基于神经网络的钢琴调音方法及系统技术方案

发明专利技术提供一种基于神经网络的钢琴调音方法及系统。该方法包括：当接收到调音指令时查询标准音高；获取目标音键的实际音高，并计算实际音高与标准音高之间的差值，以得到差值音高；获取当前环境的温湿度值，并将温湿度值和差值音高输入至预设神经网络模型进行计算，以得到特征参数；将特征参数和差值音高输入至预设PID控制系统进行计算，以输出数字控制信号；根据数字控制信号控制调音执行装置对目标音键进行调音。本发明专利技术通过将特征参数和差值音高输入至预设PID控制系统进行计算的设计，以准确计算输出数字控制信号，以方便了后续对目标音键自动准确的调音，且可以保证了对目标音键调节的平稳准确性，从而达到快速准确钢琴调音的效果。

Piano Tuning Method and System Based on Neural Network

【技术实现步骤摘要】
基于神经网络的钢琴调音方法及系统
专利技术涉及钢琴调音
，尤其涉及一种基于神经网络的钢琴调音方法及系统。
技术介绍
钢琴调音是个非常繁琐的工作，传统人工调音时间周期长且需要丰富的经验。因为钢琴调音过程中环境因素影响较大，环境因素影响琴弦的松紧度与钢琴的内部发声环境，直接影响到最后的调音结果，且由于钢琴调音过程中越靠近标准音高，其弦越调越灵敏，则调节一点会导致音高的跃变，这是一个非线性的过程。单纯靠机器或人工来进行判断很难达到效果，很可能出现超调的现象发生，此时又需要调回，则会因为反复调弦对琴弦的伤害很大(使得其琴弦的物理特征受到破坏)。
技术实现思路
专利技术解决的技术问题是提供一种对钢琴随外界环境变化的特征值进行采集分析，以准确进行调音的基于神经网络的钢琴调音方法及系统。为解决上述技术问题，专利技术提供的基于神经网络的钢琴调音方法，包括：当接收到调音指令时，根据所述调音指令查询标准音高；获取目标音键的实际音高，并计算所述实际音高与所述标准音高之间的差值，以得到差值音高；获取当前环境的温湿度值，并将所述温湿度值和所述差值音高输入至预设神经网络模型进行计算，以得到特征参数；将所述特征本文档来自技高网...

【技术保护点】
1.一种基于神经网络的钢琴调音方法，其特征在于，包括：当接收到调音指令时，根据所述调音指令查询标准音高；获取目标音键的实际音高，并计算所述实际音高与所述标准音高之间的差值，以得到差值音高；获取当前环境的温湿度值，并将所述温湿度值和所述差值音高输入至预设神经网络模型进行计算，以得到特征参数；将所述特征参数和所述差值音高输入至预设PID控制系统进行计算，以输出数字控制信号；根据所述数字控制信号控制调音执行装置对所述目标音键进行调音。

【技术特征摘要】
1.一种基于神经网络的钢琴调音方法，其特征在于，包括：当接收到调音指令时，根据所述调音指令查询标准音高；获取目标音键的实际音高，并计算所述实际音高与所述标准音高之间的差值，以得到差值音高；获取当前环境的温湿度值，并将所述温湿度值和所述差值音高输入至预设神经网络模型进行计算，以得到特征参数；将所述特征参数和所述差值音高输入至预设PID控制系统进行计算，以输出数字控制信号；根据所述数字控制信号控制调音执行装置对所述目标音键进行调音。2.根据权利要求1所述的基于神经网络的钢琴调音方法，其特征在于，所述预设神经网络模型为RBF神经网络，且所述预设神经网络模型中采用的欧式距离计算公式为：其中，第P个输入向量为X(p)以及第j个聚类中心为Cj，d为欧式距离，M是输入向量的维数。3.根据权利要求1所述的基于神经网络的钢琴调音方法，其特征在于，所述预设神经网络模型中定义的网络总误差为：其中，d(xj)为第j个输入训练样本的期望输出，y(xj)为网络的实际输出。4.根据权利要求1所述的基于神经网络的钢琴调音方法，其特征在于，所述预设PID控制系统中的PID输出传递函数为：其中，Kp为比例系数，Ti为积分时间常量，Td为积分时间常量，e(t)为所述差值音高对应的差值信号。5.根据权利要求1所述的基于神经网络的钢琴调音方法，其特征在于，所述获取目标音键的实际音高的步骤包括：获取所述调音指令中存储的特征标记，所述特征标记为按键信号、语言信号、文字信号、数字信号或图像信号；将所述特征标记与...

【专利技术属性】
技术研发人员：彭佳谦，刘建，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34