基于聲學(xué)特征的幾種典型樂器識(shí)別研究
發(fā)布時(shí)間:2025-03-18 05:13
近年來,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)前音樂領(lǐng)域的研究熱點(diǎn);诼晫W(xué)特征的樂器識(shí)別是當(dāng)前音樂信號(hào)分析工作的重點(diǎn),為了提高樂器音頻信號(hào)種類識(shí)別正確率,本論文主要是對收集到的古箏、吉他、鋼琴、手風(fēng)琴、口琴、嗩吶這6種樂器的音頻進(jìn)行研究,主要包括有以下幾個(gè)方面的工作:首先,本論文針對樂器音頻信號(hào)中附加噪聲導(dǎo)致的樂器音頻信號(hào)識(shí)別率低的問題,本文采用改進(jìn)的變分模態(tài)分解(VMD)對樂器音頻信號(hào)進(jìn)行去噪處理。本論文是通過先采用VMD將樂器音頻信號(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)的方式來對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等方法對樂器音頻信號(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)一步提高分類正確率,從樂器音頻信號(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...
【文章頁數(shù)】:65 頁
【學(xué)位級別】: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 國內(nèi)外發(fā)展現(xiàn)狀
1.2.1 國內(nèi)相關(guān)研究現(xiàn)狀
1.2.2 國外相關(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 樂器識(shí)別理論基礎(chǔ)
2.1 樂器種類及識(shí)別對象
2.2 樂器音頻信號(hào)的三大特征
2.3 樂器音頻庫
2.4 相關(guān)評價(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)造變分問題
3.5.2 求解變分問題
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PSOSVM的樂器分類識(shí)別
5.1 傳統(tǒng)的音頻信號(hào)分類方法
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
【文章頁數(shù)】:65 頁
【學(xué)位級別】: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 國內(nèi)外發(fā)展現(xiàn)狀
1.2.1 國內(nèi)相關(guān)研究現(xiàn)狀
1.2.2 國外相關(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 樂器識(shí)別理論基礎(chǔ)
2.1 樂器種類及識(shí)別對象
2.2 樂器音頻信號(hào)的三大特征
2.3 樂器音頻庫
2.4 相關(guān)評價(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)造變分問題
3.5.2 求解變分問題
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PSOSVM的樂器分類識(shí)別
5.1 傳統(tǒng)的音頻信號(hào)分類方法
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
本文鏈接:http://sikaile.net/kejilunwen/wltx/4036056.html
最近更新
教材專著