[发明专利]一种波形音乐粗情感软切割分类方法

说明书

技术领域

本发明涉及一种音乐波形文件的识别方法，特别涉及一种波形音乐粗情感软切割分类方法。

背景技术

随着灯光技术的发展，音乐灯光表演成为了舞台表演、城市建设以及风景区建设的一大重要的项目。目前音乐灯光表演方案设计所使用的人工分类编辑方法普适性差、定位不精确且耗费人力物力。在这样的情况下，设计人员希望能够通过计算机快速实现整段表演音乐的合乎大多数人情感理解的情感软切割分类，从而方便设计人员更快、更精确地依据音乐情感编排灯光动作。

然而，对于现有的一些音乐情感识别方面的研究，都是对一整段音乐整体处理后提取特征值，并且使用的特征标准都是统一的。这些对音乐片段的分类过程而言，有时不太方便。

因此，急需提供一种更快、更精确地依据音乐情感对音乐进行分类的方法。

发明内容

有鉴于此，本发明所要解决的技术问题是提供一种针对波形音乐文件的粗情感软切割分类的方法。

本发明的目的是这样实现的：

本发明提供的一种波形音乐粗情感软切割分类方法，包括以下步骤：

S1：提供音乐数据，并建立音乐分类数据的粗情感空间域；

S2：预处理，选取的音乐片段样本做粗情感软切割实验的训练样本集，将待识别的测试集波形音乐文件进行预处理；

S3：提取待识别的测试集波形音乐文件的音乐特征；

S4：对待识别的测试集波形音乐文件进行一次软切割，所述一次软切割为针对强度音乐特征量的软切割；

S5：对一次软切割后的音乐文件进行二次软切割，所述二次软切割为针对节奏音乐特征量的软切割；

S6：根据分类矩阵将待识别的测试集波形音乐文件的软切割结果归类到粗情感空间域中。

进一步，所述提取待识别的测试集波形音乐文件的音乐特征包括以下步骤：

S31：首先通过小波变换中的Mallat快速分解算法对待识别的测试集波形音乐文件进行时频域的快速分解重构，得到低通滤波器和高通滤波器的冲击响应序列；

S32：然后提取音乐特征，所述音乐特征包括强度音乐特征量和节奏音乐特征量。

进一步，所述强度音乐特征量以下公式来计算：

ek=Σi=k*N(k+1)*NxiN,i,k=0,1,2...]]>

其中，e_k为第k段短时平均能量即平均振幅，x_i为采集的第i个音乐数据，N为每段采集的音乐数据的数量。

进一步，所述一次软切割的具体步骤如下：

S41：获取待识别的测试集波形音乐文件各频率段的振幅值；

S42：判断t(1)、t(2)、...时刻各频率段的振幅值是否超过阈值；

S43：选择超过阈值的单音或音项作为t(1)、t(2)、...时刻的音符比较项；

S44：通过以下公式计算t(k+1)时刻与t(k)时刻的音符比较项平均振幅之比c_k；

c_k＝e_k+1/e_k,k＝0,1,2,…

其中，e_k表示第k个音符比较项的平均能量，c_k表示后一时刻振幅比较项与前一时刻振幅比较项之比为振幅比较系数，k表示；

S45：判断音符比较项平均振幅之比c_k是否属于区间[a,b]，其中a表示，b表示；