A variety of musical instrument tuning method based on RBF neural network, which comprises the following steps: inputting notes, audio processing, audio processing parameters as input parameters input to the RBF instrument discrimination network, output instrument classification results; according to the classification results using pattern matching algorithm to adjust the audio conversion, equivalent normalization the processed audio; normalization, as input parameters input to the RBF pitch discrimination network, output current pitch value; actual pitch value and want to adjust standard pitch value subtraction operation, the output adjustment results. The invention does not require multiple human difference calculation, as long as sufficient number of training samples, let their neural network learning calculation can be implemented in any precision, a trained, reusable, output and efficient, can also be changed through training samples to replace the precision, no need to sacrifice the cost of sampling frequency.
【技术实现步骤摘要】
一种基于RBF神经网络的多种乐器调音方法
本专利技术涉及乐器调音方法
,尤其涉及一种基于RBF神经网络的多种乐器调音方法。
技术介绍
乐器调音是每个自学者学习使用乐器的必经之路,现有的调音方法,虽然简单方便,但是调音的精度不高,尤其是不能针对多种乐器,没有良好的普适性,易出错,甚至损耗琴弦,不适合初学者。现有调音器只能显示出输入声音与标准音调之间的细微差别,以便于用户对乐器进行手工调整。但精度需要人为差值计算,有时还需要降低采样频率来满足相应的精度。
技术实现思路
本专利技术的目的在于解决上述问题提出一种基于RBF神经网络的多种乐器调音方法,可以针对多种乐器,通过人工神经网络方法实现自动识别所调乐器,识别后经过算法匹配,快速匹配出适合的收音MIC模式,调音时,采用人工神经网络的径向基函数网络的方法进行逼近拟合,输出相应的结果,能快速有效地帮助使用者调音。为了达到此目的,本专利技术采用以下技术方案:一种基于RBF神经网络的多种乐器调音方法,包括如下步骤:A.输入音符,音频预处理,处理后的音频参数作为输入参数输入到RBF乐器判别网络,输出乐器分类结果;B.根据分类结果,利用算法匹配相应的调整模式,进行音频变换,相当于归一化处理;C.将归一化处理过的音频,作为输入参数输入到RBF音准判别网络,输出当前音高值;D.实际音高值和想要调节的标准音高值进行差值运算,输出调节结果。更优的,RBF乐器分类网络训练包括如下步骤:步骤一、根据任意乐器的特征参数T组成特征向量Xk=[Tk1,Tk2,Tk3,…TkM],则训练样本集为X=[X1,X2,X3…Xk…XN](k=1, ...
【技术保护点】
一种基于RBF神经网络的多种乐器调音方法,其特征在于,包括如下步骤:A.输入音符,音频预处理,处理后的音频参数作为输入参数输入到RBF乐器判别网络,输出乐器分类结果;B.根据分类结果,利用算法匹配相应的调整模式,进行音频变换,相当于归一化处理;C.将归一化处理过的音频,作为输入参数输入到RBF音准判别网络,输出当前音高值;D.实际音高值和想要调节的标准音高值进行差值运算,输出调节结果。
【技术特征摘要】
1.一种基于RBF神经网络的多种乐器调音方法,其特征在于,包括如下步骤:A.输入音符,音频预处理,处理后的音频参数作为输入参数输入到RBF乐器判别网络,输出乐器分类结果;B.根据分类结果,利用算法匹配相应的调整模式,进行音频变换,相当于归一化处理;C.将归一化处理过的音频,作为输入参数输入到RBF音准判别网络,输出当前音高值;D.实际音高值和想要调节的标准音高值进行差值运算,输出调节结果。2.根据权利要求1所述的一种基于RBF神经网络的多种乐器调音方法,其特征在于:RBF乐器分类网络训练包括如下步骤:步骤一、根据任意乐器的特征参数T组成特征向量Xk=[Tk1,Tk2,Tk3,…TkM],则训练样本集为X=[X1,X2,X3…Xk…XN](k=1,2,3…N);步骤二、贴上对应的标签,对应为乐器输出类别为Yk=[yk1,yk2,yk3,…ykj,ykJ])J=1,2,3…J为输出的类别);步骤三、构建RBF乐器分类网络;步骤四、设定网络参数;步骤五、当RBF乐器判别网络的数据中心和扩展常数确定之后,可以由输入输出层的权值矢量W=[W1,W2,W3,…Wh]T;步骤六、得出相应的参数后,RBF乐器分类网络训练完毕。3.根据权利要求2所述的一种基于RBF神经网络的多种乐器调音方法,其特征在于:RBF...
【专利技术属性】
技术研发人员:夏楠,李海艳,黄运保,
申请(专利权)人:广东工业大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。