预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共25页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(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CN108038146A(43)申请公布日2018.05.15(21)申请号201711227583.1(22)申请日2017.11.29(71)申请人无锡同芯微纳科技有限公司地址214000江苏省无锡市新吴区震泽路18-6无锡软件园二期金牛座C310-10室(72)发明人艾竹轩(74)专利代理机构南京艾普利德知识产权代理事务所(特殊普通合伙)32297代理人陆明耀顾祥安(51)Int.Cl.G06F17/30(2006.01)权利要求书3页说明书12页附图9页(54)发明名称音乐演奏人工智能分析方法、系统及设备(57)摘要本发明揭示了音乐演奏人工智能分析方法、系统及设备,方法包括如下步骤:S1,读取演奏的乐谱对应的音频文件及标准MIDI文件;S2,通过端点检测将演奏乐谱的音频文件切分成一组单个音符的音乐段,并计算出每个音乐段的起始时间;S3,按时序将标准MIDI文件中的每个音符的起始时间与切分后对应时序的音乐段的起始时间进行比对和/或按时序将标准MIDI文件中的每个音符与切分后对应时序的音乐段所表示的音符进行匹配来进行分析。本方法不依附于乐器设备,不受乐器的类型、品牌和型号的限制,可移植性好,适用范围广泛,便于推广应用,同时,不需要在乐器的原始结构上增加零件,不会对原始的乐器生产产生影响,避免增加相应零件的成本。CN108038146ACN108038146A权利要求书1/3页1.音乐演奏人工智能分析方法,其特征在于:包括如下步骤:S1,读取演奏的乐谱对应的音频文件及标准MIDI文件;S2,通过端点检测将演奏乐谱的音频文件切分成一组单个音符的音乐段,并计算出每个音乐段的起始时间;S3,按时序将标准MIDI文件中的每个音符的起始时间与切分后对应时序的音乐段的起始时间进行比对和/或按时序判断标准MIDI文件中的每个音符与切分后对应时序的音乐段所表示的音符是否相同来进行分析。2.根据权利要1所述的音乐演奏人工智能分析方法,其特征在于:在S2步骤中,将音频文件切分成音乐段的过程如下:S21,接收分帧预处理后的声音信号;S22,判断一帧信号的平均帧能量差与平均帧能量差低门限、平均帧能量差高门限的大小以及平均帧过零率与平均帧过零率低门限的大小;S23,当判断第一帧信号的平均帧能量差>平均帧能量差高门限,则该帧信号进入音乐段,音乐长度加1,执行S24步骤;当判断第一帧信号的平均帧能量差<平均帧能量差低门限和/或平均帧过零率<平均帧过零率低门限,则该帧信号处于静音段,执行S27步骤;当判断第一帧信号满足平均帧能量差低门限≤平均帧能量差≤平均帧能量差高门限,且平均帧过零率≥平均帧过零率低门限,则该帧信号处于过渡段,执行S28步骤;S24,判断下一帧信号的平均帧能量差和平均帧过零率小于零是否成立;若不成立,该帧信号还处于音乐段,记录该帧信号的帧数,音乐长度加1,执行S24步骤;若成立,执行S25步骤;S25,判断该帧信号前的音乐长度是否大于最小音乐长度,若小于,则前面检测出的音乐段是噪音,音乐长度清零,按照S22步骤继续判断下一帧信号的状态;若大于等于,则满足跳变条件,执行S26步骤;S26,判断下一帧信号的平均帧能量差≥平均帧能量差低门限是否成立;若否,该帧信号处于静音段,执行S27步骤,若是,该帧信号处于过渡段,执行S28步骤;S27,依照S22步骤判断下一帧信号的状态,并根据S23步骤的判断原则确定该帧信号的状态;S28,依照S22步骤判断下一帧信号的状态,当该帧信号不满足平均帧能量差低门限≤平均帧能量差≤平均帧能量差高门限,且平均帧过零率≥平均帧过零率低门限,该帧信号维持在静音段,执行S27步骤;当该帧信号满足平均帧能量差低门限≤平均帧能量差≤平均帧能量差高门限,且平均帧过零率≥平均帧过零率低门限时,执行S29步骤;S29,判断该帧信号与前一帧信号的平均帧能量差之和大于平均帧能量差步长且该帧信号与前一帧信号的平均帧过零率的绝对值之和大于平均帧过零率步长是否成立;若不成立,该帧信号维持在过渡段,执行S28步骤;若成立,该帧信号进入音乐段,音乐长度加1,执行S24步骤。3.根据权利要2所述的音乐演奏人工智能分析方法,其特征在于:在S21步骤中,按照帧长441,帧移441对声音信号进行分帧。2CN108038146A权利要求书2/3页4.根据权利要2所述的音乐演奏人工智能分析方法,其特征在于:在S22步骤中,一帧信号的平均帧能量差经过归一化处理。5.根据权利要2所述的音乐演奏人工智能分析方法,其特征在于:在S22步骤中,所述平均帧能量差低门限在0.030-0.055之间,所述平均帧能量差高门限在0.040-0.085之间,所述平均帧过零率低门限在0-0.005之间。6.