[发明专利]一种用于乐器的智能评分方法

权利要求书

1.一种用于乐器的智能评分方法，其特征在于：包括以下步骤：

S1、特征数据烧录：将乐器的MFCC特征系数烧录至flash存取模块中；

S2、信号数据采集：启动智能管理系统，智能硬件设备中的麦克风实时采集乐器的模拟信号，并将所述模拟信号实时传送至音频编解码器；

S3、语音数据生成：所述音频编解码器将所述模拟信号实时转化成数字信号，通过对所述数字信号进行滤波和放大处理生成语音数据并将所述语音数据传送至AMR处理单元；

S4、乐音判断：所述AMR处理单元判断所述语音数据是否为乐音，若判断为是则进入步骤S5，若判断为否则进入返回步骤S2；

S5、语音数据录音：所述AMR处理单元向SD卡大容量存取模块发送驱动指令，所述SD卡大容量存取模块开始对所述乐音进行录音；

S6、语音数据传输：所述乐音录制完成后，所述AMR处理单元将所述语音数据通过通讯模块传送至云服务器；

S7、语音数据处理：所述云服务器中的数据处理模块对所述语音数据进行压缩、降噪和曲目识别，将处理后的所述语音数据和识别结果传送至评级模块；

S8、语音数据评级：所述评级模块根据乐器评级标准对所述语音数据进行评级并将评级结果传送至报告生成模块；

S9、报告生成：所述报告生成模块根据所述评级结果生成报告并将所述报告传送至客户端。

2.根据权利要求1所述的一种用于乐器的智能评分方法，其特征在于：步骤S7进一步包括以下步骤：

S71、所述数据处理模块将所述语音数据进行分类并压缩成MP3格式；

S72、基于一维的Wave-U-Net卷积神经网络对所述语音数据进行一维卷积和下采样处理，得到中间结果；

S73、对所述中间结果进行上采样和反卷积处理，同时在每一层卷积采样对音频特征信号的频谱进行分类；

S74、卷积采样处理完成后，输出分离后的纯乐器演奏乐音并丢弃环境背景噪音，生成处理后的所述语音数据；

S75、根据处理后的所述语音数据进行曲目识别并生成所述识别结果；

S76、将处理后的所述语音数据和所述识别结果传送至所述评级模块。

3.根据权利要求1所述的一种用于乐器的智能评分方法，其特征在于：步骤S8进一步包括以下步骤：

S81、对处理后的所述语音数据进行MFCC处理后得到的音频频谱特征序列用RNN网络的Encoder进行编码，得到语义向量X_t；

S82、以所述语义向量X_t作为RNN网络的Decoder的隐藏层状态Ht＝RNN(X_t，H_t-1)；

S83、将前一时刻t的隐藏状态层H_t作为后一时刻t+1的H_t+1的输入，得到输出状态Y_t＝RNN(X_t，H_t-1)，所述输出状态为乐器演奏乐音信号的频谱时序序列；

S84、通过长短时记忆神经网络和连续时序分类对所述频谱时序序列进行分类连接，得到乐器演奏乐音符号化序列；

S85、将所述乐音符号化序列与所述乐器评级标准进行对比生成所述评级结果并将所述评级结果传送至所述报告生成模块。

4.根据权利要求3所述的一种用于乐器的智能评分方法，其特征在于：步骤S84进一步包括以下步骤：

S841、将所述频谱时序序列中的每一个Y_t输出作为一个时间片输入到LSTM网络并后接softmax，输出后验概率矩阵Y；

S842、对所述后验概率矩阵Y的每一列进行argmax函数处理，得到每一列输出的音符类别NET_w(x)，其中w表示LSTM的参数；

S843、将所述音符类别NET_w(x)输入CTC中进行loss操作将音符序列进行对齐，得到所述乐音符号化序列。

5.根据权利要求3所述的一种用于乐器的智能评分方法，其特征在于：所述评级结果包括以下各单项的评分：演奏的音准、节奏、强弱、速度、完整性和音乐性。