一种半监督式音乐主旋律提取方法.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CN111326164A(43)申请公布日2020.06.23(21)申请号202010071808.4(22)申请日2020.01.21(71)申请人大连海事大学地址116026辽宁省大连市高新园区凌海路1号(72)发明人张维维毕胜房少军(74)专利代理机构大连东方专利代理有限责任公司21212代理人姜玉蓉李洪福(51)Int.Cl.G10L19/02(2013.01)G10L19/032(2013.01)G10L19/26(2013.01)G10L25/30(2013.01)G10L25/90(2013.01)权利要求书1页说明书3页附图4页(54)发明名称一种半监督式音乐主旋律提取方法(57)摘要本发明公开了一种半监督式音乐主旋律提取方法，包括：对输入音频信号进行归一化和重采样以及滤波预处理，得到模拟人耳听觉特性的音频信号；对音频信号进行常Q谱变换、获得频率按对数分布的变分辨率频谱信号，并对相邻数帧幅度谱进行聚合获得特征向量，根据特征向量构建极限学习机的输入向量集，依据训练集获得输出向量集；对极限学习机进行参数训练，利用极限学习机网络进行旋律音高粗估计；搜索每帧旋律音高粗估计2/3半音范围内的谱峰，并将该谱峰对应的频率作为该帧旋律音高输出，对旋律音高进行微调。CN111326164ACN111326164A权利要求书1/1页1.一种半监督式音乐主旋律提取方法，其特征在于包括：对输入音频信号进行归一化和重采样以及滤波预处理，得到模拟人耳听觉特性的音频信号；对音频信号进行常Q谱变换，获得频率按对数分布的变分辨率频谱信号，并对相邻数帧幅度谱进行聚合获得特征向量，根据特征向量构建极限学习机的输入向量集，根据训练集标记结果生成输出向量集；对极限学习机进行参数训练，利用极限学习机网络进行旋律音高粗估计；若输出向量第一个元素是最大值，则该帧被判断为无旋律帧，若除第一个元素外的其它元素是最大值，则相对应音高作为该帧旋律音高粗估计结果；搜索每帧旋律音高粗估计2/3半音范围内的谱峰，并将该谱峰对应的频率作为该帧旋律音高输出，对旋律音高进行微调。2.根据权利要求1所述的一种半监督式音乐主旋律提取方法，其特征还在于：所述构建极限学习机的输入向量集和输出向量集采用如下方式：用多个特征向量构建极限学习机的输入向量集；读取各个特征向量所对应的标记值，在无旋律段生成第一个元素为1其它元素全为0的一位有效输出向量，在有旋律段，生成每个量化后音高对应元素为1其他元素均为0的一位有效输出向量；对于无标记数据集则输出向量的各元素均为0，进而获得与输入向量集相对应的输出向量集。2CN111326164A说明书1/3页一种半监督式音乐主旋律提取方法技术领域[0001]本发明属于音频信号处理领域，特别是涉及一种半监督式音乐主旋律提取方法。背景技术[0002]现有主旋律提取方法采用的特征分为两类：第一类是低级人工特征，这类特征由研究人员依据信号特点设定，在处理具有多个音源的复杂音乐时性能显著下降，其泛化性差；第二类特征是高级自学习特征，这类特征由算法在数据集基础上自主学习获得，其性能严重依赖于训练集的容量和多样性。最近，深度学习为音乐主旋律提取提供了新的解决方案，但需要耗费较长时间训练得到适当的网络参数，且训练集的容量与多样性仍是制约其性能的重要因素。然而，现有主旋律提取标注数据集仍然缺乏，进而限制了这类方法的性能。发明内容[0003]为了克服上述现有技术的不足，本发明提供了一种半监督式音乐主旋律提取方法，具体包括如下步骤：[0004]对输入音频信号进行归一化和重采样以及滤波预处理，得到模拟人耳听觉特性的音频信号；[0005]对音频信号进行常Q谱变换，获得频率按对数分布的变分辨率频谱信号，并对相邻数帧幅度谱进行聚合获得特征向量，根据特征向量构建极限学习机的输入向量集，根据训练集标记结果生成输出向量集；[0006]对极限学习机进行参数训练，利用极限学习机网络进行旋律音高粗估计；若输出向量第一个元素是最大值，则该帧被判断为无旋律帧，若除第一个元素外的其它元素是最大值，则相对应音高作为该帧旋律音高粗估计结果；[0007]搜索每帧旋律音高粗估计2/3半音范围内的谱峰，并将该谱峰对应的频率作为该帧旋律音高输出，对旋律音高进行微调。[0008]所述构建极限学习机的输入向量集和输出向量集采用如下方式：[0009]用多个特征向量构建极限学习机的输入向量集；读取各个特征向量所对应的标记值，在无旋律段生成第一个元素为1其它元素全为0的一位有效输出向量，在有旋律段，生成每个量化后音高对应元素为1其他元素均为0的一位有效输出向量；对于无标记数据集则输出向量的各元素均为0，进而获得与输入向量集相对应的输出向量集。[001