近年來(lái),隨著計(jì)算機(jī)科學(xué)信息技術(shù)的迅猛發(fā)展,音頻信號(hào)的聲學(xué)方面的相關(guān)研究已經(jīng)逐漸成為當(dāng)前音樂(lè)領(lǐng)域的研究熱點(diǎn)�；诼晫W(xué)特征的樂(lè)器識(shí)別是當(dāng)前音樂(lè)信號(hào)分析工作的重點(diǎn),為了提高樂(lè)器音頻信號(hào)種類(lèi)識(shí)別正確率,本論文主要是對(duì)收集到的古箏、吉他、鋼琴、手風(fēng)琴、口琴、嗩吶這6種樂(lè)器的音頻進(jìn)行研究,主要包括有以下幾個(gè)方面的工作:首先,本論文針對(duì)樂(lè)器音頻信號(hào)中附加噪聲導(dǎo)致的樂(lè)器音頻信號(hào)識(shí)別率低的問(wèn)題,本文采用改進(jìn)的變分模態(tài)分解(VMD)對(duì)樂(lè)器音頻信號(hào)進(jìn)行去噪處理。本論文是通過(guò)先采用VMD將樂(lè)器音頻信號(hào)分解成一系列平穩(wěn)的窄帶分量(IMF),之后,通過(guò)相關(guān)系數(shù)大于或等于0.5的IMF與相關(guān)系數(shù)小于0.5的IMF被小波閾值去噪后得到的有效的信息一起重構(gòu)信號(hào)的方式來(lái)對(duì)VMD進(jìn)行改進(jìn)的。在相同的實(shí)驗(yàn)環(huán)境下,分別研究了小波閾值去噪、經(jīng)驗(yàn)?zāi)B(tài)分解、VMD、改進(jìn)的VMD等方法對(duì)樂(lè)器音頻信號(hào)的去噪效果的優(yōu)劣,仿真實(shí)驗(yàn)結(jié)果表明,本文采用的改進(jìn)的VMD算法比其他去噪算法去噪魯棒性更好。其次,為了在去噪后能進(jìn)一步提高分類(lèi)正確率,從樂(lè)器音頻信號(hào)中提取充分體現(xiàn)聲音特性的聲音特征,該聲音特征為基于改進(jìn)的核主成分分析(KPCA)降維的Mel頻...

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 選題背景與研究意義
    1.2 國(guó)內(nèi)外發(fā)展現(xiàn)狀
        1.2.1 國(guó)內(nèi)相關(guān)研究現(xiàn)狀
        1.2.2 國(guó)外相關(guān)研究現(xiàn)狀
    1.3 研究的主要內(nèi)容
    1.4 論文結(jié)構(gòu)安排
2 樂(lè)器識(shí)別理論基礎(chǔ)
    2.1 樂(lè)器種類(lèi)及識(shí)別對(duì)象
    2.2 樂(lè)器音頻信號(hào)的三大特征
    2.3 樂(lè)器音頻庫(kù)
    2.4 相關(guān)評(píng)價(jià)標(biāo)準(zhǔn)
    2.5 本章小結(jié)
3 基于改進(jìn)的變分模態(tài)分解去噪
    3.1 音頻信號(hào)預(yù)處理
    3.2 本征模函數(shù)
    3.3 經(jīng)驗(yàn)?zāi)B(tài)分解
    3.4 小波閾值去噪
    3.5 改進(jìn)的變分模態(tài)分解
        3.5.1 構(gòu)造變分問(wèn)題
        3.5.2 求解變分問(wèn)題
        3.5.3 VMD算法步驟
        3.5.4 改進(jìn)的VMD去噪
    3.6 去噪算法性能分析
    3.7 本章小結(jié)
4 基于改進(jìn)的核主成分分析的樂(lè)器聲學(xué)特征提取
    4.1 良好的聲學(xué)特征
        4.1.1 Mel頻率倒譜系數(shù)
        4.1.2 一階差分MFCC
    4.2 特征提取仿真實(shí)驗(yàn)與分析
        4.2.1 MFCC分析
        4.2.2 一階差分MFCC分析
        4.2.3 特征識(shí)別性能分析
    4.3 基于核主成分分析的組合特征降維
        4.3.1 主成分分析
        4.3.2 核主成分分析
        4.3.3 改進(jìn)的核主成分分析
        4.3.4 特征降維仿真實(shí)驗(yàn)
    4.4 本章小結(jié)
5 基于改進(jìn)的PSO_SVM的樂(lè)器分類(lèi)識(shí)別
    5.1 傳統(tǒng)的音頻信號(hào)分類(lèi)方法
        5.1.1 SVM
    5.2 PSO及其改進(jìn)算法
        5.2.1 PSO算法
        5.2.2 改進(jìn)的自適應(yīng)PSO
            5.2.2.1 自適應(yīng)慣性權(quán)重
            5.2.2.2 自適應(yīng)學(xué)習(xí)因子
    5.3 樂(lè)器音頻信號(hào)的識(shí)別結(jié)果與分析
    5.4 本章小結(jié)
結(jié)論與展望
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝



本文編號(hào)：4036056