前言：想要寫出一篇引人入勝的文章？我們特意為您整理了多噪聲電子音樂類型分類建模探究范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：為了解決傳統電子音樂類型分類方法檢測準確率不高的問題，提出一種多噪聲背景的電子音樂類型分類方法。首先，降噪處理噪聲環境下的電子音樂，得到含有噪聲的電子音樂頻譜，利用感知小波包變換提取噪聲的特征，采樣噪聲的特征值并計算噪聲的短時能量，得到電子音樂降噪表達式，計算頻譜的二階矩，得到不含噪聲的電子音樂短時能量特征；然后，使用短時傅里葉變換計算得到每幀中所有電子音樂點的倒譜系數，利用倒譜系數得到計算電子音樂類型的二維矩陣，通過小波變換將噪聲處理表達式與計算電子音樂類型的二維矩陣，處理為最終的噪聲環境下的電子音樂類型檢測表達式。實驗結果表明，與兩種傳統噪聲環境下的電子音樂類型分類方法相比，多噪聲背景的電子音樂類型分類方法檢測準確率更高，更適合在噪聲環境下檢測電子音樂類型。

關鍵詞：電子音樂分類；多種噪聲環境；電子音樂降噪；噪聲特征提取；倒譜系數；二維矩陣計算

0引言

噪聲是一類引起人煩躁、或音量過強而危害人體健康的聲音[1]。噪聲的種類可按照噪聲源的特點分類，共分為四大類：工業生產噪聲、建筑施工噪聲、交通運輸噪聲和社會噪聲[2]。多種噪聲環境就是混雜了這四種噪聲的環境。電子音樂是使用電子樂器以及電子音樂技術而制作的音樂，一般而言，可使用電子機械技術制作的聲音區別電子音樂的類型。隨著數字音樂的不斷發展，如何快速、準確地處理電子音樂已經成為音樂發展的需要。研究多噪聲背景電子音樂類型分類方法，可以將電子音樂的特征通過公式表現出來，即使處在多種噪聲環境的影響下，也可以利用算法公式檢測出電子音樂的類型[3]。

1多噪聲背景電子音樂類型檢驗算法設計

1.1計算電子音樂降噪表達式

在多種噪聲環境下，隨機播放一段20s的電子音樂，計算得出20s的電子音樂中，共有40000個音樂點[4]。繪制出這40000個音樂點的頻譜，如圖1所示。為了減少在音樂頻譜中高頻分量的損失，突出高頻的共振峰，預處理這段含噪聲的電子音樂頻譜[5]。H(z)=1-az-1，式中：a是一個介于0.9~1.0之間的常數；H代表預處理過程；z表示夾雜著噪聲的音樂頻率峰值。此時的噪聲數據可表示為：y(n)=s(n)-as(n-1)（1）式中：y(n)表示噪聲的時域數據；n表示夾雜著噪聲的電子音樂信號；s(n)代表噪聲信號；a為一個常數。使用感知小波包變換提取噪聲特征，然后采用分解樹結構，處理組成噪聲特征的噪聲頻率群臨界帶，聯合巴克尺度[bark]計算改變后的噪聲臨界帶的值z(f)：z(f)=13arctan(7.6×10-4f)+3.5arctan(1.33×10-4f)[bark]（2）式中f是線性頻率，單位是Hz。為了確定有效的bark數目，采樣電子音樂頻率，設置電子音樂中的噪聲采樣頻率為10Hz，并獲得5Hz的帶寬，此時的帶寬存在大約18個臨界點[6]。加窗DFT處理帶寬中的臨界點，設X=[x(0),x(1),…,x(N-1)]T，其中：X為一帶寬中N個采樣點的數據；T為采樣次數。計算采樣點的短時能量En為：En=∑m=0N-1x2n(m)（3）式中m為采樣系數。得到采樣點的短時能量幅度變化如圖2所示。圖2采樣點的短時能量變化幅度由圖2可知，每個采樣點的短時能量En值不同，一般來講，噪聲摻雜多的電子音樂短時能量值要比含有噪聲種類少的電子音樂短時能量的值小[7]。含有噪聲的電子音樂頻譜中頻帶之間的變化平緩，定義采樣的噪聲頻帶中的信號矢量Xf(m)為：Xf(m)={Xf(m,1),Xf(m,2),…,X}f(m,N)，平滑處理得到X ̂f(m)={X ̂f(m,1),X ̂f(m,2),…,X ̂}f(m,N)，取平滑處理得到公式的對數為：X ̂f(m)=10ln(Xf(m))（4）此時的式（4）就是電子音樂的降噪處理公式，可以降噪處理多噪聲背景電子音樂，形成不摻雜噪聲的電子音樂頻譜，排除噪聲對電子音樂類型檢測工作的干擾，然后針對電子音樂自身的類型特征，建立電子音樂檢測矩陣[8]。

1.2建立電子音樂類型檢測矩陣

電子音樂存在多種類型，每一種類型的電子音樂存在不同的短時能量特征，為了統一多種類型電子音樂的頻譜特征，計算圖2中頻譜變化較大部分的頻譜信號方差值，其數學表達式為：式中：sp表示頻譜的二階矩值；fi為頻譜的頻率值；C為常數；p表示特征函數。頻譜方差可以描述電子音樂類型頻譜信號分布的對稱程度，當sp為零時，此時的電子音樂頻譜是對稱的，符合多種類型電子音樂的頻譜特征[9]。所以，此公式可以概括大部分電子音樂類型特征。然后以此頻譜特征計算公式為基礎，計算對稱頻譜內的每種電子音樂類型的短時能量特征sk，繪制電子音樂類型短時能量的頻譜如圖3所示。分兩部分處理圖3的短時能量頻譜，分別對每個部分的電子音樂短時特征加漢明窗處理，使用短時傅里葉變換，計算得到每部分中所有電子音樂點的倒譜系數G為：計算每個采樣點的G值，得到一個大小為N×L的y(n)二維矩陣：矩陣中的一行代表一部分中的采樣行，兩個部分共有L個點，每個點代表不同類型電子音樂的短時能量[10]。式中y11代表電子音樂起始點的第一個短時能量點，此時的式（7）矩陣就是檢測電子音樂類型的檢測矩陣。在構建多噪聲背景的電子音樂類型分類方法時，聯合電子音樂降噪表達式整合最終的公式，實現在多噪聲背景下對電子音樂類型進行檢測[11]。

1.3構建噪聲環境電子音樂類型分類方法

使用電子音樂降噪式（6）與電子音樂類型檢測矩陣式（7），小波變換處理這兩個公式，定義兩個公式的平方可積函數φ(t)滿足母小波條件：∫-∞+∞φ(|| ̂ω)2||ω-1dω<+∞，其中，ω為小波系數[12]。將式（1）用a代替，式（2）用b代替，設定此時的a與b同時滿足φa,b=1||aφéëêùûút-ba，t表示式（1）與式（2）之間的脈沖系數[13]。所以最終得到的抗噪聲電子音樂類型檢測表達式為：式中：C是一個在0.5~0.7之間的一個常數；Wf表示頻帶系數；R為覆蓋的信號頻帶[14]。在多種噪聲環境下對電子音樂類型分類方法的工作流程如圖4所示。算法的計算過程如圖4所示，使用式（8）計算多噪聲背景電子音樂類型時，f(t)的值不同，代表不同的電子音樂類型[15]。數值與音樂類型的對應如表1所示。按照圖4的計算步驟得出數值，對照數值對應的電子音樂類型，完成對多種噪聲環境下電子音樂類型的檢測計算。

2仿真實驗

2.1實驗設計

多噪聲背景的電子音樂類型檢驗算法需要依托計算機實現，準備1臺參數如表2所示的計算機。將三種分類方法編程錄入準確率計算程序中，在電子音樂類型選項中選擇4種電子音樂類型，使用三種類型檢驗算法，計算三種類型分類方法的準確率。

2.2實驗結果與分析

計算三種類型檢測的準確率如圖5~圖7所示。從圖5~圖7可知：傳統分類方法1計算檢測2種電子音樂類型，檢測準確率為75%；傳統分類方法2在計算3種電子音樂類型時，其準確率為87.5%；而使用了多噪聲背景電子音樂類型分類方法計算4種電子音樂類型時，算法的準確率達到了100%，檢驗的準確性更高，更適合在多種噪聲環境下檢測使用。

3結語

噪聲與音樂之間的關系是相輔相成的，一般來講，噪聲的震動是雜亂、無規律的震動，在頻譜上呈現出連續變化，沒有周期性變化；而音樂的震動具有一定的周期性，在頻譜上呈現出離散的變化。但在生活工作中，凡是打擾到工作休息的聲音，包括音樂也成為了噪聲的一種。研究多噪聲背景電子音樂類型檢驗算法，將電子音樂中的各種噪聲使用公式表示，可更加便捷地檢測出電子音樂分類的類型，方便電子音樂的發展。

作者:孫剛平 單位:太原學院