基于频谱分解的大提琴音乐信号识别方法研究

发布时间：2021-01-08 13:01

　　为了提高大提琴音乐信号检测和识别能力,提出基于频谱分解的大提琴音乐信号识别方法。构建大提琴音乐信号频谱特征分解和检测模型,结合大提琴音乐信号频谱分析方法进行信号尺度特征分解,根据模糊信息采样方法进行大提琴音乐信号的输出转换控制。建立大提琴音乐信号的滤波检测模型,采用反馈调制方法进行大提琴音乐信号的输出稳定性特征采样和滤波处理,实现对大提琴音乐信号频谱分解优化,根据频谱分解结果实现对大提琴音乐信号的优化识别。仿真结果表明,采用该方法进行大提琴音乐信号识别的准确概率较高,抗干扰性较强,提高了大提琴音乐信号的输出频谱特征分辨能力。 

【文章来源】：赤峰学院学报(自然科学版). 2020,36(10)

【文章页数】：5 页

【部分图文】：

大提琴音乐信号采样模型

基于以上仿真环境与参数设定，进行大提琴音乐信号检测，其中原始信号用图2表示。以图2的原始大提琴音乐信号为测试对象，采用反馈调制方法进行大提琴音乐信号的输出稳定性特征采样和滤波处理，实现对信号的频谱特征分解，结果如图3所示。

以图2的原始大提琴音乐信号为测试对象，采用反馈调制方法进行大提琴音乐信号的输出稳定性特征采样和滤波处理，实现对信号的频谱特征分解，结果如图3所示。分析图3得知，本文方法能有效实现对大提琴音乐信号频谱特征分解，提高了信号的特征识别能力。

【参考文献】：
期刊论文
[1]基于人工智能的语音识别系统及应用研究[J]. 房爱东,张志伟,崔琳,谢士春.  宿州学院学报. 2019(08)
[2]基于环状生成对抗网络的深度语音去噪方法[J]. 韩斌,郝小龙,樊强,彭启伟,薛依铭.  电子设计工程. 2019(12)
[3]婴幼儿语音信息处理与识别研究模型[J]. 左正东,万光彩,杜佳轩.  山西师范大学学报(自然科学版). 2019(02)
[4]一种基于随机散射簇的非平稳3D空间信道模型[J]. 张薇,段京京,王岩松.  电子与信息学报. 2018(10)
[5]基于物联网与云计算的智能家居安全访问控制技术研究[J]. 王艳丽.  电视技术. 2018(08)
[6]基于神经网络的计算机通信系统干扰信号分离[J]. 刘涛,孟青,韩建宁.  吉林大学学报(理学版). 2017(06)
[7]正交频分复用水声通信自适应调制算法[J]. 罗亚松,胡生亮,刘志坤,吕显春.  国防科技大学学报. 2017(01)
[8]改进的大气激光通信PPM调制解调系统设计[J]. 马爽,吴志勇,高世杰,耿天文,吴佳彬.  哈尔滨工业大学学报. 2016(05)
[9]一种基于语音端点检测的维纳滤波语音增强算法[J]. 李战明,尚丰.  电子设计工程. 2016(02)
[10]一种基于电-光强度调制的负反馈解调光纤通信方法[J]. 石磊,朱广浩.  南京大学学报(自然科学). 2015(04)



本文编号：2964642