就有：S＝A+E；矩陣通過以下凸優化問題進行全局最優解的求解：