一种基于朴素贝叶斯模型的乐器种类识别方法和系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111681674A(43)申请公布日2020.09.18(21)申请号202010483915.8(22)申请日2020.06.01(71)申请人中国人民大学地址100872北京市海淀区中关村大街59号(72)发明人丁戌倩梁循武文娟(74)专利代理机构北京纪凯知识产权代理有限公司11245代理人孙楠(51)Int.Cl.G10L25/51(2013.01)G10L25/24(2013.01)G06K9/62(2006.01)权利要求书2页说明书5页附图3页(54)发明名称一种基于朴素贝叶斯模型的乐器种类识别方法和系统(57)摘要本发明涉及一种基于朴素贝叶斯模型的乐器种类识别方法和系统，包括以下步骤：S1将待识别的乐曲分为若干音频帧；S2提取音频帧中的时域信息、频域信息与倒频域信息以及梅尔频率倒谱系数，形成与音频帧对应的特征向量；S3将若干个乐器对应的音频特征向量和所有的音频帧对应的特征向量输入至朴素贝叶斯模型，根据乐器出现在乐曲中的概率对乐器进行识别。其通过这种数据化的音乐特征提取的方式，实现人工智能对乐器的种类、音色、技法的识别，帮助精细化区分其同质化和异质化乐器之间的关系，尤其是同质性乐器种类的音响细分、音色相似度、技术重合度的人工分离和精准辨别。CN111681674ACN111681674A权利要求书1/2页1.一种基于朴素贝叶斯模型的乐器种类识别方法，其特征在于，包括以下步骤：S1将待识别的乐曲分为若干音频帧；S2提取所述音频帧中的时域信息、频域信息与倒频域信息以及梅尔频率倒谱系数，形成与所述音频帧对应的特征向量；S3将已有的若干个乐器对应的音频特征向量和所有的所述音频帧对应的特征向量输入至朴素贝叶斯模型，根据所述乐器出现在所述乐曲中的概率对所述乐器进行识别。2.如权利要求1所述的基于朴素贝叶斯模型的乐器种类识别方法，其特征在于，若所述乐器出现在所述乐曲中的概率超过阈值，则判断所述乐器出现在所述乐曲中，若所述乐器出现在所述乐曲中的概率未超过阈值，则判断所述乐器没有出现在所述乐曲中。3.如权利要求2所述的基于朴素贝叶斯模型的乐器种类识别方法，其特征在于，所述乐曲中使用的乐器包括主要乐器和次要乐器，通过所述朴素贝叶斯方法模型获得各所述乐器出现在所述乐曲中的概率区分主要乐器和次要乐器。4.如权利要求3所述的基于朴素贝叶斯模型的乐器种类识别方法，其特征在于，出现在所述乐曲中的概率最高的乐器为主要乐器，其他出现在所述乐曲中的乐器为次要乐器。5.如权利要求1-4任一项所述的基于朴素贝叶斯模型的乐器种类识别方法，其特征在于，所述朴素贝叶斯模型的输出公式为：其中，Xi代表一首乐曲X的某一帧，一共有z帧；yj代表某一种乐器，一共有n种乐器。6.如权利要求5所述的基于朴素贝叶斯模型的乐器种类识别方法，其特征在于，所述S3的具体操作过程为：S3.1将若干个乐器对应的音频特征向量和所述音频帧对应的特征向量输入至经过预训练的朴素贝叶斯模型；S3.2采用朴素贝叶斯模型的输出公式计算P(y1|Xi),P(y2|Xi),…,P(yn|Xi)；S3.3通过公式得到乐器yj出现在乐曲X中的概率。7.如权利要求6所述的基于朴素贝叶斯模型的乐器种类识别方法，其特征在于，所述经过预训练的朴素贝叶斯模型的预训练过程为：向原始朴素贝叶斯模型输入演奏乐器类型已知的乐曲，所述乐曲根据朴素贝叶斯模型的输出公式获得某一乐器出现在所述乐曲中的概率，判断所述概率是否超过阈值，将判断结果与实际演奏所述乐曲的类型进行比较，若结果相同，则输入所述朴素贝叶斯模型为最终输出模型；若结果不相同，则调整朴素贝叶斯模型的输出公式，直至结果相同为止。8.如权利要求1-4任一项所述的基于朴素贝叶斯模型的乐器种类识别方法，其特征在于，所述频域信息通过将对每一所述音频帧做傅里叶变换获得，所述倒频域信息通过将所述频域信息构成的频域图进行旋转，并用灰度图表示所述频域图的幅度获得；所述时域信息通过将所述频域图按照时间维度堆叠获得。9.如权利要求1-4任一项所述的基于朴素贝叶斯模型的乐器种类识别方法，其特征在于，对若干所述音频帧加上汉明Hanmming窗以防止频率泄漏。10.一种基于朴素贝叶斯模型的乐器种类识别系统，其特征在于，包括：2CN111681674A权利要求书2/2页预处理模块，用于将待识别的乐曲分为若干音频帧；特征提取模块，用于提取所述音频帧中的时域信息、频域信息与倒频域信息以及梅尔频率倒谱系数，形成与所述音频帧对应的特征向量；识别模块，用于将若干个乐器对应的音频特征向量和所有的所述音频帧对应的特征向量输入至朴素贝叶斯模型，根据所述乐器出现在所述乐曲中的概率对所述乐器进行识别。3CN111681674A说明书1/5