音乐信号自动分类相关算法研究

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

音乐信号自动分类相关算法研究
在数字音乐数量急剧增长的今天,由于音乐本身的复杂性、音乐类属定义的模糊性和对人类听觉感知特性认识的有限性,音乐自动分类相关课题的研究还处于起步阶段,而音乐自动分类是实现音乐资源快速、有效检索的前提,其潜在应用需求巨大,因此音乐自动分类相关课题具有重要的研究价值。本文针对MFCC倒谱系数、时频分析等经典音频信号分析理论在提取结构和信息丰富的音乐特征时的局限性,分别结合人耳听觉模型、听觉系统感知特性、稀疏编码理论、同态分析、时频分析及音乐信号的固有属性,提出了多种能更精确地反映音乐信号特征的算法,对音乐信号特征进行了深入研究。
首先,提出了全信息MFCC算法。该算法是对同态分析中传统的Mel频率倒谱系数的改进,由于利用了音乐样本所有可能组合的信息,从而有效抑制了信号截断引起的频谱泄漏,凸显出音乐信号的频谱特征,并能捕捉音高变化的信息。
其次,提出了音乐仿生小波算法。该算法基于改进型Giguere人耳听觉模型和人类听觉系统品质因数的变化特性,结合听觉临界频带,将反映动态变化特性的参数和听觉掩蔽效应引入小波变换,因此具有时间、频率二维独立可调精度,能够跟随音乐信号 ...

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：信号分析 研究价值 小波变换 MFC 全信息