该文介绍了通过提取MFCC参数，计算余弦相似性，利用节拍谱的自相关性对音频进行语音音乐分类的算法。首先，使用MATLAB的MFCC函数提取特征，然后计算相似矩阵，接着通过自相关得到节拍谱，识别音乐的节奏周期性。通过归一化和阈值判断，最终确定音频类别。音乐的节拍谱通常显示出明显的周期性峰值，而语音则不具有这种规律性。
节拍谱的取得方式为按照论文《THE BEAT SPECTRUM:A NEW APPROACH TO RHYTHM ANALYSIS》获得，但是在分类中，有点阴差阳错的计算出不同的结果。
按照得到的节拍谱后，使用阈值对节拍谱判定得到语音音乐两类分类。
根据音频的相关特征的语音音乐分类的算法的流程图如图1所示。
图 1 算法流程
其具体的算法步骤如下：
步骤1：提取MFCC参数。其提取原理框图如图2所示。预处理包含分帧加窗等。FFT为快速傅里叶变换。Mel-Filtering为梅尔三角滤波器组，DCT为离散余弦变换。本实验使用MATLAB的MFCC函数来提取得到MFCC参数。
图 2 MFCC参数提取过程
步骤2：用余弦相似度计算特征参数两两之间的相似性，可得到一个相似矩阵。其中语音信号的节拍没有周期性的规律，音乐信号会周期性地形成峰值。本实验使用MATLAB的COS函数来计算得到特征向量的相似性。余弦距离更多的是从方向上区分差异，而对绝对的数值不敏感，正因为余弦相似度在数值上的不敏感，只能分辨个体在维之间的差异，没法衡量每个维数值的差异，所以得到的相似矩阵更能体现出节拍的周期性规律。
步骤3：用相似矩阵的自相关性得到节拍谱。它能够反映节奏的周期性变化规律，节拍谱不依赖于能量或频率等特定属性，因此适用于任何类型的音乐或音频，其反应了节拍周期性变化规律。本实验使用MATLAB的xcorr函数来计算其自相关。节拍谱中的峰值对应于音乐信号中的主要节奏成分，不同峰的相对振幅反映了其对应韵律成分的强弱。一些拥有强烈节奏感的音乐的节拍谱的峰值变化会比较明显，而节奏感比较弱的峰值变化会稍微弱些。
图 3 语音节拍谱图
图 4 音乐节拍谱图
图3为语音的节拍谱图，图4为音乐的节拍谱图，可以看到音乐具有明显的起伏。
步骤4:归一化。归一化目的把得到的数据限制在一定区间内，使得各个音频的数据易于后续的处理。
步骤5: 统计并计算阈值判定音频类别。阈值基于总体判定的准确率来设定的，判定流程如图4。当语音或音乐的准确率下降过大时，则阈值调整完毕。
图 4 阈值判定流程图
h t t p s : / / d o w n l o a d . c s d n . n e t / d o w n l o a d / d i a n t o n g q i n g j i e / 20469329 https://download.csdn.net/download/diantongqingjie/20469329 https://download.csdn.net/download/diantongqingjie/20469329
2019
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
