乐器识别的研究.pdfVIP

摘 要 即使对于毫无音乐背景的普通人，对于乐器音色的感知也是一件非常容易 的事情。例如：古筝和琵琶虽然很近似，但我们还是能够很容易的进行区分。 然而，要构造一个能够模拟上述过程的精确模型却并非易事。一方面，要找到 反映乐器音色的准确特征，另一方面需要一个精确地模型来模拟特征分布。虽 然已经有大量的研究人员参与这项研究，但是精确度仍然不甚理想。 本篇硕士论文主要是描述我在乐器识别上的一些相关研究。所使用的技术 涵盖了音乐、物理、数学和计算机等多个学科的知识。通过深入调查人类感知 对于乐器音色的影响过程，文章中在特征方面引入了长时特征，在模型上利用 多特征组合分类的思想提出适合乐器识别的组合方法，其结果一定程度上提高 了乐器的分类准确率。 在具体内容的安排上，首先对短时特征进行分析，分析短时特征的提取算 法、聚合度和含有的类别信息，并用实验验证短时特征的分类贡献度。理论上， 对于乐器音色的感知过程并不是一个短时的过程，而是一个长时的感知，因而 引入长时特征以提取更多的类别信息来进行乐器识别。通过对长时特征的分析 可得，不同的长时特征对于不同的乐器偏好是不同的，因此提出适合乐器识别 的多特征组合分类的方法。这个方法在一定程度上增加了乐器的分类准确率。 关键词：乐器识别 短时特征分析 长时特征 多特征组合分类 Abstract For ordinary people, even without musical background, the timber perception is a fairly easy task. For example, Guzheng and Pipa are very similar, but they can also be distinguished easily. However, simulating the process of constructing a precise model is not an easy work. On one hand, it is hard to find the accurate characteristics which can reflect sound, on the other hand, it requires a precise model. Although a large number of researchers have been involved in this study, the results are still not satisfactory. This master paper describes the process of the Instrument Identification, used a framework combining music, physics, mathematics and computer knowledge. Through in-depth investigates on the human perception of music, the article introduces the long-time features, and puts forward a new combination method using the idea of the multi-feature combination category. The results greatly improve the instrument recognition rate. In the detail arrangements of the content, a short-time feature will be first analyzed , including the short-time feature extraction algorithms, degree of polymerization