卷积神经网络在乐器板材优劣识别中的应用研究.PDFVIP

第３６卷第３期 计 算 机 应 用 研 究 Ｖｏｌ３６Ｎｏ３ ２０１９年３月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｍａｒ．２０１９ 卷积神经网络在乐器板材优劣识别中的应用研究 黄英来，李晓霜，赵　鹏 （东北林业大学信息与计算机工程学院，哈尔滨 １５００４０） 摘　要：目前民族乐器板材振动信号识别算法存在特征提取复杂且耗时长等缺点，针对此问题，提出了一种基 于卷积神经网络的木材振动信号分类识别算法，实现了乐器板材优劣的判别。卷积神经网络将特征提取和分类 过程结合来进行神经网络的训练，具有识别度高、鲁棒性好等优点。首先重点分析和讨论了提取木材振动信号 的语谱图特征，然后应用卷积神经网络结合网格搜索的方法进行参数调优。为了防止过拟合，还应用了ＲｅＬＵ 和ｄｒｏｐｏｕｔ等新技术，得到最终分类结果。实验证明，测试样本准确率达到９６％，明显优于传统方法。该方法可 减小人工测量的误差，加快板材的选取时间，为民族乐器制造领域的选材提供了一种更加实用的方法。 关键词：卷积神经网络；网格搜索；语谱图；木材振动信号 中图分类号：ＴＰ３９１　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１９）０３０２７０７７６０５ ｄｏｉ：１０．１９７３４／ｊ．ｉｓｓｎ．１００１３６９５．２０１７．１０．０９９０ Ｒｅｓｅａｒｃｈｏｎｗｏｏｄｑｕａｌｉｔｙｆｏｒｍｕｓｉｃａｌｉｎｓｔｒｕｍｅｎｔｒｅｃｏｇｎｉｔｉｏｎｕｓｉｎｇ ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ ＨｕａｎｇＹｉｎｇｌａｉ，ＬｉＸｉａｏｓｈｕａｎｇ，ＺｈａｏＰｅｎｇ （ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎ＆ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ，ＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ１５００４０，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｔｐｒｅｓｅｎｔ，ｔｈｅｖｉｂｒａｔｉｏｎｓｉｇｎａｌｒｅｃｏｇｎｉｔｉｏｎａｌｇｏｒｉｔｈｍｆｏｒｎａｔｉｏｎａｌｍｕｓｉｃａｌｉｎｓｔｒｕｍｅｎｔｐｌａｔｅｈａｓｔｈｅｓｈｏｒｔｃｏｍｉｎｇｓｏｆ ｃｏｍｐｌｅｘｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎａｎｄｔｉｍｅｃｏｎｓｕｍｉｎｇ．Ｔｏｓｏｌｖｅｔｈｉｓｐｒｏｂｌｅｍ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｃｌａｓｓｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔｈｍｏｆｗｏｏｄｖｉ ｂｒａｔｉｏｎｓｉｇｎａｌｂａｓｅｄｏｎｃｏｎｖｏｌｕｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ，ｔｏｉｄｅｎｔｉｆｙｔｈｅｑｕａｌｉｔｙｏｆｔｈｅｍｕｓｉｃａｌｉｎｓｔｒｕｍｅｎｔ．Ｃｏｎｖｏｌｕｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ ｃｏｍｂｉｎｅｄｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｐｒｏｃｅｓｓｔｏｔｒａｉｎｔｈｅｎｅｕｒａｌｎｅｔｗｏｒｋ，ｗｈｉｃｈｏｗｎｅｄｔｈｅａｄｖａｎｔａｇｅｓｏｆｈｉｇｈｒｅｃｏｇｎｉ ｔｉｏｎｒａｔｅａｎｄｇｏｏｄｒｏｂｕｓｔｎｅｓｓ．Ｆｉｒｓｔｌｙ，ｔｈｉｓｐａｐｅｒｍａｉｎｌｙａｎａｌｙｚｅｄａｎｄｄｉｓｃｕｓｓｅｄｓｐｅｃｔｒｏｇｒａｍｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｅｘｔｒａｃｔｉｏｎｏｆ ｗｏｏｄｖｉｂｒａｔｉｏｎｓｉｇｎａｌｓ．Ｔｈｅｎｃｏｍｂｉｎｉｎｇｃｏｎｖｏｌｕｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋａｎｄｇｒｉｄｓｅａｒｃｈｍｅｔｈｏｄ，ｉｔｃｏｕｌｄａｄｊｕｓｔｔｈｅｐａｒａｍｅｔｅｒｓ．Ｉｎ ｏｒｄｅｒｔｏａｖｏｉｄｏｖｅｒｆｉｔｔｉｎｇ，ｉｔｏｂｔａｉｎｅｄｔｈｅｆｉｎａｌｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｓｂｙｕｓｉｎｇｎｅｗｔｅｃｈｎｏｌｏｇｉｅｓｓｕｃｈａｓＲｅＬＵａｎｄｄｒｏｐｏｕｔ．Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｔｈｅａｃｃｕｒａｃｙｏｆｔｈｅｔｅｓｔｓａｍｐｌｅｒｅａｃｈｅｓ９６％，ｗｈｉｃｈｉｓｏｂｖｉｏｕｓｌｙｂｅｔｔｅｒｔｈａｎｔｈｅｔｒａｄｉｔｉ