[发明专利]一种乐音数据的采集和特征识别方法

说明书

本发明提出了一种乐音数据的采集和特征识别方法，通过对电子乐音数据建立特征矢量空间；构建评价指标体系，确立乐音识别的关键信息元；对目标乐音进行预处理和时频域分解，提取目标乐音的关键信息并与关键信息元组成关键信息集；构建乐音的目标特征矢量矩阵；将构建乐音的目标特征矢量矩阵，置于已知数字音乐库的特征矢量空间中进行距离计算和匹配得出特征矢量空间距离和匹配结果。其有益效果是：本发明采用时频域信号特征提取的最新技术，评估并确定乐音识别的关键采集信息元，自动分割乐音数据并分解时频域乐音信息，构建声学‑统计学‑效应的分层映射模型，建立特征矢量空间，实现乐音数据的旋律可量化描述，并开展旋律提取、匹配和应用。

技术领域

本发明涉及乐音的识别，特别是指一种乐音数据的采集和特征识别方法。

背景技术

音乐是人类最古老、最具普遍性和感染力的艺术形式之一，至今仍在人类的生活中占有不可或缺的地位。对音乐的创造、表现、理解、欣赏，是人类最基本的精神活动之一。音乐的创造、传播和利用，被信息时代赋予新的丰富内涵和特征。网络空间里音频以及多媒体文件数量成指数形态激增，而各类以网络为传输媒介的海量音频数据库也蓬勃发展。其中，数字音乐与人们日常生活最为贴近，也是目前互联网上总体被访问及使用频度最多的资源之一。另一方面音乐正逐步走出纯文艺的范畴，向着工业、农业和医疗方面渗透和发展，诞生了大量多学科交叉崭新的研究方向和应用领域，例如音乐喷泉、音乐辅助养殖、音乐心理治疗等等。

但是，在如此巨大且不断发展的市场中，一个问题却逐渐凸现，即数字音乐资源的识别、鉴赏和利用，很大程度上依然依靠相关从业人员的人工劳动：数字音乐的特征提取和精确检索依据依然是后期追加的音频文件、数据库的标签关键字，而不是音乐本身。用户可以指派机器按照若干个标签的组合(如歌名、演唱者、年代、风格等)筛选音乐；但当用户想获得具有某类特殊属性(如具有同一调式，使用同一种乐器等)的音乐，甚至用户自己无法提供除目标歌曲旋律片断外的任何信息时，机器就显得无能力了。

发明内容

本发明为解决现有技术中存在的问题，提出一种乐音数据的采集和特征识别方法。

本发明的技术方案是这样实现的：

一种乐音数据的采集和特征识别方法，包括以下步骤：

步骤一：基于已有的高品质数字音乐文件库，提取时频域信号特征，评估并确定已知乐音识别的关键采集信息元，自动分割乐音数据并分解时频域乐音信息，构建声学-统计学-效应的分层映射模型，对电子乐音数据的旋律特征进行统计构建已知特征矢量矩阵，建立特征矢量空间；

步骤二：构建评价指标体系，确立乐音识别的关键信息元；

步骤三：对目标乐音进行预处理和时频域分解，提取目标乐音的关键信息并与步骤二中的关键信息元组成关键信息集；

步骤四：通过确立乐音识别的关键信息集构建乐音的目标特征矢量矩阵；

步骤五：将构建乐音的目标特征矢量矩阵，置于已知数字音乐库的特征矢量空间中进行距离计算和匹配得出特征矢量空间距离和匹配结果。

优选的，在步骤一中，电子乐音数据的所述旋律特征的波形函数为：

令Y(jω)为离散时间信号y(n)的DFT变换，则有：

Y(jω)＝S_i(jω)·F_i(jω)

其中，ω_i为指定音的基频或倍频，A_i为基频点或倍频点的振幅，α_i用来调节基频或者倍频附近波形宽度，F_i为关于正弦和余弦的函数；

对此建立矩阵，记录乐音各倍频点的相对振幅比例关系，把振动总能量按相对振幅的比例分配到各倍频点上，频率的记录矩阵就作为一种特征矢量，成为组成特征矢量空间的一个维度。

优选的，在步骤二中针对基音、泛音、响度、速度等乐音的关键信息进行系统分析，构建评价指标体系，建立乐音识别的关键信息元。