[发明专利]基于鲁棒性音阶轮廓特征和向量机的和弦识别方法

摘要

本发明涉及和弦自动识别，为提取鲁棒性音阶轮廓和弦特征，并能够快速准确的对和弦进行识别。本发明，基于鲁棒性音阶轮廓特征和向量机的和弦识别方法，包括下列步骤:1)对原始音频信号进行加窗预处理；2)对分帧结果进行离散余弦变换，得到原始信号的标准音频频谱矩阵S；3)通过凸优化问题进行全局最优解的求解：4)为了得到鲁棒性PCP特征，进行矩阵映射；5)采用测度学习的方法对支持向量机的高斯核函数进行优化；6)利用训练数据对测度学习支持向量机进行训练，确定测度学习支持向量机中的参数；7)使用训练好的测度学习支持向量机对测试数据进行识别，得到最终的识别率。本发明主要应用于和弦自动识别场合。

主权项

一种基于鲁棒性音阶轮廓特征和向量机的和弦识别方法，其特征是，包括下列步骤:1)对原始音频信号进行加窗预处理，得到音乐信号的分帧结果；2)对分帧结果进行离散余弦变换，得到原始信号的标准音频频谱矩阵S；3)假设频谱中谐波成分矩阵A和非谐波成分矩阵E是相互独立的，那么就有：S＝A+E；矩阵通过以下凸优化问题进行全局最优解的求解：minA,E||A||*+λ||E||1s.t.A+E=S---(1)]]>其中||·||*表示矩阵的核范数，即矩阵的奇异值之和；||·||1表示矩阵的一范数，即所有非零元素之和；该优化问题通过增广拉格朗日乘子法进行解决；4)为了得到鲁棒性PCP特征，将矩阵A乘映射矩阵P：P表示频谱矩阵和由RPCP向量组成的色度矩阵chromagram之间的变换矩阵，其中fi表示音乐中12平均律所定义出来的12个音阶的基频，1≤i≤12，2π·ωj则表示时频变换后所得到的各个频率成分的频率值，0≤j≤N‑1，另外，δ(ω,fi)=0,if[12·log2(2πω/fi)]%12≠01,if[12·log2(2πω/fi)]%12=0---(3)]]>通常情况下，规定音符A4处的频率440Hz为基准频率，并通过fA4·2b获得其他音符处的频率值，其中b为音符与A4之间的音程差，然后，通过映射公式(3)来对谐波矩阵A的各个频率成分进行映射，从而获得鲁棒音阶轮廓特征向量，其中2πω对应矩阵A每一行所对应的频率值，而fi则表示音乐中通用的中央八度内12个音符所对应的频率，通过fA4·2b获得；5)采用测度学习的方法对支持向量机的高斯核函数进行优化：根据和弦特征的特点，从问题本身的先验知识中有监督的学习到一个距离方程，该距离方程的求解是凸优化问题，从而使用梯度下降算法求得全局最优解，进而用求得的转换矩阵最优解对支持向量机的核函数进行优化，得到基于测度学习的高斯核函数；6)利用训练数据对测度学习支持向量机进行训练，确定测度学习支持向量机中的参数；7)使用训练好的测度学习支持向量机对测试数据进行识别，得到最终的识别率。