基于樂音信號的特征提取與分類方法研究.pdf_第1頁
已閱讀1頁,還剩58頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、由于發(fā)聲機理的不同,音頻處理分為語音和樂音兩種。目前,國內外對于樂音信號的研究主要集中在現代流行音樂方面,對于中國古代主要的樂音形式(戲曲)卻少有研究。然而,中國戲曲自古以來在中國傳統(tǒng)文化中扮演重要的角色,基于計算機技術研究中國戲曲具有重要的文化意義。
  中國戲曲曲目數以萬計,數量龐大,以人工方式對戲曲進行分類,不僅效率低下,費用高昂,而且正確率低,為了促進戲曲的管理,有必要構建一套自動化的戲曲分類系統(tǒng)。
  本文提出一種

2、基于多特征融合技術和極限學習機(ELM)的進行中國戲曲劇種分類的方法。受到音樂流派分類的啟發(fā),每首曲目被分隔為多個片段。先以特征工程的方法直接提取19種特征??紤]到戲曲信號是一種時序上下文相關序列,以音頻幀進行快速傅里葉變換(FFT)變換后的向量為輸入,以該幀所屬劇種類別為訓練標簽,訓練長短時記憶網絡(LSTM),并使用訓練好的模型提取上下文相關的特征。將從特征工程和LSTM中提取的上下文特征進行特征融合。最后,使用ELM以及多數投票算

3、法預測整首曲目的所屬劇種類別。
  研究數據來自互聯網,包括8類共800首戲曲。在8類中國傳統(tǒng)戲曲中,僅使用LSTM提取的時序上下文特征,本系統(tǒng)達到88.8%的平均分類準確率;通過特征融合將從特征工程提取的19種特征以及時序上下文特征進行融合,本系統(tǒng)達到92%的平均分類準確率。實驗結果表明多特征融合有助于提高中國傳統(tǒng)戲曲劇種分類的準確率。使用LSTM提取的上下文相關特征能夠更好的考慮信號的時間特性,對19種由特征工程得到的特征具有

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論