音乐噪声样本过滤方法、电子设备及存储介质技术

本申请公开一种音乐噪声样本过滤方法、电子设备及存储介质，其中，该方法包括：获取待处理音乐样本；提取所述待处理音乐样本在时域空间的表征特征、在频谱空间的表征特征和在潜在空间的表征特征；对所述在时域空间的表征特征、在频谱空间的表征特征和在潜在空间的表征特征进行加权融合处理，确定目标得分；若所述目标得分满足预设条件，则所述待处理音乐样本为音乐噪声，对所述待处理音乐样本进行过滤。通过上述方案解决了现有的在音乐场景中基于二分类模型无法准确进行噪声样本过滤的技术问题，达到了在音乐场景可以对噪声进行更为准确且灵活性更好的过滤的技术效果。确且灵活性更好的过滤的技术效果。确且灵活性更好的过滤的技术效果。

【技术实现步骤摘要】
音乐噪声样本过滤方法、电子设备及存储介质


[0001]本专利技术涉及计算机
，具体地涉及一种音乐噪声样本过滤方法、电子设备及存储介质。

技术介绍

[0002]噪声样本过滤在任何音频任务中都是数据处理的关键步骤，在音乐数据处理中，与音乐无关的噪声样本过滤是否干净、准确，将直接影响样本训练模型的最终效果。在噪声样本不准确的情况下，会对模型训练产生一定的误导，影响音乐数据的真实分布。因此，在数据处理阶段，准确捕获音乐噪声的特性，将其过滤，是预处理的必经之路。
[0003]考虑到与普通任务中的噪声不同，音乐场景下的噪声更加复杂，对于非音乐的噪声样本除了包含场景噪声、嘈杂人声等常见噪声以外，还包含容易与音乐混淆的单音噪声、没有任何节奏的乐器噪声。
[0004]目前已有的噪声过滤方式一般是按照普通噪声的分析方式进行建模、过滤的，没有针对音乐场景做出改变，主要是根据具体场景训练噪声分类模型，在音乐场景下，通过训练音乐和非音乐的二分类模型来对噪声进行区分，然而，噪声具有多样性，二分类的噪声样本的空间分布，无法完全包含真实场景下的所有噪声特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种音乐噪声样本过滤方法，其特征在于，包括：获取待处理音乐样本；提取所述待处理音乐样本在时域空间的表征特征、在频谱空间的表征特征和在潜在空间的表征特征，所述潜在空间为低维特征空间；对所述在时域空间的表征特征、在频谱空间的表征特征和在潜在空间的表征特征进行加权融合处理，确定目标得分；若所述目标得分满足预设条件，则所述待处理音乐样本为音乐噪声，对所述待处理音乐样本进行过滤。2.根据权利要求1所述的方法，其特征在于，对所述在时域空间的表征特征、在频谱空间的表征特征和在潜在空间的表征特征进行加权融合处理，确定目标得分，包括：计算所述在时域空间的表征特征的第一得分；计算所述在频谱空间的表征特征的第二得分；计算所述在潜在空间的表征特征的第三得分；根据预先设置的权重比例，对所述第一得分、第二得分和第三得分进行加权求和，得到目标得分；确定所述目标得分满足预设条件，则确定所述待处理音乐样本为音乐噪声。3.根据权利要求2所述的方法，其特征在于，在时域空间的表征特征为过零率的情况下，计算所述在时域空间的表征特征的第一得分，包括：提取所述待处理音乐样本的过零率；将所述过零率与预设的过零阈值进行对比；在所述过零率大于过零阈值的情况下，将第一过零值作为所述第一得分，在所述过零率不大于过零阈值的情况下，将第二过零值作为所述第一得分，其中，第一过零值表征噪声概率高，第二过零值表征噪声概率低。4.根据权利要求3所述的方法，其特征在于，按照如下方式设置所述过零阈值：获取音乐数据样本集和噪声数据样本集；确定所述音乐数据样本集中数据样本的过零率均值，作为第一均值；确定所述噪声数据样本集中数据样本的过零率均值，作为第二均值；求取所述第一均值与所述第二均值之和的一半，作为所述过零阈值。5.根据权利要求2所述的方法，其特征在于，在频谱空间的表征特征为频谱质心方差的情况下，计算所述在频谱空间的表征特征的第二得分，包括：提取所述待处理音乐样本的频谱质心方差；将所述频谱质心方差与预设的质心阈值进行对比；在所述频谱质心方差大于与预设的质心方差阈值的情况下，将第一质心值作为所述第二得分，在所述频谱质心方差不大于质心方差阈值的情况下，将第二质心值作为所述第二得分，其中，第一质心值表征噪声概率低，第二质心值表征噪声概率高。6.根据权利要求5所述的方法，其特征在于，按照如下方式设置所述质心方差阈值：获取音乐数据样本集和噪声数据样本集；将所述音乐数据样本集中各音乐样本数据...

【专利技术属性】
技术研发人员：王武城，
申请(专利权)人：腾讯音乐娱乐科技深圳有限公司，
类型：发明
国别省市：