一种基于属性偏序理论的五音疗法曲子分类方法技术

本发明专利技术公开了一种基于属性偏序理论的五音疗法曲子分类方法，本发明专利技术首先通过matlab程序编译生成每首曲子的谱密度图像对比1/f规律找到相对符合1/f分布规律的曲子，然后对初步筛选好的这些曲子通过编译的频谱分析软件得到每首曲子的频谱图和频率数据值，最后对得到的数据进行形式背景的构建，进而生成属性偏序图，得到每首曲子的偏序结构图，对同一音调的曲子进行分析，进一步知识发现。本发明专利技术实现了五音对应五脏曲子系统化分类并可对每首曲子进行可视化；构建偏序图后也可以针对中西方、不同乐器等各个方面进一步对比后进行知识发现。

【技术实现步骤摘要】
一种基于属性偏序理论的五音疗法曲子分类方法
本专利技术涉及音乐疗法
，特别是一种基于属性偏序理论的五音疗法曲子分类方法。
技术介绍
随着社会的进步和飞速发展，传统的医学从以生物本身为主导的医学模式向“生物-环境-社会-医疗”的新模式转变。在生活压力大、节奏快的今天，有关使用音乐来治疗疾病的研究不断受到人们的关注。国外，如美国早在1944年和1946年先后建立了专门的音乐治疗课程来训练专门的音乐治疗师。德国、英国及俄国的科学家已经在水果上有成功的音乐疗法的案例。在选曲算法领域现阶段，已经有越来越多的研究人员将K-means算法、高斯混合模型、马尔科夫模型、贝叶斯算法等统计学习方法成功实践于音乐分类当中。但这些算法一般通过相关性描述曲子之间的联系及曲子分类，对于曲子自身的信息可视化问题并不能很好的展示。
技术实现思路
本专利技术的目的是要解决现有技术中存在的不足，提供一种基于属性偏序理论的五音疗法曲子分类方法，解决了不同曲子对身体五脏及各个身体机能不同影响的可视化问题。为达到上述目的，本专利技术是按照以下技术方案实施的：一种基于属性偏序理论的五音疗法曲子分类方法，包括以下步骤：步骤一、首先利用matlab程序编译音乐频谱分析软件，得到每首曲子相应的频率数据值，以坐标点的形式体现出每首曲子的频谱图；步骤二、分别对初步筛选好的曲子生成对应的谱密度图像，将每首曲子的谱密度图像和频谱图像结合在一起对比，初步筛选既满足1/f波动规律，低频又相对比较集中的曲子，即选出人体听起来相对比较舒服的曲子，对筛选后的曲子进行构建形式背景后生成属性偏序结构图，对曲子按照五音对应五脏的特点进行分类；步骤三、通过步骤二对每首曲子构建属性偏序结构图，将五音的曲子分别构建形式偏序图后进行对比分析，进行知识发现。进一步，所述步骤一中，以坐标点的形式体现出每首曲子的频谱图具体步骤为：设曲子共取得点数N，其中每秒取44100个点，泄露问题选择重叠数据为100，加窗hamming(1024)，矩阵的列数为：(N-100)/924。进一步，所述步骤二中，构建形式背景之前，首先针对不同曲子时间长短进行缩减，形式背景的对象为约减后的点数，属性目前以五脏的共振频率范围为基准。与现有技术相比，本专利技术首先通过matlab程序编译生成每首曲子的谱密度图像对比1/f规律找到相对符合1/f分布规律的曲子，然后对初步筛选好的这些曲子通过编译的频谱分析软件得到每首曲子的频谱图和频率数据值，最后对得到的数据进行形式背景的构建，进而生成属性偏序图，得到每首曲子的偏序结构图，对同一音调的曲子进行分析，进一步知识发现。本专利技术实现了五音对应五脏曲子系统化分类并可对每首曲子进行可视化；构建偏序图后也可以针对中西方、不同乐器等各个方面进一步对比后进行知识发现。附图说明图1为本专利技术实施例中《梅花三弄》的频谱分析图。图2为本专利技术实施例中《梅花三弄》的谱密度分析图。图3为本专利技术实施例中《梅花三弄》的属性偏序结构图。图4为本专利技术实施例中《红豆》的频谱分析图。图5为本专利技术实施例中《红豆》的谱密度分析图。图6为本专利技术实施例中《娄兰古道》的频谱分析图。图7为本专利技术实施例中《娄兰古道》的谱密度分析图。具体实施方式下面结合具体实施例对本专利技术作进一步描述，在此专利技术的示意性实施例以及说明用来解释本专利技术，但并不作为对本专利技术的限定。首先，从一些论文中得知羽调曲子分别有《红豆》、《娄兰古道》、《梅花三弄》等十几首曲子，我们首先通过以下方法选曲比较适合人们听的羽调曲子(这步曲子的筛选后既符合大众，又使后期实验更加有意义)。如图1-7所示，本实施例的一种基于属性偏序理论的五音疗法曲子分类方法，具体步骤如下：步骤一、首先利用matlab程序编译音乐频谱分析软件，得到每首曲子相应的频率数据值，以便后期构建形式背景；如图1为《梅花三弄》的频谱分析图，如图4为《红豆》的频谱分析图、如图6为《娄兰古道》的频谱分析图。所述的音乐频谱分析软件，目前已经有很成熟的音频分析软件如spek音频软件。而本实施例编译目的为了得到每首曲子的数据值，不同点本实施例主要是以坐标点的形式体现出曲子的频谱图。当获取每首曲子的频率值后关键是构建形式背景。主要是通过加窗后获得一个y矩阵。如若：设曲子共取得点数N(每秒取44100个点)，泄露问题选择重叠数据为100，加窗hamming(1024)，矩阵的列数为：(N-100)/924。因此通过音频软件我们获得了一个513行，(N-100)/924列的矩阵。步骤二、分别对初步筛选好的曲子生成对应的谱密度图像，如图2为《梅花三弄》的谱密度分析图，如图5为《红豆》的谱密度分析图，如图7为《娄兰古道》的谱密度分析图，将每首曲子的谱密度图像和频谱图像结合在一起对比，初步筛选既满足1/f波动规律，低频又相对比较集中的曲子，即选出人体听起来相对比较舒服的曲子，对筛选后的曲子进行构建形式背景后生成属性偏序结构图具体过程为：首先利用频谱分析中横坐标时间作为对象，纵坐标频率作为属性，对于形势背景的对象时间在研究一首曲子的规律时一般选用一秒左右(可调)为一个对象，在研究同一音调时一般选择5秒左右(可调)为一个对象。对于纵坐标属性在矩阵中每个数值均可遍历一遍。形势背景中的属性范围区间人为设置在0-1之间(一般可调)这样便构成了生成偏序图的形势背景。进而在excel表格的生成偏序图的插件中生成指定曲子的偏序结构图；然后对曲子按照五音对应五脏的特点进行分类；所述的数据获取后构建形式背景。音频数据获取是一个庞大的数据，首先针对不同曲子时间长短进行例如225*375的缩减，此部分的缩减一般不同曲子缩减比例不同，目的是得到构建形式背景的合适数据量。形式背景的对象为约减后的点数(目前只要2000内即可)，属性目前以五脏的共振频率范围为基准，当然也可以对整首曲子进行分段构建形式背景。本专利技术主要是根据偏序图的属性对曲子进行五脏对应五音分类。步骤三、通过步骤二对初步筛选好的曲子构建属性偏序结构图，将五音的曲子分别构建形式偏序图后进行对比分析。对比了羽调曲目十几首发现它们的属性偏序图的宏观布局是相似的。本专利技术选用羽调代表曲子《梅花三弄》作为实例说明。由于肾属水，在音为羽。如图1为本专利技术实施例中《梅花三弄》的频谱分析图，图2为本专利技术实施例中《梅花三弄》的谱密度分析图，图3为本专利技术实施例中《梅花三弄》的属性偏序结构图；首先根据其频谱图及谱密度图可知，此曲目是满足人们听起来比较舒适的曲子。进而将该曲子构建形式背景，构建属性偏序结构图，根据《梅花三弄》的属性偏序结构图宏观分析可发现对于羽调代表曲子《梅花三弄》的频率范围基本分布在220-261Hz之间，而肾经的共振频率为48Hz，膀胱经的共振频率为98Hz，进而验证两者的共同倍频在羽调范围内。进而证实了《梅花三弄》是羽调的代表乐曲。进而从微观分析可知整首曲子除去在对象{o33}＝{3分3秒时刻}，其它时刻的共振频率都存在{a9，a10}＝{44.5-45.5Hz段}，这一特点也可以作为羽调曲子的一个共有属性。羽调偏序结构图还有另一个特点即对于时刻{o30，o31，o32}＝{1分54秒，2分6秒，2分8秒}存在最大的共有频段范围。以上是对一首曲子的整体分析，除去这些还可以将一首曲子生成n个(随机可本文档来自技高网...

【技术保护点】
1.一种基于属性偏序理论的五音疗法曲子分类方法，其特征在于，包括以下步骤：步骤一、首先利用matlab程序编译音乐频谱分析软件，得到每首曲子相应的频率数据值，以坐标点的形式体现出每首曲子的频谱图；步骤二、分别对初步筛选好的曲子生成对应的谱密度图像，将每首曲子的谱密度图像和频谱图像结合在一起对比，初步筛选既满足1/f波动规律，低频又相对比较集中的曲子，即选出人体听起来相对比较舒服的曲子，对筛选后的曲子进行构建形式背景后生成属性偏序结构图，对曲子按照五音对应五脏的特点进行分类；步骤三、通过步骤二对每首曲子构建属性偏序结构图，将五音的曲子分别构建形式偏序图后进行对比分析，进行知识发现。

【技术特征摘要】
1.一种基于属性偏序理论的五音疗法曲子分类方法，其特征在于，包括以下步骤：步骤一、首先利用matlab程序编译音乐频谱分析软件，得到每首曲子相应的频率数据值，以坐标点的形式体现出每首曲子的频谱图；步骤二、分别对初步筛选好的曲子生成对应的谱密度图像，将每首曲子的谱密度图像和频谱图像结合在一起对比，初步筛选既满足1/f波动规律，低频又相对比较集中的曲子，即选出人体听起来相对比较舒服的曲子，对筛选后的曲子进行构建形式背景后生成属性偏序结构图，对曲子按照五音对应五脏的特点进行分类；步骤三、通过步骤二对每首曲子构建属性偏序结构图，将五音的曲子...

【专利技术属性】
技术研发人员：梁怀新，洪文学，宋佳霖，郑存芳，宓保宏，
申请(专利权)人：路双双，洪文学，宋佳霖，
类型：发明
国别省市：河北,13