一种智能音律校对系统、方法、存储介质、设备及终端技术方案

本发明专利技术属于音乐技术领域，公开了一种智能音律校对系统、方法、存储介质、设备及终端，所述智能音律校对方法包括：二维码识别的部分，主控芯片对FreeRTOS系统、摄像头和屏幕等外设进行初始化，将摄像头的图像以灰度模式进行输入，再于以HDMI线进行连接的屏幕上进行输出显示；接着在屏幕左上角对提示信息进行初始化，通过指定坐标的方式，在显示屏左上角回显现在是否识别到二维码；软件调出对应的电子乐谱数据，再另一个交互界面专用的显示屏上进行提示数据的回显，提示用户开始练习，并等待用户按下开始按键；到此开始进入第二个部分，即音准识别的部分，进入循环声音检测模块。本发明专利技术创新性的设计了能对用户音准进行实时的检测与校对的功能。校对的功能。校对的功能。

【技术实现步骤摘要】
一种智能音律校对系统、方法、存储介质、设备及终端


[0001]本专利技术属于音乐
，尤其涉及一种智能音律校对系统、方法、存储介质、设备及终端。

技术介绍

[0002]目前，在进行弦乐类乐器的练习中，由于多数弦乐器的指板上没有各音高的标记位，初学者往往只能靠彩色胶带或修正液对纸板进行标记，不仅会对昂贵的木质乐器造成伤害，而且标记的音高数量有限，同时胶带和修正液容易在练习中脱落、掉色，效果并不理想。另一方面，一旦没有专业的指导老师帮助指出初学者在自主练习的过程中发生音准错误的情况，初学者很容易形成错误的肌肉记忆，从而影响后续的练习效果。
[0003]现阶段“互联网+”是互联网发展的新业态，利用信息通信技术以及互联网平台，将互联网与传统行业进行深度融合并创造新的发展形态是不可避免的趋势。因此，互联网与弦乐器的不断融合也产生了一系列以互联网技术和互联网平台为核心的弦乐类智能软件。
[0004]经过市场调研发现市面上开发较为成熟的弦乐类APP大体分为两类。一类是以网课教学为主，依赖用户的自主练习性而缺乏针对性的指导；另一类则多局限于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能音律校对方法，其特征在于，所述智能音律校对方法包括：二维码识别部分，主控芯片对FreeRTOS系统、摄像头和屏幕外设进行初始化，将摄像头的图像以灰度模式进行输入，再于以HDMI线进行连接的屏幕上进行输出显示；接着在屏幕左上角对提示信息进行初始化，通过指定坐标的方式，在显示屏左上角回显现在是否识别到二维码；软件调出对应的电子乐谱数据，再另一个交互界面专用的显示屏上进行提示数据的回显，提示用户开始练习，并等待用户输入的指令；到此开始进入第二个部分，即音准识别的部分，进入循环声音检测模块。2.如权利要求1所述智能音律校对方法，其特征在于，当摄像头接收到含有二维码的画面后，将其与二维码识别开源库zx ing进行解码，并取回解码内容；在显示屏左上角进行回显，并将其与曲库中已保存的乐谱标识数据进行比对。3.如权利要求1所述智能音律校对方法，其特征在于，显示当前应演奏的单音的唱名，使初学用户的快速了解，再以1秒为间隔循环录音并识别。4.如权利要求1所述智能音律校对方法，其特征在于，声音检测模块声音检测的具体过程为：用户所演奏的声音，经过滤波与快速傅立叶变换的处理；首先判断用户是否正在演奏或未对准话筒，声音过小，再与库中标准音高频率比对表进行对照，得到比对结果并在显示屏上进行实时提示；音准准确则进入下一个单音的判断，直到整个曲目结束，结束后进行完成练习的提示；所述实时提示包括：声音过小、音准准确、音调过高和音调过低四种情况。5.如权利要求1所述智能音律校对方法，其特征在于，所述的智能音律校对方法使像素点矩阵中的元素都满足R＝G＝B，此时的颜色变量值称为灰度值；灰度化常见的加权平均公式如下：1)Gray＝B；Gray＝G；Gray＝R；2)Gray＝max(B+G+B)；4)Gray＝0.072169B+0.715160G+0.212671R；5)Gray＝0.11B+0.59G+0.3R；式中：R、G、B一分别为红、绿、蓝三个分量；Gray—灰度值结果；在边缘检测的同时尽量削弱了噪声。其模版大小为3X3，其将方向差分运算与局部加权平均相结合来提取边缘。在求取图像梯度之前，先进行加权平均，然后进行未分，经过处理后可以确定其在图像中的大概位置，提取出完整的二维码图像；最后借助多个矫正图形和定位图标建立取样网络，将二维码转化为数据矩阵获取数据；经过FFT变换前后信号的对应关系如下：采样频率为Fs，信号频率F，采样点数为N，那么FFT之后结果就是一个为N点的复数，每一个点就对应着一个频率点；原始信号的峰值为A，那么FFT的结果的每个点的模值就是A的N/2倍。而第一个点就是直流分量，它的模值就是直流分量的N倍；而每个点的相位呢，就是在该频率下的信号的相位；第一个点表示直流分量
(即0Hz)，而最后一个点N的再下一个点则表示采样频率Fs，这中间被N
‑
1个点平均分成N等份，每个点的频率依次增加；某点n所表示的频率为：Fn＝(n
‑
1)*Fs/N，由公式看出，Fn所能分辨到频率为为Fs/N，如果采样频率Fs为1024Hz，采样点数为1024点，则分辨到1Hz。1024Hz的采样率采样1024点，刚好是1秒，也就是说，采样1秒时间的信号并做FFT，则结果可以分析精确到1Hz，如果采样2秒时间的信号并做FFT，则结果分析精确到0.5Hz，如果要提高频率分辨率，则必须增加采样点数，也即采样时间，频率分辨率和采样时间是倒数关系；根据Nyquist采样定理，FFT之后的频谱宽度最大只能是原始信号采样率的1/2，如果原始信号采样率是4GS/s，那么FFT之后的频宽最多只能是2GHz；时域信号采样周期的倒数，即采样率乘上一个固定的系数即是变换之后频谱的宽度，即Frequency Span＝K*(1/
△
T)，其中OT为采样周期，K值取决于在进行FFT之前是否对原始信号进行降采样(抽点)，因为这样可以降低FFT的运算量；经过FFT变化后，就得到频谱更宽、特征更清晰、分辨率更精确的音频。十二平均律的应用与计算，用频率f表示...

【专利技术属性】
技术研发人员：卞艺衡，甘寒琪，黄喜琳，戴欣，
申请(专利权)人：重庆大学，
类型：发明
国别省市：