[发明专利]一种基于CNN和LSTM结合的粤剧唱腔分类方法

权利要求书

1.一种基于CNN和LSTM结合的粤剧唱腔分类方法，其特征在于，包括如下步骤：

构建分类网络模型的步骤：

设置级联卷积神经网络Inception-CNN为一级网络，设置CNN-双层LSTM神经网络为二级网络，一级网络的输出连接二级网络的输入；

利用分类网络模型进行粤剧唱腔分类的步骤：

通过特征工程对各唱段粤剧音频信号的梅尔频谱提取梅尔频谱MFCC特征；

将所述梅尔频谱MFCC特征输入至一级网络融合各唱段粤剧音频信号的浅层和深层特征，其输出信号输入至二级网络；

二级网络学习各唱段粤剧音频信号之间的内在特征，提取上下文关联语义，预测出粤剧唱腔类别。

2.根据权利要求1所述的基于CNN和LSTM结合的粤剧唱腔分类方法，其特征在于，所述一级网络包括二维卷积的CRMD block和多尺度特征提取器；

二维卷积的CRMD block将音频信号从时域转到频域，从时间和频率两个方向提取多层次特征；

多尺度特征提取器使用轻量化Inception结构经对称的双层堆叠卷积核结构对多层次特征进行拆分操作，提取不同层级的特征；

由Concat层连接各层级特征并输入至二级网络。

3.根据权利要求1所述的基于CNN和LSTM结合的粤剧唱腔分类方法，其特征在于，所述二级网络包括双层LSTM和多卷积层CNN堆叠形成的特征级联堆叠网络，采取双层LSTM的堆叠网络逐层提取深层可分性特征，每层输出一个特征向量作为后续层的输入。

4.根据权利要求1所述的基于CNN和LSTM结合的粤剧唱腔分类方法，其特征在于，利用分类网络模型进行粤剧唱腔分类的步骤还包括对粤剧音频数据样本集进行预处理，得到梅尔频谱的步骤，包括：

将粤剧音频数据样本集切片为多个等时长的音频文件；

对所述音频文件进行分帧操作，并采用预设重叠率对每相邻两帧信号进行加窗操作；

采用快速傅里叶变换对每帧信号做快速傅里叶变换，得到频谱图；

采用梅尔滤波器组对所述频谱图进行处理，得到梅尔频谱。

5.根据权利要求1所述的基于CNN和LSTM结合的粤剧唱腔分类方法，其特征在于，利用混淆矩阵对所述分类网络模型输出的预测结果进行可视化评判，通过多数投票算法预测出粤剧唱腔类别。