智能音乐喷泉的多模型控制赵伟北京城学院北京101306摘要.DOCVIP

PAGE 174 第1期 孟庆龙等：微气候环境模拟实验室用温度控制系统设计 　　·２· PAGE 175 控 制 工 程 第22卷 - PAGE 175 - 智能音乐喷泉的多模型控制 赵伟 北京城市学院 北京 101306 摘 要：运用模糊均值聚类算法，将根据音乐文件提取的数据进行分类，建立多模型音乐情感特征模型集；设定期望音乐特征模型，并根据音乐情感模型集中的多种类型，设计多种音乐喷泉控制策略，求出相应的喷泉矩阵。每一个音乐数据周期，采用模糊识别的方法把获得的实时音乐数据与模型集相匹配，进而采用相应的喷泉控制矩阵进行控制，直至达到期望音乐情感特征模型。本控制方法在音乐喷泉模型上得到实施，取得很好的控制效果。 关键词：音乐特征；音乐喷泉；多模型； 中图分类号：TP273 文献标识码：A 引 言 ·xx· 控 制 工 程 第22卷 2 0 1 5年1月 控 制 工 程 Jan . 2 0 1 5 第22卷第1期 Control Engineering of China Vol.22 , No. 1 音乐喷泉已经成为人们休闲娱乐场所最引人注目的一道风景，其音乐与水型的完美结合将人的视觉与听觉融为一体，烘托出美轮美奂的环境艺术效果。音乐喷泉和基于音乐特征的舞美控制都离不开MIDI技术，音乐情感类型的识别是音乐喷泉工程的基础。 收稿日期：2015年12月03日作者简介：赵伟(1983-)，女（汉族），北京人，硕士，讲师，研究方向：智能控制；目前，在音乐情感提取识别领域，根据音乐格式的不同，主要有两大研究方向。在以WAV、MP3等格式为主要研究对象的文献中，由于此类音乐文件存储的是音乐声波信号的采样数据，所以大量的研究集中在与信号处理相关的范围内。四川大学的李敏榆[1]等依据智能神经网络理论，提出了一种识别音调的方法。该方法首先通过小波变换方式提取出音调特征值，利用神经网络的数据分类功能，可以对相关的音调进行识别。南京邮电学院的顾亦然[2] 收稿日期：2015年12月03日 作者简介：赵伟(1983-)，女（汉族），北京人，硕士，讲师，研究方向：智能控制； 本文运用模糊均值聚类算法将根据音乐文件提取的数据进行分类，建立多模型音乐情感特征模型集；设定期望音乐特征模型，并根据音乐情感模型集中的多种类型，设计多种音乐喷泉控制策略，求出相应的喷泉矩阵。每一个音乐数据周期[5]，采用模糊识别的方法把获得的实时音乐数据与模型集相匹配，进而采用相应的喷泉控制矩阵进行控制，直至达到期望音乐情感特征模型。本控制方法在音乐喷泉模型上得到实施，取得很好的控制效果。 一、 多模型音乐情感模型集 （一）基于音乐特征提取的情感模型 根据文献表明，能够重点体现音乐情感的基于音乐特征为音高、音长、音色、速度及力度。本节主要根据MIDI音乐文件中音高、音长等音乐元素的分析，建立音乐情感特征提取系统[6]。 1.音高 (1) 2. 音长 (2) 3.音色 (3) 4.速度 在音乐文件中可直接提取。 5.力度 . (4) （二）音乐情感特征模型集的建立 通过模糊均值聚类算法[7]把一些MIDI音乐文件数据分成个类型，建立个模态。 首先根据式(1)-(4)把已知的组5维原始数据转化为4维数据作为FCM算法的输入： =. 确定模糊分类数；设定阈值；初始化隶属度矩阵，表示第样本属于第个聚类中心的属性度，且满足式(5)的约束条件；令t=0. . (5) 总结分类步骤如下： (1)计算聚类中心，根据公式(6): , 且. (6) 其中：；称作平滑参数，通常取值在之间。 (2)计算目标函数： (7) 其中为第个特征模型与第个聚类中心的欧几