[发明专利]基于深度学习的钢琴单键音识别方法

摘要

本发明公开了一种基于深度学习的钢琴单键音识别方法，步骤1，对钢琴88个单键音信号进行采集，获得一组具有88个单键音信号的样本数据，共采集n+1组，对每组的每个数据进行类别标号，然后通过信号合成系统生成得到时域信号，将时域信号进行傅里叶变换成频域信号，再将频域信号进行正则化处理，得到1组实验样本和n组训练样本；步骤2，将n组训练样本的数据放进神经网络模型中进行训练；步骤3，将1组实验样本数据的参数传入到训练完成的神经网络中，神经网络对该组的每个数据的参数进行拟合，获取神经网络所判断出的该组的类别，将类别与其标记的类别标号进行一一比对，得到识别率。解决了现有技术中存在的靠人耳识别误差大的问题。

主权项

1.基于深度学习的钢琴单键音识别方法，其特征在于，具体按照以下步骤实施：步骤1，通过信号采集系统对钢琴88个单键音信号进行采集，获得一组具有88个单键音信号的样本数据，样本为2050维，共采集n+1组，对每组的每个数据进行类别标号，然后将每组88个单键音信号通过信号合成系统生成得到时域信号，将时域信号进行傅里叶变换成频域信号，再将获得的频域信号的数据进行正则化处理，保留频域信号的形状，得到经正则化处理的频域信号；步骤2，将经步骤1处理的前n组数据放进神经网络模型中进行训练，该神经网络模型包括依次级联的输入层、第一全连接层、第一Dropout层、第二全连接层、第二Dropout层和输出层。步骤3，将步骤1中经处理的最后一组频域信号数据的参数传入到经步骤2训练完成的神经网络中，神经网络对该组的每个数据的参数进行拟合，在输出层获取神经网络所判断出的最后一组的类别，将最后一组的类别与其标记的类别标号进行一一比对，得到识别率m为所对比的正确数量，M为该组样本总数。