[发明专利]一种基于CNN和LSTM结合的粤剧唱腔分类方法

说明书

本发明提供了一种基于CNN和LSTM结合的粤剧唱腔分类方法，包括：构建分类网络模型：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：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；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。本发明基于多层特征级联卷积神经网络和长短时记忆单元结合的粤剧唱腔分类方法，更加贴合粤剧唱腔特性，充分提取粤剧特征，达到精准分类的效果，表达全面，更加符合实际应用需求。

技术领域

本发明涉及粤剧唱腔分类技术领域，具体涉及一种基于GRACE重力卫星及遥感影像数据，采用水储量平衡方法实现区域水源涵养量评估方法。

背景技术

粤剧作为世界级非物质文化遗产，有着深厚的传统文化底蕴，充分利用人工智能技术优势去抢救、挖掘、整理、保护和传播传统文化，已经成为当今非物质文化遗产保护的方向。因此，通过现代化科学技术与传统文化产业的结合实现对中华传统文化的科学延续意义深远。

如何对海量音频信息进行处理、组织分析和利用是信息处理领域的一个重要部分，而音频分类更是其中的关键技术之一。近年来，基于深度学习开展音频/音乐风格分类的研究已有了突破性的进展，考虑到粤剧唱腔分类属于音乐风格分类领域的一个分支，对粤剧唱腔特征分析的研究得以借鉴现有的音乐风格分类技术，并在此基础上进一步考虑粤剧唱腔本身不同于音乐的特性，继而付诸实践。

近年来，音乐风格分类已经持续成长为一个蓬勃发展的研究领域。与此同时，这一研究领域内越来越多的活动受到了科学挑战和工业需求的推动。目前的戏曲唱腔分类仍存在以下技术问题：

由于粤剧不同唱腔的节奏、伴奏和使用乐器等乐律特征具有相似性，使得现有的音乐分类方法难以对其精准分类。

现有的音乐风格/音频分类技术只能提取到粤剧唱段内部的浅层特征，对于同一曲目不同唱段间的关联信息尚未分析研究，同时也难以结合粤剧唱腔特点提取多层级联的深层和浅层特征，存在一定信息缺失的可能性。

因此，如何提供一种表达全面且分类精准的基于CNN和LSTM结合的粤剧唱腔分类方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明针对粤剧不同唱腔的乐律特征具有相似性，传统的音乐分类方法难以精准分类的问题，提出了一种基于多层特征级联卷积神经网络(CNN)和长短时记忆单元(LSTM)结合的粤剧唱腔分类方法。

为了实现上述目的，本发明采用如下技术方案：

一种基于CNN和LSTM结合的粤剧唱腔分类方法，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。

优选的，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；