基于双神经网络的钢琴琴键音质评价方法研究

发布时间：2020-06-26 11:11

【摘要】：钢琴因其极佳的音质效果被称为“乐器之王”。88个琴键的音质组成了钢琴的基本音质。现有的对钢琴琴键音质的评价方法有人工主观听音评价和利用声信号处理客观评价两种,它们无法兼顾评判标准的客观性和音乐的美感主观性两方面。本文在现代信号处理技术和人工智能技术飞速发展的背景下,拟提出一种标准客观,能模仿人类思维的结合信号处理与人工智能的一整套针对不同琴键的完整的评价方法,并通过实验验证所提方法的可行性。本文的主要研究工作和创新点如下:1.分析了现有的钢琴音质评价的方法和影响钢琴琴键音质的理论,在时域、频域、空域选取了音长、音高、音强、音色和空间感作为琴键音质评价的声学特征,并实现特征值的提取。2.根据特征值是否容易量化和相对独立,把琴键声学特征为两类,音长、音高、音强为第一类;音色和空间感为第二类。分别选择Hopfield神经网络和GRNN神经网络组成的双神经网络来处理上述两类特征,得到相应的三个子结果,再根据最小二乘来计算双神经网络三个子结果的权重比例。3.参与本实验室的钢琴拾音硬件平台的搭建,在此基础上结合软件部分的wav信号重组模块、特征值提取模块、双神经网络评价模块、最小二乘汇总模块,使用钢琴实测,先运用已知评价结果的钢琴琴键音源样本训练双神经网络,计算双神经网络三个子结果的权重比例,然后用训练好的双神经网络评价测试样本,评价结果与预期结果大致吻合,验证了该方法和平台的可行性。
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN912.3;TP183
【图文】：

第四章 基于双神经网络的钢琴琴键音质评价方法的实现 基于双神经网络的钢琴琴键音质评价方法所涉及的钢琴琴键音质评价方法采用模块化的方法实现，各模块之间自己的功能。硬件部分由麦克风阵列采集模块、前置滤波放大模块储模块、USB 串口信号通信模块及外置电源组成，完成采集钢琴琴键软件部分位于 PC 端，由 wav 信号重组模块、特征值提取模块、双神及最小二乘评价子结果汇总模块构成，实现重组 wav 信号和评价琴键结合共同作用达成对钢琴音质进行评价的目的。

4.1 硬件平台介绍本小节将介绍本文所涉及的基于双神经网络的钢琴琴键音质评价方法的硬件平台实物图。如图 4-2 所示，本文所涉及的硬件平台由麦克风若干、电路板 3 块、单片机若干、各种电子元器件、各种连接线以及外置电源 3 块组成。下面对它的结构和原理进行介绍。

【参考文献】

相关期刊论文 前10条

1 秦敏静;;钢琴弦槌整音技术与音质评价[J];音乐探索;2015年03期

2 赵伟;;基于BP神经网络的音乐情感分类及评价模型[J];电子设计工程;2015年08期

3 李智敏;;USB虚拟串口通信实现[J];电子科技;2014年03期

4 刘新红;;一种基于包络检测的ASK调制解调电路设计[J];现代电子技术;2014年06期

5 李子晋;;钢琴弦板耦合振动测量实验研究[J];演艺科技;2013年04期

6 李子晋;;钢琴音质统一度测量方法实验模型的建立及实验研究[J];乐器;2013年02期

7 沈瑜;党建武;王阳萍;雷涛;;加权短时自相关函数的基音周期估计算法[J];计算机工程与应用;2012年35期

8 袁梅;田宏达;董韶鹏;陈松方;;基于PWM的电流输出数模转换电路[J];仪表技术与传感器;2011年07期

9 刘茂荣;;画说乐理(二十五)——音程(7)[J];琴童;2011年01期

10 邹乐强;;最小二乘法原理及其简单应用[J];科技信息;2010年23期

相关会议论文 前1条

1 梁志强;谢志文;;钢琴声音衰减特性的研究[A];中国声学学会2006年全国声学学术会议论文集[C];2006年

相关硕士学位论文 前10条

1 李碧;基于卷积神经网络的钢琴音乐推荐算法研究[D];武汉工程大学;2017年

2 龚强;深度学习在音乐自动标注中的应用[D];北京交通大学;2017年

3 赵天坤;基于深度神经网络的音乐信息检索[D];北京邮电大学;2015年

4 李智文;数据挖掘在音乐分类中的应用[D];中南大学;2012年

5 杨柳;乐曲检索与评价系统的设计与实现[D];电子科技大学;2012年

6 刘晓楠;钢琴机械机构的性能分析及对音质的影响研究[D];华南理工大学;2011年

7 张琨磊;基于语音增强的基频提取算法在语音识别上的应用研究[D];中国科学技术大学;2011年

8 冯铮;模糊神经网络在音乐识别中的应用[D];上海海事大学;2007年

9 张国伟;语音基频检测及基频模型的研究[D];山东大学;2007年

10 李涛;钢琴音响的乐律学研究[D];西北民族大学;2005年

本文编号：2730232