一种基于深度学习的古筝音高识别算法制造技术

本发明专利技术涉及古筝技术领域，且公开了一种基于深度学习的古筝音高识别算法，包括以下步骤：S1：读取音频文件；S2：音频信号分段，对音频信号进行分段；S3：预处理音频分段；a.目标分贝幅度调整：将获取到的音频段标准化以调整其音量至目标分贝级别；b.振幅归一化：为确保在合适的范围内，对音频段进行振幅归一化；S4：特征提取；a.音域适配调整。本发明专利技术本发明专利技术通过优化的CQT参数和自注意力机制，能够更准确地捕捉古筝的复杂音色和丰富的演奏技巧，提高音高识别的准确率，相较于传统的RNN，自注意力机制在处理音频序列中的长距离依赖关系方面表现更加出色，有助于分析复杂的音乐结构。

【技术实现步骤摘要】

本专利技术涉及古筝，具体为一种基于深度学习的古筝音高识别算法。

技术介绍

1、古筝有独特的音色、广阔的音域、复杂的共振特性以及丰富多样的演奏技巧等特点，古筝音乐的这些特点给音高识别带来了特殊的挑战，音高识别技术是音频信号处理领域的一个重要研究方向，广泛应用于音乐信息检索、自动音乐转谱、音乐教学、音乐生成和音频分析等多个场景，随着计算机科学和人工智能技术的发展，音高识别方法也经历了从简单的信号处理技术到复杂的深度学习模型的演进。

2、传统信号处理方法：在深度学习兴起之前，音高识别主要依靠传统的信号处理方法，如自相关法、快速傅里叶变换(fft)、谐波频率分析等，这些方法直接在音频信号的时域或频域上进行操作，通过分析信号的周期性或频谱特征来估计音高，虽然这些方法在处理单音信号时相对有效，但在多声部音乐、复杂音色和快速音高变化的场景下，准确率和效率受到限制，因此提出一种基于深度学习的古筝音高识别算法。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术的不足，本专利技术提供了一种基于深度本文档来自技高网...

【技术保护点】

1.一种基于深度学习的古筝音高识别算法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的古筝音高识别算法，其特征在于，所述S3中音频标准化是通过计算当前音频的最大振幅对应的分贝值，并与目标分贝值的差值确定所需的增益，通过过标准化操作确保音频文件的音量符合目标标准，从而提高后续音频处理的效果和一致性。

3.根据权利要求2所述的一种基于深度学习的古筝音高识别算法，其特征在于，所述S3中调整CQT的最低频率至古筝的最低音频范围确保CQT分析覆盖古筝的整个音域，特别是低频部分的精确捕获，此外，为确保每个音符都能被准确地分析和表示，相应调整总频率箱数。...

【技术特征摘要】

1.一种基于深度学习的古筝音高识别算法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的古筝音高识别算法，其特征在于，所述s3中音频标准化是通过计算当前音频的最大振幅对应的分贝值，并与目标分贝值的差值确定所需的增益，通过过标准化操作确保音频文件的音量符合目标标准，从而提高后续音频处理的效果和一致性。

3.根据权利要求2所述的一种基于深度学习的古筝音高识别算法，其特征在于，所述s3中调整cqt的最低频率至古筝的最低音频范围确保cqt分析覆盖古筝的整个音域，特别是低频部分的精确捕获，此外...

【专利技术属性】
技术研发人员：曾歆，
申请(专利权)人：江苏音律未来乐器科技有限公司，
类型：发明
国别省市：