结合节拍语义和MFCC声学特征de音乐流派分类.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 结合节拍语义和MFCC声学特征的音乐流派分类 庄 严，于凤芹 ZHUANG Yan．YU Fengqin 江南大学 物联网工程学院，江苏 无锡 214122 SchoolofInternetofThingsEngeneering，JiangnanUniversity,W uxi，Jiangsu214122，China ZHUANG Yan，YU Fengqin．CombiningbeatsemanticfeaturesandMFCC acousticfeaturesformusicgenreclassi- fication．ComputerEngineeringandApplications，2015，51(3)：197—201． Abstract：Asthemusicbeatfeaturessuchasintensity,speedanddurationwhichbelongtosemanticfeaturescharacterize thedifferentmusicgenres，whilethemusicbeatsaremostlygeneratedbypercussioncomponentofthelow ·frequencypart whichcanbeextractedbyusing6layerswaveletdecompositionofmusicsignals．Forgenreswhicharenoteasytobedif- ferentiatedbybeatsfeaturesonly,amethodbycombininghteacousticcharacteristicsdescribinghtefrequency—domainenergy envelopeMFCCandbeatfeaturesisproposed，and8-orderMFCC isusedinsteadoftheusual12·orderMFCCbasedon htemusicgenresm echanism analysis．Musicgenresexperimentssimulationresultsevaluatedon8genreclassesshow that themethodbasedoncombinationofsemanticandacousticcharacteristics，theoverallclassificationaccuracyratereaches 68．37％，whiletheincreaseoffeautredimensionshaslittleincreaseinthetime—consuming． Keywords：musicgenreclassification；beatfeautres；Mel—FrequencyCepstralCoefficients(MFCC)：waveletdecomposition； SupportVectorMachine(SVM) 摘 要：由于音乐节拍的强度 、快慢、持续时间等是反映音乐不同流派风格 的重要语义特征 ，而音乐节拍多属于由打 击乐器所产生的低频部分，为此利用小波变换对音乐信号进行6层分解来提取低频节拍特征；针对节拍特征差异不 明显的音乐流派，提 出用描述频域能量包络的MFCC声学特征与节拍特征结合，并用基于音乐流派机理分析的8阶 MFCC代替常用的12阶MFCC。对8类音 乐流派实验仿真结果表明，基于语义特征和声学特征结合的方法，总体分 类准确率可达 68I37％，同时特征维数增加对分类时间影响很小。 关键词：音乐流派分类；节拍特征；Mel频率倒谱 系数 (MFCC)；小波分解；支持向量机 文献标志码：A 中图分类号：TP37 doi：10．3778／j．issn．1002．8331．1304—0371 l 引言 军鼓和低音鼓的节拍并合成循环节拍来分析音乐节奏 ， 音乐信息的分类检索受到了越来越多的关注 ，音乐 该方法主要对含有节奏型RB和Hip．Hop等流派进行 流派风格反映了音乐作品的整体特征。人工标注和分 仿真验证 ，具有一定的限制性。文献[5]经音乐信号分 类已无法满足互联网对海量音乐数据存储、传输、欣赏、 离出打击成分与和声成分从中提取节拍与和声特征 ，但 研究的新要求 ，故音乐流派