基于网格图特征的琵琶指法的自动识别

发布时间：2021-01-07 17:46

　　对琵琶7种常用演奏指法进行了自动识别.首先,对声音信号声谱图根据其基音频率截取一部分并进行归一化处理;其后,根据归一化声谱图生成3种能明显体现不同指法特点的网格图;最后,从网格图中划分若干种不同的计算区域,用各区域的统计值作为特征.在基于机器学习的指法自动识别的实验中,对7类指法以及乐音类、泛音类指法的自动识别能够以很少的特征数量达到100%的识别率,实现了对琵琶指法的精确地自动识别. 

【文章来源】：复旦学报(自然科学版). 2020,59(03)北大核心

【文章页数】：7 页

【部分图文】：

7种演奏指法的时频网格图

7种演奏指法的时域网格图如图4所示．轮指为多次击弦指法，其时域网格图与其他6种指法完全不同，表现出清晰的方格，而各方格的宽度、深度的均匀程度则与演奏过程中各手指击弦的时间、力度的均匀程度直接关联．其余6种指法的时域网格图均表现为从左下向右上的渐变，其中：乐音类指法的变化较平缓，按照泛音、弹、扫的顺序，变化速度从快到慢；噪音类指法中存在较突然的变化点，绞弦的变化点较靠近右上角，击板、摘的变化点更靠近左下角，两者时域网格图的特性类似．2.5频域网格图

7种演奏指法的频域网格图如图5所示．轮指、泛音、弹的频域网格图表现为均匀的规则方格，其中：泛音的左侧、下方（低频部分）与右上角（高频部分）的整体能量对比十分明显；轮指、弹的左侧、下方与右上角的整体能量对比较弱，而且轮指在左侧、下方条纹的清晰程度不如弹．噪音类指法的频域网格图也表现为方格状，但方格不均匀．绞弦指法从左下向右上的能量变化较缓慢，而击板、摘均出现突变，并且击板的突变点非常靠近左下角，而摘的能量变化会出现粗网格的反复．扫弦的频域网格图在右上角部分与弹相似，但在左侧与下方边缘有明显的能量很弱区域，与其他指法均不相同．图6 从网格图中提取特征示意图

【参考文献】：
期刊论文
[1]CCMusic:用于MIR研究的中国音乐数据库建设[J]. 李子晋,于帅,肖畅,耿瑜曼,钱文琪,高永伟,李伟.  复旦学报(自然科学版). 2019(03)
[2]常见琵琶技法的计算建模[J]. 戴舒琪,夏光宇.  复旦学报(自然科学版). 2018(03)
[3]以声谱图相似度为度量的波形音乐检索[J]. 孔旭,关佶红.  计算机工程与应用. 2009(13)

硕士论文
[1]基于声谱图的音乐检索[D]. 孔旭.复旦大学 2009



本文编号：2962973