一种基于唱段和念白提取的戏曲分类方法技术

本发明专利技术属于机器学习中语音识别分离技术领域，公开了一种基于唱段和念白提取的戏曲分类方法，接收的音频信号进行预处理，并执行正弦分析，正弦分析采用高斯混合模型聚类方法，以构建乐音色模型框架；检测音频信号的丢失音频帧，通过编码器创建替代帧；基于CDP算法将正弦分析和通过编码器填补后的音频信号重新检测分析，基于唱段和念白提取将戏曲分类。本发明专利技术通过正弦分析采用高斯混合模型聚类方法，将声音进行最大程度的模型建立，解决了对原始信息提取不准确的问题，之后通过编码器创建替代帧将丢失的声帧补全，进行智能化排序，通过基于CDP算法将正弦分析和通过编码器填补后的音频信号重新检测分析，对唱段和念白提取将戏曲分类。分类。分类。

【技术实现步骤摘要】
一种基于唱段和念白提取的戏曲分类方法


[0001]本专利技术属于机器学习中语音识别分离
，尤其涉及一种基于唱段和念白提取的戏曲分类方法。

技术介绍

[0002]目前，在戏曲中，唱段和念白是戏曲可缺少的表现形式，在海量的戏曲数据中如何准确地识别唱段和念白，如何根据唱段和念白寻找相关的戏曲是一个难以解决的问题。
[0003]虽然在声音智能识别领域有很多是对于乐音语音的分类研究，但是戏曲分类还沿用传统的技术手段。传统手段是对一首戏曲的整体进行研究，这样数据量大且繁杂，特征提取的效率也不高。而唱段和念白是戏曲中两个比较有特点，有区分度的戏曲组成部分，现有的技术还没有相关的声音识别和提取技术。
[0004]通过上述分析，现有技术存在的问题及缺陷为：声音中音调和声色的原始信息提取不准确，现有的技术手段是在对原声信息的基础上直接进行识别，易造成识别不准确的问题。

技术实现思路

[0005]针对现有技术存在的问题，本专利技术提供了一种基于唱段和念白提取的戏曲分类方法。
[0006]本专利技术是这样实现的，一种基于唱段和念白提取的戏曲分类方法，所述基于唱段和念白提取的戏曲分类方法，包括：
[0007]步骤一，接收的音频信号进行预处理，并执行正弦分析，正弦分析采用高斯混合模型聚类方法，以构建乐音色模型框架；
[0008]步骤二，检测音频信号的丢失音频帧，通过编码器创建替代帧；
[0009]步骤三，基于CDP算法将正弦分析和通过编码器填补后的音频信号重新检测分析，基于唱段和念白提取将戏曲分类；
[0010]所述正弦模型搭建模型框架为：
[0011]提取唱段和念白的原始数据，并将数据输送至存储器和处理器；
[0012]提取存储器内乐音样本的音色特征；通过与现有的音声数据分段构建乐音音色匹配高斯混合模型；
[0013]采用正弦分析技术分析，将每个音段的乐音信号通过正弦轨迹曲线进行初步连接；
[0014]借助乐音音色匹配高斯混合模型对上述初步创建的框架进行乐器识别，实现音色模型框架的构建；所述
[0015]编码器创建替代帧过程为：
[0016]对先前正弦分析的音频信号输送至解码器；解码器内部输入单元接收编码的音频信号；
[0017]编码器帧丢失隐藏单元对先前接收的重构音频信号模型执行逐帧重构；创建丢失音频帧的替代帧；
[0018]替代帧存储到存储器，提取替代帧填补到重构音频信号模型框架。
[0019]进一步，所述步骤一中，音频信号预处理包括：音频信号采样量化、音频信号A/D转换、音频信号滤波、音频信号预加重、音频信号端点检测。
[0020]进一步，所述音频信号A/D转换过程为：
[0021]将采集的音频信号进行时间离散化，并进量化，音频信号量化完成后，进行音频信号的编码，转换成数字信号。
[0022]进一步，所述音频信号滤波具体过程为：
[0023]对采集的音频信号进行小波分解，选择一个小波并确定一个小波分解的层次N，然后对信号进行N层小波分解计算；
[0024]对第1层到第N层的每一层高频系数，选择一个阈值进行阈值量化处理；
[0025]根据小波分解的第N层的低频系数和经过量化处理后的第1层到第N层的高频系数，进行信号的小波重构。
[0026]进一步，所述音频信号端点检测的具体过程为：
[0027]通过过零率检测清音和短时能量检测浊音，短时能量和过零率分别确定两个门限；
[0028]将整个端点检测可分为四段：静音段、过渡段、语音段、结束；使用一个变量表示当前状态，静音段，如果能量或过零率超过低门限，就开始标记起始点，进入过渡段；过渡段当两个参数值都回落到低门限以下，就将当前状态恢复到静音状态；
[0029]当过渡段中两个参数中的任一个超过高门限，即被认为进入语音段；处于语音段时，两参数降低到门限以下，而且总的计时长度小于最短时间门限；则认为是一段噪音，继续扫描以后的语音数据，否则标记结束端点。
[0030]进一步，所述短时能量门限数值低，过零率门限为高。
[0031]进一步，所述CDP算法对重构过程为：
[0032]对添加替代帧的音频信号数据节段运行CDP算法；并提取存储器中的相似段，得出每个不同相似段的相似率；
[0033]对相似段进行图形化，描述出数据可视图；
[0034]将处理得到的唱段和念白数据可视图图作为输入，进行唱段和念白的重复计算得出最后的结果，并进行准确率和效率的分析。
[0035]进一步，所述提取存储器内乐音样本的音色特征具体过程为：
[0036]确定样本的音色特征，划分探测区间，进行节拍周期估计；同时进行节拍追踪；
[0037]确定BPM在改区间置信度，判断区间探测是否完成，是，继续划分探测区间；否则进行节拍周期估计。
[0038]本专利技术另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述的基于唱段和念白提取的戏曲分类方法。
[0039]本专利技术另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述的基于唱段和念白提取的戏曲分类方法。
[0040]结合上述的所有技术方案，本专利技术所具备的优点及积极效果为：本专利技术通过正弦分析采用高斯混合模型聚类方法，将声音进行最大程度的模型建立，解决了对原始信息提取不准确的问题，之后通过编码器创建替代帧将丢失的声帧补全，进行智能化排序，通过基于CDP算法将正弦分析和通过编码器填补后的音频信号重新检测分析，对唱段和念白提取将戏曲分类。
附图说明
[0041]图1是本专利技术实施例提供的基于唱段和念白提取的戏曲分类方法流程图。
[0042]图2是本专利技术实施例提供的音频信号滤波方法流程图。
[0043]图3是本专利技术实施例提供的正弦模型搭建模型框架方法流程图。
[0044]图4是本专利技术实施例提供的编码器创建替代帧方法流程图。
[0045]图5是本专利技术实施例提供的CDP算法对重构方法流程图。
具体实施方式
[0046]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0047]针对现有技术存在的问题，本专利技术提供了一种基于唱段和念白提取的戏曲分类方法，下面结合附图对本专利技术作详细地描述。
[0048]如图1所示，本专利技术实施例提供的基于唱段和念白提取的戏曲分类方法：
[0049]S101：接收的音频信号进行预处理，并执行正弦分析，正弦分析采用高斯混合模型聚类方法，以构建乐音色模型框架；
[0050]S102：检测音频信号的丢失音频帧，通过编码器创建替代帧；
[0051]S103：基于CDP算法将正弦分析和通过编本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于唱段和念白提取的戏曲分类方法，其特征在于，所述基于唱段和念白提取的戏曲分类方法，包括：步骤一，接收的音频信号进行预处理，并执行正弦分析，正弦分析采用高斯混合模型聚类方法，以构建乐音色模型框架；步骤二，检测音频信号的丢失音频帧，通过编码器创建替代帧；步骤三，基于CDP算法将正弦分析和通过编码器填补后的音频信号重新检测分析，基于唱段和念白提取将戏曲分类；所述正弦模型搭建模型框架为：提取唱段和念白的原始数据，并将数据输送至存储器和处理器；提取存储器内乐音样本的音色特征；通过与现有的音声数据分段构建乐音音色匹配高斯混合模型；采用正弦分析技术分析，将每个音段的乐音信号通过正弦轨迹曲线进行初步连接；借助乐音音色匹配高斯混合模型对上述初步创建的框架进行乐器识别，实现音色模型框架的构建；所述编码器创建替代帧过程为：对先前正弦分析的音频信号输送至解码器；解码器内部输入单元接收编码的音频信号；编码器帧丢失隐藏单元对先前接收的重构音频信号模型执行逐帧重构；创建丢失音频帧的替代帧；替代帧存储到存储器，提取替代帧填补到重构音频信号模型框架。2.如权利要求1所述的基于唱段和念白提取的戏曲分类方法，其特征在于，所述步骤一中，音频信号预处理包括：音频信号采样量化、音频信号A/D转换、音频信号滤波、音频信号预加重、音频信号端点检测。3.如权利要求2所述的基于唱段和念白提取的戏曲分类方法，其特征在于，所述音频信号A/D转换过程为：将采集的音频信号进行时间离散化，并进量化，音频信号量化完成后，进行音频信号的编码，转换成数字信号。4.如权利要求2所述的基于唱段和念白提取的戏曲分类方法，其特征在于，所述音频信号滤波具体过程为：对采集的音频信号进行小波分解，选择一个小波并确定一个小波分解的层次N，然后对信号进行N层小波分解计算；对第1层到第N层的每一层高频系数，选择一个阈值进行阈值量化处理；根据小波分解的第N层的低频系数和经过量化处理后的第1层到第N层的高频系数，进行信号...

【专利技术属性】
技术研发人员：牛娜娜，琚军红，王旭，王振华，魏莱，吴榛榛，
申请(专利权)人：河南财政金融学院，
类型：发明
国别省市：