[發明專利]基于麥克風陣列的時頻聯合特征樂器音質評價系統及方法

有效

• 申請號: 201810313228.4
• 申請日: 2018-04-09
• 公開（公告）號: CN108615536B
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 韋崗;嚴軻;曹燕
• 申請（專利權）人: 華南理工大學
• 主分類號: G10L25/51
• 分類號: G10L25/51;G10L25/30;G10L25/24;G10L25/18;G10L21/0216
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 何淑珍;江裕強

本發明提出基于麥克風陣列的時頻聯合特征樂器音質評價系統及方法。該系統包括麥克風陣列模塊、硬件預處理模塊和時頻聯合評價模塊；通過麥克風陣列采集樂器傳播到不同位置處的立體聲場聲波信號，隨后提取不同麥克風采集信號之間的關系作為聲波信號時域特征值，以及各個麥克風采集信號的頻域特征值，各自訓練神經網絡模型，然后通過生成的模型來自動對需要評價的樂器進行音質上的評價，獲得評價結果。本系統采用對同一曲目不同麥克風所采集的聲波信號作互相關來提取陣列相關時域特征，反應了聲場的特性，另外采用時頻聯合特征來判斷音質，可以提高評價的準確率。神經網絡的自動評價節省了主觀人力資源。

技術領域

本發明屬于音樂學和信息科學的交叉技術領域，特別涉及基于麥克風陣列的時頻聯合特征樂器音質評價系統及方法。

背景技術

隨著物質生活水平的不斷提升，人們對精神生活的需求日益增加，其中，音樂藝術在人們的精神生活中所占的比重也越來越大，而樂器演奏則是作為音樂產生的重要一環。樂器的價位區間從低檔到高檔往往千差萬別。如何去客觀地評價同一價位樂器的音質，這是當前面臨的問題。

樂器演奏出的音質的好壞，是用于評價樂器價位水平高低的最重要依據之一。影響樂器音質的主要因素包括有樂器本身的品質、樂器結構上的差異以及演奏者對同一種樂器的把控能力。當前樂器的音質評價方面完全依賴于人工的主觀判斷，一般樂器行有專業人員，對同一個價位的樂器，通過多人演奏反復做對比，得出判斷的結果。主觀判斷往往能對特定樂器的不足提出很中肯的意見，但是，這樣的缺點也是顯而易見，評審人的審美疲勞，參考標準的變化，以及現場的環境變化都能影響到評審人的評判。此外，專業人員的缺失導致人力的高昂成本也是不可小視的問題。

樂器彈奏時，不同位置的觀眾一般會有不一樣的聽覺感官，這是因為聲波按聲源的輻射特性向各個方向不受阻礙和干擾地傳播，也就有了聲場的概念。目前，對于聲場分布的探索，主流的方法都是傾向于麥克風陣列的研究，陣列一般用3到5個單聲道麥克風組成，這種麥克風對于基本的聲場定源等是足夠的，但對于樂器演奏時的分布狀態，顯然，更多的麥克風，更合適的排布組成的陣列才更能提取出聲場的時域特性。

音質評價主要應用在音響的生產領域上。主流的評判方法一般是通過提取音頻的頻率畸變，頻率響應，輸出波形的包絡作為特征值，判斷標準對應頻率響應曲線是否平直，波形包絡和樂器的音頻特征接近程度等多方面。目前時域上的研究主要是基于單聲道和雙聲道的采集數據，而沒有進一步的考慮麥克風陣列采集到的信號之間的時域特征提取。另外，頻域也反應了信號在不同頻率分量成分的大小，同一種樂器不同品質在不同頻率段上的能量各不相同。所以，若將這兩者相結合能更顯著的描述聲場的特征。

神經網絡天生具備擬合任何復雜數據的特點，因此神經網絡的擬合能力很強，同時，由于神經網絡的參數眾多，可以通過調節參數得到比傳統方法更好的結果。因此通過神經網絡來擬合提取的時頻特征生成評價模型是一個不錯的選擇。

相比現有的以主觀評價為主的評價方法，本方法無需對特定樂器本身的音頻特征做過多研究，通過結合神經網絡，使計算機能夠運用提取的時頻特性自動耦合出結果，魯棒性強，實現簡單。

發明內容

針對現實生活中遇到的對樂器音質評價標準不一，以及同一價位的樂器不知如何選擇的情況，本發明提出一種基于麥克風陣列的時頻聯合特征樂器音質評價系統，該系統通過麥克風陣列采集樂器聲波信號，隨后通過提取信號相應的時域、頻域特征值的方法傳入神經網絡，獲得評價模型，然后通過生成的模型來自動對需要評價的樂器進行音質上的評價，獲得評價結果。

基于麥克風陣列的時頻聯合特征樂器音質評價系統，其包括麥克風陣列模塊、硬件預處理模塊和時頻聯合評價模塊；麥克風陣列模塊用于樂器演奏時的聲波信號采集，硬件預處理模塊用于把采集的電信號轉數字信號以及前置放大濾波，時頻聯合評價模塊主要生成神經網絡模型，并通過模型判斷樂器的音質；時頻聯合評價模塊包括信號重組降噪單元、聲場時域特征值提取單元、頻域特征值提取單元以及神經網絡評價單元。