[發明專利]一種基于節拍譜特征的語音音樂分類模型

在審

• 申請號: 202011252017.8
• 申請日: 2020-11-11
• 公開（公告）號: CN112466331A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 龍華;鄭清杰;邵玉斌;杜慶治
• 申請（專利權）人: 昆明理工大學
• 主分類號: G10L25/51
• 分類號: G10L25/51;G10L25/03;G10L25/24
• 代理公司: 北京方圓嘉禾知識產權代理有限公司 11385
• 代理人: 王月松

1.一種基于節拍譜的話音分類模型，其特征在于：將待識別的音頻信號使用閾值判斷音頻的節拍譜得到音頻類別，該方法具體包括以下步驟：

Step1：搜集話音音頻的訓練數據集；

Step2：對訓練數據集中每個話音音頻計算得到節拍譜；

Step3：通過節拍譜確定閾值。統計音頻節拍譜數據大于閾值的個數，當節拍譜中大于閾值個數比小于閾值個數多，即判定為音樂信號，反之則為語音信號；

Step4:得到基于節拍譜的語音音樂分類模型。

Step5：搜集語音音樂音頻的測試數據集；

Step6：計算測試數據集每個話音的節拍譜；

Step7：使用模型區分測試數據集每個音頻。。

tep8:測試集驗證此模型準確率為98％，能對待測音頻信號準確區分為語音信號還是音樂信號。

2.根據權利要求1所述基于節拍譜的話音分類模型，該分類方法的音頻節拍譜提取具體包括以下步驟：

1：待計算的語音信號。

2：計算語音信號的美爾頻率倒譜系數Mel{x}。式中Mel{x}是以Mel為單位的感知頻率，x是以Hz為單位的實際頻率。

3：計算測試數據集的相似矩陣。其中，x(i)、x(j)為求出的美爾頻率倒譜系數的第i幀，第j幀，R(i,j)為相似矩陣。

4：節拍譜通過計算相似矩陣的自相關得到自相關矩陣。式中R(i,j)為相似矩陣，k為自相關矩陣的行，l為自相關矩陣的列，C(k,l)為自相關矩陣。

5：自相關矩陣的對角線相加得到語音信號的節拍譜。

3.根據權利要求1所述的一種基于節拍譜的話音分類模型，其所述步驟Step3中，閾值由節拍譜來確定，其相關流程如說明書附圖圖5：

其中，初始閾值為隨機設定。使用初始閾值對訓練集語音音樂進行判定，得到準確率，調整閾值再次得到準確率，直到準確率變化不大，則模型的閾值調整完畢。

4.根據權利要求1所述的一種基于節拍譜的話音分類模型，其所述步驟Step6中，對音頻提取節拍譜后，使用訓練集得到的模型對測試集進行判斷得到模型的最終準確率。