基于神经网络的歌唱艺术嗓音客观评价

发布时间：2017-07-19 02:13

  本文关键词：基于神经网络的歌唱艺术嗓音客观评价

  更多相关文章： 艺术嗓音 声学参数 BP神经网络方法 小波神经网络方法 客观评价

【摘要】： 艺术嗓音是职业用嗓者的艺术生命,在选拔与培养艺术表演人才的过程中,对嗓音的评价甚至占了非常重要的位置。因此对艺术嗓音恰如其分的评价是至关重要的。利用微型计算机和声学知识原理对艺术嗓音信号进行分析与评价,是一种评估发音的有效方法,具有无侵入性、数字化、形象化、科学化等优点。 录制广西师范大学19名无喉病、无上呼吸道感染的声乐专业青年大学生专业训练歌声信号,利用语音分析技术提取歌声声学参数第一共振峰、第三共振峰、基频、音域、基频微扰、第一共振峰微扰、第三共振峰微扰、平均能量。使用BP神经网络方法、小波神经网络方法客观评价歌声质量,并与资深声乐专业教师的主观评价进行比较。探讨客观评价歌唱艺术嗓音的更优方法。期望找到各声学参数的变化规律及其对评价的量化影响。 结果: 1号歌唱者E、F、G三种调试的第一共振峰均接近450HZ,第三共振峰均接近2500HZ,音域在三个半八度左右;歌唱者第三共振峰普遍分布于2400HZ-3200HZ之间;15号歌唱者G调的第一共振峰接近450HZ,第三共振峰接近2400HZ;1号歌唱者对每种调试的声学参数都能稳定的把握,其他歌手对每种调试把握的稳定度由大到小依次为F、E、G调;小波神经网络隐层2个神经元,BP神经网络隐层27个神经元;小波神经网络方法、BP神经网络方法与资深声乐专家的主观评价基本一致,前者评价E、G调的平均误差分别为2.51%、3.86%,后者评价E、G调的平均误差分别为2.59%、4.14%;第三共振峰、第一共振峰、音域、基频、平均能量、第三共振峰微扰、第一共振峰微扰、基频微扰影响评价 结果的权值分别为60.58、55.764、45.434、42.249、33.642、14.215、10.372、6.6258;音域正向影响评价结果;第一共振峰负向影响评价结果,第三共振峰负向影响评价结果。结论:主客观评价分数最高的1号歌唱者声学参数呈现规律的变化;神经网络方法利用评价参数能正确客观的评价歌声质量,小波神经网络方法较BP神经网络方法评价精度更高;声学参数对评价结果影响大小的排序为:第三共振峰、第一共振峰、音域、基频、平均能量、第三共振峰微扰、第一共振峰微扰、基频微扰;有助于科学地指导、选拔和训练艺术嗓音人才。
【关键词】：艺术嗓音 声学参数 BP神经网络方法 小波神经网络方法 客观评价
【学位授予单位】：广西师范大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：O424;J616
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-15
• 1.1 研究目的与意义9
• 1.2 艺术嗓音客观评价研究进展9-12
• 1.2.1 嗓音声学参数检测、分析9-12
• 1.2.2 艺术嗓音客观评价的研究进展12
• 1.3 论文主要内容及思路12-15
• 1.3.1 主要内容12-13
• 1.3.2 思路13-15
• 第二章 神经网络概述15-24
• 2.1 神经网络模型的定义和结构15-16
• 2.1.1 神经网络模型的定义15-16
• 2.1.2 神经网络模型的结构16
• 2.2 前馈型BP 神经网络16-20
• 2.2.1 BP 网络的结构16-17
• 2.2.2 BP 网络的特点17-18
• 2.2.3 BP 网络的学习算法18-19
• 2.2.4 BP 网络的设计19-20
• 2.3 小波神经网络20-24
• 2.3.1 小波神经网络的结构20-21
• 2.3.2 小波神经网络的学习算法21-22
• 2.3.3 小波函数的选择22-23
• 2.3.4 小波神经网络的优点23-24
• 第三章 歌唱艺术嗓音主观评价24-28
• 3.1 对象与资料24
• 3.2 主观评价方法24-25
• 3.3 主观评价结果25-28
• 第四章 歌唱艺术嗓音声学参数选择、提取、分析28-38
• 4.1 声学参数选择28-29
• 4.2 提取方法29-31
• 4.3 实验31-32
• 4.4 声学参数变化规律分析32-36
• 4.5 章小结36-38
• 第五章 歌唱艺术嗓音客观评价38-49
• 5.1 歌唱艺术嗓音客观评价方法分类38-39
• 5.2 BP 神经网络客观评价体系39-41
• 5.2.1 BP 神经网络客观评价体系的建立39-41
• 5.2.2 BP 神经网络的训练41
• 5.2.3 基于BP 神经网络的客观评价41
• 5.3 小波神经网络客观评价体系41-45
• 5.3.1 小波神经网络的建立42-44
• 5.3.2 小波神经网络的训练44
• 5.3.3 基于小波神经网络的歌声客观评价44-45
• 5.4 BP 神经网络评价方法与小波神经网络评价方法的比较45-46
• 5.4.1 理论分析45
• 5.4.2 实验结果比较45-46
• 5.4.3 分析与讨论46
• 5.5 声学参数对客观评价结果的影响分析46-48
• 5.6 章小结48-49
• 第六章 总结与展望49-51
• 6.1 总结49-50
• 6.2 展望50-51
• 参考文献51-55
• 致谢55-56

【引证文献】

中国期刊全文数据库 前1条

1 苗雨;;基于人工智能技术的歌唱发音质量客观评价研究综述[J];音乐探索;2012年03期

中国硕士学位论文全文数据库 前2条

1 张志元;声乐演唱中的错觉研究[D];湖南师范大学;2010年

2 严登凯;声乐中音色与腔体的关系研究[D];中央民族大学;2010年

，

本文编号：560783