[发明专利]一种音乐特征提取方法、装置及电子设备

权利要求书

1.一种音乐特征提取方法，其特征在于，包括：

获取音乐数据，所述音乐数据是由δ个音符矩阵组成的时序序列，每个所述音符矩阵的每一行分别表示一个音符，所述音符矩阵的每一列分别表示所述音符的播放状态，δ为正整数；其中，ε个音符矩阵组成一个BEAT，ζ个BEAT组成一个BAR，η个BAR组成一个音乐曲目，所述音乐数据由一个或者多个音乐曲目组成，ε,ζ,η均为正整数；

将所述音乐数据输入预先训练好的循环神经网络，得到所述音乐数据的特征，所述音乐数据的特征包括音节BEAT特征矩阵、小节BAR特征矩阵和曲目特征向量；

所述将所述音乐数据输入预先训练好的循环神经网络，得到所述音乐数据的特征的步骤，包括：

在所述音乐数据输入所述预先训练好的循环神经网络时，确定当前输入所述预先训练好的循环神经网络的音符矩阵M_t在目标BAR中的位置信息，所述目标BAR为所述音符矩阵M_t所在的BAR；

将所述M_t在目标BAR中的位置信息转换为位置向量其中，γ表示一个BAR中含有的音符矩阵的数量；

将所述音符矩阵M_t、音符矩阵M_t之前的N个音符矩阵以及音符矩阵M_t之后的N个音符矩阵输入所述预先训练好的循环神经网络中卷积核为θ的一维卷积层，得到音符矩阵C_t∈R^а×3×θ，所述音乐矩阵C_t为与音符矩阵M_t上下文相关的音符矩阵，N为正整数；

将所述位置向量分别与音符矩阵C_t进行拼接，并将拼接得到的矩阵输入所述预先训练好的循环神经网络的第一层神经网络，得到BEAT特征矩阵，其中，所述预先训练好的循环神经网络的第一层神经网络用于对所述音乐数据中的BEAT矩阵进行特征提取，ζ个BEAT特征矩阵组成一个BAR矩阵；

将所输出的BEAT特征矩阵输入所述预先训练好的循环神经网络的第二层神经网络，得到BAR特征矩阵，其中，所述预先训练好的循环神经网络的第二层神经网络用于对所述BEAT特征矩阵进行特征提取，η个BAR特征矩阵组成一个音乐曲目；

将所述BAR特征矩阵输入所述预先训练好的循环神经网络的第三层网络，得到曲目特征向量，其中，所述预先训练好的循环神经网络的第三层网络用于对所述BAR特征矩阵进行特征提取。

2.根据权利要求1所述的方法，其特征在于，所述音符矩阵M∈R^a×3，其中，M表示所述音符矩阵，a表示所述M的行数，所述M的第一列表示所述音符是否播放，所述M的第二列表示所述音符是否被再次播放，所述M的第三列表示所述音符的播放强度。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述曲目特征向量输入所述预先训练好的循环神经网络的全连接层和softmax层，输出所述音乐数据的各个类别。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述预先训练好的循环神经网络为双向长短期记忆循环神经网络Bi-LSTM。