基于特征挖掘的相似音樂片段檢測方法研究

張遼艷

（渭南師范學院莫斯科藝術學院，陜西 渭南 714000）

1 引言

在音頻數(shù)據(jù)多樣化的發(fā)展下，如何檢測相似音樂片段成為了當下的研究熱點[1]。國外使用相似音樂片段檢測的軟件相對成熟，標記音頻特征檢測數(shù)值關系，主要應用于歌曲風格和旋律的區(qū)分。國內(nèi)在對音樂片段檢測上還有許多不足，比如文獻[2]中的檢測方法將音樂片段處理為MIDI文件樣本，結合音頻核驗處理方法構建一個匹配模式，雖然實現(xiàn)了相似音樂片段的檢測，但是匹配模式的精度不夠。文獻[3]的檢測方法利用注意力機制分配相似音樂片段的動態(tài)參數(shù)計算數(shù)值的上下權重，雖然數(shù)值檢測較為精準，但因用時過長在實際應用中效率不高。

本文以特征挖掘作為重點，設計基于特征挖掘的相似音樂片段檢測方法，在實際應用中檢測效率高。

2 相似音樂片段檢測方法

2.1 相似音樂片段特征挖掘

設定音樂片段的采集周期t為0．5 s 后，控制音樂片段的重疊率為0，將音樂片段處理為特征向量集，數(shù)值關系I可表示為：

其中，ci表示索引函數(shù)，為了控制噪聲數(shù)據(jù)產(chǎn)生的干擾，引入時序信息[4]，拓展函數(shù)E的處理過程可表示為：

其中，D(t)表示周期性相似片段，不同的挖掘周期下產(chǎn)生的音頻損失如下圖所示。

綜合考慮上述音頻損失參數(shù)，將該數(shù)值增添至計算得到的拓展處理函數(shù)當中[5]，循環(huán)移位處理定制化公式為：

其中，φ、E(t)表示循環(huán)位移處理函數(shù)和周期基調(diào)函數(shù)，γ為定值。運用全局閾值策略[6]，提取得到相似音樂片段特征數(shù)M(i)的關系為：

其中，S(i)表示相似音樂片段的遞推函數(shù)，E(i)表示全局閾值函數(shù)。

2.2 數(shù)值化處理相似音樂特征

引用跳字算法構建一個相似音樂特征的數(shù)值概率關系P可表示為[7]：

其中，wi、wj分別表示不同結構的相似音樂特征函數(shù)，C表示映射維度，i、j表示處理的音樂特征。結合該數(shù)值關系，構建一個特征數(shù)值預測過程，可表示為：

其中，vl、ω表示結構相似性函數(shù)和二次項系數(shù)，引入適當?shù)膍、k參數(shù)輔助向量[8]，控制計算得到的估計參數(shù)vmk為：

利用正態(tài)分布初始化分解上述計算得到的估計參數(shù)[9]，選定數(shù)值映射表示為D，評價數(shù)值化處理后的音樂片段相似性，評價函數(shù)Q為：

設置上下文窗口為固定值g的范圍后，U為估計參數(shù)數(shù)據(jù)集，xi激活函數(shù)，可數(shù)值化處理形成的相似音樂特征可表示為：

2.3 構建相似片段檢測算法

利用上述數(shù)值化處理后的音樂數(shù)值，結合音頻數(shù)值k的特征和加窗處理的變換幀n，采用加窗運算將音頻數(shù)據(jù)轉換為時域參數(shù)[10]，得到函數(shù)x(n)為：

相似音樂片段存在多個平滑度相同的幀，調(diào)整時域數(shù)值在音樂信號中相位變化處理為：

其中，M、H表示窗的大小與采樣參數(shù)，為消除音頻首尾靜音信號產(chǎn)生的干擾，提取音頻產(chǎn)生的短時能量E為：

其中，Ei、N表示首尾音頻的能量數(shù)值與片段數(shù)值，設定音樂片段的壓縮步長為3，形成的相似片段匹配過程如下圖所示。

對應上圖所示的匹配過程，為控制音樂檢測的精度，對相似片段處理的加權函數(shù)G為：

其中，S和Ri表示壓縮步長和加權函數(shù)。最終完成基于特征挖掘的相似音樂片段檢測方法的研究。

3 仿真實驗

3.1 實驗準備

為支持音樂片段的采集，配置如下表所示的服務器，服務器參數(shù)如表1所示。

表1 準備的服務器參數(shù)

對應上表服務器參數(shù)，準備20 種音符的音樂文件設拍速為120并提取音軌作為實驗處理對象，采集的音樂主旋律音符信息矩陣如表2所示。

表2 采集的音樂信息矩陣

在下述采集的音樂片段參數(shù)下，begin_tick-end_tick表示音頻的起始結束時間，vol與bpm表示音樂片段的特征，準備兩種傳統(tǒng)檢測方法與所設計的檢測方法進行實驗。

3.2 結果及分析

基于上述實驗準備，調(diào)試采集得到的音樂信息矩陣至上位機后，計算三種檢測方法的檢測準確率Pr可表示為：其中，R(u)表示待對比的音樂片段，T(u)表示實際匹配的音樂片段。對應上述的數(shù)值關系，計算并匯總三種檢測方法的準確率結果，實驗結果如表3所示。

表3 三種檢測方法準確率結果

根據(jù)表3所示的準確率結果可知，傳統(tǒng)檢測方法1和檢測方法2得到的準確率數(shù)值在75%左右和87%左右，檢測結果的準確率小，而所設計的檢測方法最終檢測準確率在95%左右，準確率最大，在檢測相似的音樂片段上最為準確。

在上述實驗環(huán)境下，選定YYXX-01～YYXX-05的音樂信息作為處理對象，記錄三種檢測方法可檢測音樂片段的長度，結果如下圖所示。

由圖3可知，傳統(tǒng)檢測方法1、2 的檢測音頻長度在5000tick與6000tick左右，文章設計的檢測方法可檢測的音頻長度在8000tick 左右，長度最大。設定音樂音頻文件的界限數(shù)量為10，重復迭代次數(shù)n為500次后檢測效率關系為：

其中，X表示待處理的音樂片段，對應上述設定的數(shù)值關系，三種檢測方法的檢測效率結果如下圖所示。

如圖4可知，傳統(tǒng)檢測方法1 和檢測方法2 的檢測效率在0．4和0．6左右，檢測效率較小。文章設計的檢測方法實際的檢測效率數(shù)值在0．8左右，并與傳統(tǒng)檢測方法相比檢測效率最大。

4 結束語

本文方法以特征挖掘作為技術支持，以相似音樂片段表現(xiàn)出的互通性，設計相似音樂片段檢測方法。經(jīng)實驗驗證，所設計的檢測方法能夠改善傳統(tǒng)檢測方法檢測效率過小的問題，實用效率高，為今后檢測相似音樂片段提供理論支持。