多噪聲背景電子音樂類型分類建模與分析研究

摘? 要： 為了解決傳統(tǒng)電子音樂類型分類方法檢測(cè)準(zhǔn)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(huán)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(jì)算噪聲的短時(shí)能量，得到電子音樂降噪表達(dá)式，計(jì)算頻譜的二階矩，得到不含噪聲的電子音樂短時(shí)能量特征;然后，使用短時(shí)傅里葉變換計(jì)算得到每幀中所有電子音樂點(diǎn)的倒譜系數(shù)，利用倒譜系數(shù)得到計(jì)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(dá)式與計(jì)算電子音樂類型的二維矩陣，處理為最終的噪聲環(huán)境下的電子音樂類型檢測(cè)表達(dá)式。實(shí)驗(yàn)結(jié)果表明，與兩種傳統(tǒng)噪聲環(huán)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(cè)準(zhǔn)確率更高，更適合在噪聲環(huán)境下檢測(cè)電子音樂類型。

關(guān)鍵詞： 電子音樂分類; 多種噪聲環(huán)境; 電子音樂降噪; 噪聲特征提取; 倒譜系數(shù); 二維矩陣計(jì)算

中圖分類號(hào)： TN911.4?34; TP181? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2020）21?0110?04

Classification modeling and analysis of electronic music with multi?noise background

SUN Gangping

（Taiyuan University， Taiyuan 030012， China）

Abstract： In view of the low detection accuracy of the traditional electronic music type classification methods， a classification method of electronic music with multi?noise background is proposed. The electronic music in noisy environment is denoised to obtain the electronic music spectrum with noise. The perceptual wavelet packet transform is used to extract the characteristics of the noise. The eigenvalues of the noise are sampled and the short?term energy of the noise is calculated， so as to get the expression of electronic music denoising. The second moment of spectrum is calculated to get the short?term energy feature of electronic music without noise. Then the short?time Fourier transform is used to calculate the cepstrum coefficients of all electronic music points in each frame， and the obtained cepstrum coefficients are used to get the two?dimensional matrix for calculating electronic music types. The noise processing expression and the two?dimensional matrix for calculating electronic music types are processed into the electronic music type detection expression in the final noise environment by wavelet transform. The experimental results show that， in comparison with the two traditional electronic music type classification methods in noisy environment， the detection accuracy of the classification method of electronic music in multi?noise environment is higher， and it is more suitable for detecting electronic music type in noisy environment.

Keywords： electronic music classification; multi?noise environment; electronic music denoising; noise feature extraction; cepstrum coefficient; two?dimensional matrix calculation

0? 引? 言

噪聲是一類引起人煩躁、或音量過強(qiáng)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(diǎn)分類，共分為四大類：工業(yè)生產(chǎn)噪聲、建筑施工噪聲、交通運(yùn)輸噪聲和社會(huì)噪聲[2]。多種噪聲環(huán)境就是混雜了這四種噪聲的環(huán)境。電子音樂是使用電子樂器以及電子音樂技術(shù)而制作的音樂，一般而言，可使用電子機(jī)械技術(shù)制作的聲音區(qū)別電子音樂的類型。隨著數(shù)字音樂的不斷發(fā)展，如何快速、準(zhǔn)確地處理電子音樂已經(jīng)成為音樂發(fā)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(xiàn)出來，即使處在多種噪聲環(huán)境的影響下，也可以利用算法公式檢測(cè)出電子音樂的類型[3]。

1? 多噪聲背景電子音樂類型檢驗(yàn)算法設(shè)計(jì)

1.1? 計(jì)算電子音樂降噪表達(dá)式

在多種噪聲環(huán)境下，隨機(jī)播放一段20 s的電子音樂，計(jì)算得出20 s的電子音樂中，共有40 000個(gè)音樂點(diǎn)[4]。繪制出這40 000個(gè)音樂點(diǎn)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(yù)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(gè)介于0.9～1.0之間的常數(shù);[H]代表預(yù)處理過程;[z]表示夾雜著噪聲的音樂頻率峰值。此時(shí)的噪聲數(shù)據(jù)可表示為：

[y（n）=s（n）-as（n-1）]? （1）

式中：[y（n）]表示噪聲的時(shí)域數(shù)據(jù);[n]表示夾雜著噪聲的電子音樂信號(hào);[s（n）]代表噪聲信號(hào);[a]為一個(gè)常數(shù)。

使用感知小波包變換提取噪聲特征，然后采用分解樹結(jié)構(gòu)，處理組成噪聲特征的噪聲頻率群臨界帶，聯(lián)合巴克尺度[[bark]]計(jì)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(shù)目，采樣電子音樂頻率，設(shè)置電子音樂中的噪聲采樣頻率為10 Hz，并獲得5 Hz的帶寬，此時(shí)的帶寬存在大約18個(gè)臨界點(diǎn)[6]。加窗DFT處理帶寬中的臨界點(diǎn)，設(shè)[X=[x（0），x（1），…，x（N-1）]T]，其中：[X]為一帶寬中[N]個(gè)采樣點(diǎn)的數(shù)據(jù);[T]為采樣次數(shù)。計(jì)算采樣點(diǎn)的短時(shí)能量[En]為：

[En=m=0N-1x2n（m）] （3）

式中[m]為采樣系數(shù)。

得到采樣點(diǎn)的短時(shí)能量幅度變化如圖2所示。

由圖2可知，每個(gè)采樣點(diǎn)的短時(shí)能量[En]值不同，一般來講，噪聲摻雜多的電子音樂短時(shí)能量值要比含有噪聲種類少的電子音樂短時(shí)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(hào)矢量[Xf（m）]為：[Xf（m）=Xf（m，1），Xf（m，2），…，][Xf（m，N）]，平滑處理得到[Xf（m）=Xf（m，1），Xf（m，2），…，]

[Xf（m，N）]，取平滑處理得到公式的對(duì)數(shù)為：

[Xf（m）=10ln（Xf（m））] （4）

此時(shí)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(duì)電子音樂類型檢測(cè)工作的干擾，然后針對(duì)電子音樂自身的類型特征，建立電子音樂檢測(cè)矩陣[8]。

1.2? 建立電子音樂類型檢測(cè)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(shí)能量特征，為了統(tǒng)一多種類型電子音樂的頻譜特征，計(jì)算圖2中頻譜變化較大部分的頻譜信號(hào)方差值，其數(shù)學(xué)表達(dá)式為：

[sp=i=1N（fi-C）2p（fi）i=1Np（fi）] （5）

式中：sp表示頻譜的二階矩值;[fi]為頻譜的頻率值;[C]為常數(shù);[p]表示特征函數(shù)。

頻譜方差可以描述電子音樂類型頻譜信號(hào)分布的對(duì)稱程度，當(dāng)sp為零時(shí)，此時(shí)的電子音樂頻譜是對(duì)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(jì)算公式為基礎(chǔ)，計(jì)算對(duì)稱頻譜內(nèi)的每種電子音樂類型的短時(shí)能量特征sk，繪制電子音樂類型短時(shí)能量的頻譜如圖3所示。

分兩部分處理圖3的短時(shí)能量頻譜，分別對(duì)每個(gè)部分的電子音樂短時(shí)特征加漢明窗處理，使用短時(shí)傅里葉變換，計(jì)算得到每部分中所有電子音樂點(diǎn)的倒譜系數(shù)[G]為：

[G=G1，G2，…，G3=110i=110Gi1，110i=110Gi2，…，110i=110GiL] （6）

計(jì)算每個(gè)采樣點(diǎn)的[G]值，得到一個(gè)大小為[N×L]的[y（n）]二維矩陣：

[y（n）=y11y12…y1Ly21y22…y2L????yN1yN2…yNL] （7）

矩陣中的一行代表一部分中的采樣行，兩個(gè)部分共有[L]個(gè)點(diǎn)，每個(gè)點(diǎn)代表不同類型電子音樂的短時(shí)能量[10]。式中[y11]代表電子音樂起始點(diǎn)的第一個(gè)短時(shí)能量點(diǎn)，此時(shí)的式（7）矩陣就是檢測(cè)電子音樂類型的檢測(cè)矩陣。在構(gòu)建多噪聲背景的電子音樂類型分類方法時(shí)，聯(lián)合電子音樂降噪表達(dá)式整合最終的公式，實(shí)現(xiàn)在多噪聲背景下對(duì)電子音樂類型進(jìn)行檢測(cè)[11]。

1.3? 構(gòu)建噪聲環(huán)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(cè)矩陣式（7），小波變換處理這兩個(gè)公式，定義兩個(gè)公式的平方可積函數(shù)[φ（t）]滿足母小波條件：[-∞+∞φ（ω）2ω-1dω<+∞]，其中，[ω]為小波系數(shù)[12]。將式（1）用[a]代替，式（2）用[b]代替，設(shè)定此時(shí)的[a]與[b]同時(shí)滿足[φa，b=1aφt-ba]，[t]表示式（1）與式（2）之間的脈沖系數(shù)[13]。所以最終得到的抗噪聲電子音樂類型檢測(cè)表達(dá)式為：

[f（t）=1CφRR1a2Wf（a，b）φt-badadb]? ? ?（8）

式中：[C]是一個(gè)在0.5～0.7之間的一個(gè)常數(shù);[Wf]表示頻帶系數(shù);[R]為覆蓋的信號(hào)頻帶[14]。

在多種噪聲環(huán)境下對(duì)電子音樂類型分類方法的工作流程如圖4所示。

算法的計(jì)算過程如圖4所示，使用式（8）計(jì)算多噪聲背景電子音樂類型時(shí)，[f（t）]的值不同，代表不同的電子音樂類型[15]。數(shù)值與音樂類型的對(duì)應(yīng)如表1所示。按照?qǐng)D4的計(jì)算步驟得出數(shù)值，對(duì)照數(shù)值對(duì)應(yīng)的電子音樂類型，完成對(duì)多種噪聲環(huán)境下電子音樂類型的檢測(cè)計(jì)算。

2? 仿真實(shí)驗(yàn)

2.1? 實(shí)驗(yàn)設(shè)計(jì)

多噪聲背景的電子音樂類型檢驗(yàn)算法需要依托計(jì)算機(jī)實(shí)現(xiàn)，準(zhǔn)備1臺(tái)參數(shù)如表2所示的計(jì)算機(jī)。將三種分類方法編程錄入準(zhǔn)確率計(jì)算程序中，在電子音樂類型選項(xiàng)中選擇4種電子音樂類型，使用三種類型檢驗(yàn)算法，計(jì)算三種類型分類方法的準(zhǔn)確率。

2.2? 實(shí)驗(yàn)結(jié)果與分析

計(jì)算三種類型檢測(cè)的準(zhǔn)確率如圖5～圖7所示。從圖5～圖7可知：傳統(tǒng)分類方法1計(jì)算檢測(cè)2種電子音樂類型，檢測(cè)準(zhǔn)確率為75%;傳統(tǒng)分類方法2在計(jì)算3種電子音樂類型時(shí)，其準(zhǔn)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(jì)算4種電子音樂類型時(shí)，算法的準(zhǔn)確率達(dá)到了100%，檢驗(yàn)的準(zhǔn)確性更高，更適合在多種噪聲環(huán)境下檢測(cè)使用。

3? 結(jié)? 語(yǔ)

噪聲與音樂之間的關(guān)系是相輔相成的，一般來講，噪聲的震動(dòng)是雜亂、無規(guī)律的震動(dòng)，在頻譜上呈現(xiàn)出連續(xù)變化，沒有周期性變化;而音樂的震動(dòng)具有一定的周期性，在頻譜上呈現(xiàn)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(yàn)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(cè)出電子音樂分類的類型，方便電子音樂的發(fā)展。

參考文獻(xiàn)

[1] 馮平興，魏平.多類型噪聲中的獨(dú)立成分分離算法[J].電子科技大學(xué)學(xué)報(bào)，2017，46（2）：352?356.

[2] 周萍，張上鑫，鄭凱鵬.基于分形維數(shù)與TEO的語(yǔ)音端點(diǎn)檢測(cè)算法[J].微電子學(xué)與計(jì)算機(jī)，2017，34（6）：21?25.

[3] 張小恒，李勇明，謝文賓.基于進(jìn)化算法低信噪比環(huán)境的基音頻率檢測(cè)[J].現(xiàn)代電子技術(shù)，2017，40（11）：46?52.

[4] 吳禮福，申浩.掩蔽法減少譜減法去混響中的音樂噪聲[J].電子測(cè)量與儀器學(xué)報(bào)，2017，31（11）：1855?1859.

[5] 張維維，陳喆，殷福亮.結(jié)合改進(jìn)歐幾里得算法和動(dòng)態(tài)規(guī)劃的音樂主旋律提取[J].信號(hào)處理，2018，34（8）：1008?1015.

[6] 陳明建，龍國(guó)慶，黃中瑞.非均勻噪聲背景下信源數(shù)估計(jì)算法[J].信號(hào)處理，2018，34（2）：134?139.

[7] 張才，陳優(yōu)廣.基于噪聲自檢測(cè)的分段非線性組合Adaboost改進(jìn)算法[J].計(jì)算機(jī)工程，2017，43（5）：163?168.

[8] 周婧，范凌云.基于最小二乘支持向量機(jī)的電子音樂識(shí)別研究[J].現(xiàn)代電子技術(shù)，2018，41（9）：109?112.

[9] 汪家冬，鄒采榮，蔣本聰，等.基于數(shù)字助聽器聲音場(chǎng)景分類的噪聲抑制算法[J].數(shù)據(jù)采集與處理，2017，32（4）：825?830.

[10] 徐堅(jiān)，陳優(yōu)廣.基于噪聲自檢測(cè)的并行AdaBoost算法[J].計(jì)算機(jī)應(yīng)用與軟件，2018，35（1）：288?294.

[11] 馮杰，武德安，吳磊.基于噪聲概率的多核集成算法[J].微電子學(xué)與計(jì)算機(jī)，2017，34（9）：63?66.

[12] 徐德明，萬長(zhǎng)林.可抗噪聲的Canny改進(jìn)邊緣檢測(cè)算法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2017，26（1）：201?205.

[13] 陳凌翔，柯永振，孫玉婷.一種用于圖片來源檢測(cè)的相機(jī)參考模式噪聲提取算法[J].計(jì)算機(jī)工程，2017，43（12）：227?230.

[14] 房玉琢，許志勇，趙兆.混響和噪聲環(huán)境下基于角度譜的多聲源定位與計(jì)數(shù)算法[J].國(guó)防科技大學(xué)學(xué)報(bào)，2018，40（3）：113?119.

[15] 陽(yáng)帆，嚴(yán)迪群，徐宏偉，等.基于噪聲一致性的數(shù)字語(yǔ)音異源拼接篡改檢測(cè)算法[J].計(jì)算機(jī)應(yīng)用，2017，37（12）：3452?3457.

作者簡(jiǎn)介：孫剛平（1975—），男，山西新絳人，碩士，講師，研究方向?yàn)橐魳方逃?、管樂（長(zhǎng)笛）。