多噪声背景电子音乐类型分类建模与分析研究

发布时间：2021-07-09 03:15

　　为了解决传统电子音乐类型分类方法检测准确率不高的问题,提出一种多噪声背景的电子音乐类型分类方法。首先,降噪处理噪声环境下的电子音乐,得到含有噪声的电子音乐频谱,利用感知小波包变换提取噪声的特征,采样噪声的特征值并计算噪声的短时能量,得到电子音乐降噪表达式,计算频谱的二阶矩,得到不含噪声的电子音乐短时能量特征;然后,使用短时傅里叶变换计算得到每帧中所有电子音乐点的倒谱系数,利用倒谱系数得到计算电子音乐类型的二维矩阵,通过小波变换将噪声处理表达式与计算电子音乐类型的二维矩阵,处理为最终的噪声环境下的电子音乐类型检测表达式。实验结果表明,与两种传统噪声环境下的电子音乐类型分类方法相比,多噪声背景的电子音乐类型分类方法检测准确率更高,更适合在噪声环境下检测电子音乐类型。 

【文章来源】：现代电子技术. 2020,43(21)北大核心

【文章页数】：4 页

【部分图文】：

含有噪声的电子音乐频谱

得到采样点的短时能量幅度变化如图2所示。由图2可知，每个采样点的短时能量En值不同，一般来讲，噪声掺杂多的电子音乐短时能量值要比含有噪声种类少的电子音乐短时能量的值小[7]。含有噪声的电子音乐频谱中频带之间的变化平缓，定义采样的噪声频带中的信号矢量Xf (m)为：Xf (m)={Xf (m,1),Xf (m,2),…,Xf (m,N)}，平滑处理得到X?f(m)={X?f (m,1),X?f (m,2),…,Xf?(m,N)}，取平滑处理得到公式的对数为：

频谱方差可以描述电子音乐类型频谱信号分布的对称程度，当sp为零时，此时的电子音乐频谱是对称的，符合多种类型电子音乐的频谱特征[9]。所以，此公式可以概括大部分电子音乐类型特征。然后以此频谱特征计算公式为基础，计算对称频谱内的每种电子音乐类型的短时能量特征sk，绘制电子音乐类型短时能量的频谱如图3所示。分两部分处理图3的短时能量频谱，分别对每个部分的电子音乐短时特征加汉明窗处理，使用短时傅里叶变换，计算得到每部分中所有电子音乐点的倒谱系数G为：

【参考文献】：
期刊论文
[1]结合改进欧几里得算法和动态规划的音乐主旋律提取[J]. 张维维,陈喆,殷福亮.  信号处理. 2018(08)
[2]混响和噪声环境下基于角度谱的多声源定位与计数算法[J]. 房玉琢,许志勇,赵兆.  国防科技大学学报. 2018(03)
[3]基于最小二乘支持向量机的电子音乐识别研究[J]. 周婧,范凌云.  现代电子技术. 2018(09)
[4]非均匀噪声背景下信源数估计算法[J]. 陈明建,龙国庆,黄中瑞.  信号处理. 2018(02)
[5]基于噪声自检测的并行AdaBoost算法[J]. 徐坚,陈优广.  计算机应用与软件. 2018(01)
[6]一种用于图片来源检测的相机参考模式噪声提取算法[J]. 陈凌翔,柯永振,孙玉婷.  计算机工程. 2017(12)
[7]基于噪声一致性的数字语音异源拼接篡改检测算法[J]. 阳帆,严迪群,徐宏伟,王让定,金超,向立.  计算机应用. 2017(12)
[8]掩蔽法减少谱减法去混响中的音乐噪声[J]. 吴礼福,申浩.  电子测量与仪器学报. 2017(11)
[9]基于噪声概率的多核集成算法[J]. 冯杰,武德安,吴磊.  微电子学与计算机. 2017(09)
[10]基于数字助听器声音场景分类的噪声抑制算法[J]. 汪家冬,邹采荣,蒋本聪,王青云.  数据采集与处理. 2017(04)



本文编号：3272903