【技术实现步骤摘要】
一种音乐作品提取方法
[0001]本专利技术涉及在线教育
,尤其涉及一种音乐作品提取方法。
技术介绍
[0002]在线教育是一种新生事物,产生与发展的时间不长,人们对在线教育的认识也在不断深化和完善。当前对在线教育的认识有多种观点,目前我们认为在线教育既是一种教育理念,也是一种教育手段,又是一种教学组织形式,同时还是一种学习方式。它是以计算机通信技术和网络技术为依托,结合了现代信息技术,采用远程实时多点、双向交互式的多媒体现代化教学手段,可以实时传送文本、声音、图像、图形、电子课件和教师板书的实现跨越时空的教育传递过程,为人们提供丰富的学习资源创造具有良好的交互性、智能化乃至仿真的学习环境―虚拟学校、虚拟课堂、虚拟图书馆等,是人们获得“自我教育”和“终身教育”的最佳方式。
[0003]而对于音乐课程在网络上进行教学的时,通常需要先对音乐作品中各乐器进行学习,而常有的音乐作品中,乐器的涉及往往不止一种且较为复杂,在进行音乐教学时,无法清晰的识别出不同乐器的音乐,大大增加了对于在线教育而言音乐教学的难度。
技术实现思路
[0004]为了现有技术存在的上述技术缺陷,本专利技术提供了一种音乐作品提取方法,可以有效解决
技术介绍
中的问题。
[0005]为了解决上述技术问题,本专利技术提供的技术方案具体如下:
[0006]本专利技术实施例公开了一种音乐作品提取方法,所述方法包括以下步骤:将样本音乐根据不同乐器的参数进行小波包分解,并获得特征向量;将获得的特征向量进行降维处理,并减少不重 ...
【技术保护点】
【技术特征摘要】
1.一种音乐作品提取方法,其特征在于:所述方法包括以下步骤:将样本音乐根据不同乐器的参数进行小波包分解,并获得特征向量;将获得的特征向量进行降维处理,并减少不重要特征对重要特征及图形特征提取的干扰;基于特征向量通过BP神经网络对实际音乐进行乐器声音识别。2.根据权利要求1所述的音乐作品提取方法,其特征在于:通过对音乐作品进行分析,将每一种乐器所创造的作品进行分类,对每一个语音样本都进行2
n
层小波包分解,以实现通过小波包分解对每一个语音样本的频域进行细微的划分。3.根据权利要求2所述的音乐作品提取方法,其特征在于:设置采集的信号为30khz,根据采样定理可包含0
‑
15khz的频率宽度,对每一个分解得到的系数分量计算系数能量比参数rE,提取到的rE参数对于每一个音频可形成2
(n+1)
‑
2个维度特征向量。4.根据权利要求3所述的音乐作品提取方法,其特征在于:定义小波包系数能量为:其中Cp为小波包分解第p个节点的系数,l为整个节点的系数长度,小波包系数能量比rE可通过cEp除于原信号能量得到。5.根据权利要求4所述的音乐作品提取方法,其特征在于:设待处理的高维数据样本的集合为X=(x1,x2,
…
,x
i
,
…
,x
N
),N为样本总数,x
i
=(x
i1
,x
i2
,
…
,x
iM
),M为特征维数,并绘制雷达图。6.根据权利要求5所述的音乐作品提取方法,其特征在于:通过以下步骤绘制雷达图:(1)通过公式对样本进行归一化,归一化后,可以消除数据的量纲,其中(2)绘制一个单位圆,并将其M等分。每一维数据在雷达图上的角度数2π/M,起始的角度为0;(3)绘制每一维数据在其对应角度上的数值轴,将x
ij
,(j=1,2,
…
,M)分别画到M等分的轴上,将这M个点以折线连接起来,从而构成一个闭合的多边形,其每个样本的每维的坐标公式为:(a
ij
=x
ij
cosθ
ij
,b
ij
=x
ij
sinθ
ij
),其中,(4)重复步骤(3),直到把每个样本均绘制完毕。7.根据权利要求6所述的音乐作品提取方法,其特征在于:设原始特征PF为(x1,x2,
…
,x
i
,
…
,x
n
),x
i
表示第i维特征,n为特征维数;特征融合降维的算法如下:输入:原始特征PF(x1,x2,
…
,x
i
,
…
,x
n
)输出:特征融合降维后特征VIS
‑
PF(Ⅰ)FValue值计算:对每维特征x
i
计算其FValue值F
i
;(Ⅱ)特征排序:对所有特征(x1,x2,
…
,x
i
,
…
,x
n
)按FValue值的大小降序排列,得到排列后的特征(x
’1,x
’2,
...
【专利技术属性】
技术研发人员:林东姝,
申请(专利权)人:杭州小伴熊科技有限公司,
类型:发明
国别省市:
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。