[发明专利]一种乐器音乐信号和和弦识别方法在审
申请号: | 202210594579.3 | 申请日: | 2022-05-27 |
公开(公告)号: | CN115083373A | 公开(公告)日: | 2022-09-20 |
发明(设计)人: | 何海峰;王金权;张腾蔚;盛勇;吴昊 | 申请(专利权)人: | 广州蓝深科技有限公司 |
主分类号: | G10H1/38 | 分类号: | G10H1/38 |
代理公司: | 成都华复知识产权代理有限公司 51298 | 代理人: | 余鹏 |
地址: | 510000 广东省广州市黄埔区黄埔公园西路2*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 乐器 音乐 信号 和弦 识别 方法 | ||
1.一种乐器音乐信号和和弦识别方法,包括以下步骤:其特征在于:
S1、信号转换:通过收音设备将乐器的音频模拟信号转化为数字信号,传输到音频特征模块中,通过音频特征模块将数字信号中的音频特征进行提取得到无人声特征,然后对无人声特征的时域信号进行傅里叶变换转换到频域,然后再利用梅尔频率刻度的滤波器组对应频域信号进行切分,使每个频率段对应一个数值;
S2、构建音符特征序列:然后将频域信号切分后的数值进行特征提取,得到音符信息,将音符信息构建各个音符的二维矩阵表示,再将二维矩阵表示序列输入至特征提取模型中,获取特征提取模型针对二维矩阵表示序列输出的音符特征序列,音符特征序列中含有各个音符对应的音符特征;
S3、比对和弦特征:再将音符特征序列输入到和弦功能识别模型中,并建立音符特征模型,得到从不同的和弦功能识别维度对音符特征序列中的各个音符特征进行识别处理所得到的和弦特征;
S4、和弦修正:最后基于原始音频的真实和弦类型,计算音符特征模型的预测损失,再基于音符特征模型的预测损失对音符特征模型的参数进行调整。
2.根据权利要求1所述的一种乐器音乐信号和和弦识别方法,其特征在于:所述S1中Mel频率fmel与声音信号频率f的对应关系为:
Fmel=2959log10(1+f/700)。
3.根据权利要求1所述的一种乐器音乐信号和和弦识别方法,其特征在于:所述S2中特征提取模型从音频模拟信号中转化音频数据,与音符特征进行比对识别,所述音符特征中包含至少一组音符片段与特征信息的对应关系。
4.根据权利要求3所述的一种乐器音乐信号和和弦识别方法,其特征在于:所述音频数据通过特征提取模型训练后得到乐谱信息,将乐谱信息中的音符与音符特征进行比对识别,然后将比对结果正确的音符特征进行保存,比对结果错误的音符特征筛去。
5.根据权利要求1所述的一种乐器音乐信号和和弦识别方法,其特征在于:所述S3中所述和弦功能识别维度包括和弦调式维度、和弦调性维度以及和弦转位维度,所述和弦调式维度、和弦调性维度以及和弦转位维度共同作用于原始音频模拟信号的和弦功能表示。
6.根据权利要求1所述的一种乐器音乐信号和和弦识别方法,其特征在于:所述S3中音符特征模型中包含有来自S2中正确的音符特征,所述音符特征模型中建立有音符数据库,对正确的音符特征进行保存,并且音符特征模型会对音符数据库中的音符特征不断进行训练优化。
7.根据权利要求6所述的一种乐器音乐信号和和弦识别方法,其特征在于:所述S4中音频特征模型将音符数据库中正确的音符特征分为第一音符数据段、第二音符数据段和第三音符数据段,所述第一音符数据段构成训练数据集,所述第二音符数据段构成测试数据集,所述第三音符数据段构成验证数据集,并将所述训练数据集、测试数据集和验证数据集对音符特征进行预测。
8.根据权利要求1所述的一种乐器音乐信号和和弦识别方法,其特征在于:所述训练数据集会对音符特征进行训练,并经过测试数据集进行测试,在通过验证数据集再次进行验证后将验证结果进行归纳,得到和弦识别结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州蓝深科技有限公司,未经广州蓝深科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210594579.3/1.html,转载请声明来源钻瓜专利网。