一种波形音乐粗情感软切割分类方法

专利名称：一种波形音乐粗情感软切割分类方法
技术领域：
本发明涉及一种音乐波形文件的识别方法，特别涉及一种波形音乐粗情感软切割分类方法。
背景技术：
随着灯光技术的发展，音乐灯光表演成为了舞台表演、城市建设以及风景区建设的一大重要的项目。目前音乐灯光表演方案设计所使用的人工分类编辑方法普适性差、定位不精确且耗费人力物力。在这样的情况下，设计人员希望能够通过计算机快速实现整段表演音乐的合乎大多数人情感理解的情感软切割分类，从而方便设计人员更快、更精确地依据音乐情感编排灯光动作。然而，对于现有的一些音乐情感识别方面的研究，都是对一整段音乐整体处理后 提取特征值，并且使用的特征标准都是统一的。这些对音乐片段的分类过程而言，有时不太方便。因此，急需提供一种更快、更精确地依据音乐情感对音乐进行分类的方法。

发明内容
有鉴于此，本发明所要解决的技术问题是提供一种针对波形音乐文件的粗情感软切割分类的方法。本发明的目的是这样实现的本发明提供的一种波形音乐粗情感软切割分类方法，包括以下步骤SI :提供音乐数据，并建立音乐分类数据的粗情感空间域；S2:预处理，选取的音乐片段样本做粗情感软切割实验的训练样本集，将待识别的测试集波形音乐文件进行预处理；S3 :提取待识别的测试集波形音乐文件的音乐特征；S4:对待识别的测试集波形音乐文件进行一次软切割，所述一次软切割为针对强度音乐特征量的软切割；S5 :对一次软切割后的音乐文件进行二次软切割，所述二次软切割为针对节奏音乐特征量的软切割；S6:根据分类矩阵将待识别的测试集波形音乐文件的软切割结果归类到粗情感空间域中。进一步，所述提取待识别的测试集波形音乐文件的音乐特征包括以下步骤S31 :首先通过小波变换中的Mallat快速分解算法对待识别的测试集波形音乐文件进行时频域的快速分解重构，得到低通滤波器和高通滤波器的冲击响应序列；S32 :然后提取音乐特征，所述音乐特征包括强度音乐特征量和节奏音乐特征量。进一步，所述强度音乐特征量以下公式来计算
权利要求
1.一种波形音乐粗情感软切割分类方法，其特征在于包括以下步骤 Si:提供音乐数据，并建立音乐分类数据的粗情感空间域； 52:预处理，选取的音乐片段样本做粗情感软切割实验的训练样本集，将待识别的测试集波形音乐文件进行预处理； 53:提取待识别的测试集波形音乐文件的音乐特征； S4:对待识别的测试集波形音乐文件进行一次软切割，所述一次软切割为针对强度音乐特征量的软切割； 55:对一次软切割后的音乐文件进行二次软切割，所述二次软切割为针对节奏音乐特征量的软切割；56:根据分类矩阵将待识别的测试集波形音乐文件的软切割结果归类到粗情感空间域中。
2.根据权利要求I所述的波形音乐粗情感软切割分类方法，其特征在于所述提取待识别的测试集波形音乐文件的音乐特征包括以下步骤 531:首先通过小波变换中的Mallat快速分解算法对待识别的测试集波形音乐文件进行时频域的快速分解重构，得到低通滤波器和高通滤波器的冲击响应序列；532:然后提取音乐特征，所述音乐特征包括强度音乐特征量和节奏音乐特征量。
3.根据权利要求I所述的波形音乐粗情感软切割分类方法，其特征在于所述强度音乐特征量以下公式来计算 H= X丄2… i=k-*N iV 其中，ek为第k段短时平均能量即平均振幅，Xi为采集的第i个音乐数据，N为每段采集的音乐数据的数量。
4.根据权利要求I所述的波形音乐粗情感软切割分类方法，其特征在于所述一次软切割的具体步骤如下 541:获取待识别的测试集波形音乐文件各频率段的振幅值； 542:判断t (I)、t (2)、...时刻各频率段的振幅值是否超过阈值； 543:选择超过阈值的单音或音项作为t (I)、t (2)、...时刻的音符比较项；544:通过以下公式计算t(k+l)时刻与t(k)时刻的音符比较项平均振幅之比Ck ；ck = ek+i/ek，k = O, I, 2,… 其中，ek表不第k个音符比较项的平均能量，Ck表不后一时刻振幅比较项与前一时刻振幅比较项之比为振幅比较系数，k表示；545:判断音符比较项平均振幅之比Ck是否属于区间[a，b]，其中a表示，b表示； 546:判断t(k)时刻后不属于区间[a，b]的音符比较项平均振幅之比ck是否出现连续m次，其中，m表示； 547:连续出现则可选择t(k)时刻为一次软切割节点，与前一个一次软切割节点组成片段为一次软切割片段，反之，继续向后比较。
5.根据权利要求I所述的波形音乐粗情感软切割分类方法，其特征在于所述二次软切割的具体步骤如下 S51:获取一次软切割所得到的第h个片段；552:通过以下公式计算第h个片段的相对节奏比较项的值 rh = N/th，其中，th表示第h个片段的时长，Nh为音符比较项个数；553:通过以下公式计算第h+Ι个片段与第h个片段的音相对节奏比较项值之比； 554c' k = rh+1/rh, h = O, 1，2，···,其中，c' k表示相对节奏比较项; S55:判断相对节奏比较项值之比c' k是否属于区间[c，d]，其中c表示，d表示； S56 :将属于该区间的相对节奏发生变点作为二次软切割节点，然后对经过一次软切割的音乐文件片段进行二次切割。
6.根据权利要求I所述的波形音乐粗情感软切割分类方法，其特征在于所述粗情感空间域为包括激烈、欢快、低落、轻柔的简化粗情感二维对称抑扬模型；
7.根据权利要求I所述的波形音乐粗情感软切割分类方法，其特征在于所述预处理过程是指将待识别的测试集波形音乐文件进行去噪和分帧处理。
全文摘要
本发明公开了一种波形音乐的粗情感软切割分类方法，属于计算机模式识别领域，针对音乐特征参数，采用Mallat算法进行波形音乐的粗情感软切割分类，解决了用于控制系统的波形音乐特征情感信息精确捕捉。具体包括以下步骤(1)粗情感空间域的建立；(2)预处理；(3)特征提取；(4)软切割；(5)分类。本发明采用基于Mallat算法的时频域分析法对波形音乐进行处理，根据两大基本音乐特征量(强度及节奏)，通过样本训练的方法得到普适性较高的比较参数节点，并根据专家经验对各个情感域之间的跳转条件进行确定，最终达到音乐粗情感软切割分类的效果。
文档编号G10L15/08GK102930865SQ201210355609
公开日2013年2月13日 申请日期2012年9月21日 优先权日2012年9月21日
发明者林景栋, 王唯, 廖孝勇, 林湛丁, 邱欣 申请人:重庆大学