基于BP神經(jīng)網(wǎng)絡(luò)的音樂分類模型

劉明星

摘 要： 針對單一特征難以建立理想音樂分類模型的不足，為了幫助用戶找到自己喜歡的音樂，提出BP神經(jīng)網(wǎng)絡(luò)的音樂分類模型。首先提取音樂的多種類型特征，便于對音樂信息進行準(zhǔn)確描述，然后將這些特征組合在一起作為音樂分類模型的輸入向量，通過BP神經(jīng)網(wǎng)絡(luò)的智能學(xué)習(xí)建立音樂分類模型，最后在Matlab 2016平臺下進行多個音樂分類實驗。結(jié)果表明，該模型克服了單一特征提供信息簡單的局限性，提高了音樂的分類正確率，而且音樂分類的實時性較好，可以用于網(wǎng)絡(luò)上的音樂檢索研究。

關(guān)鍵詞： 情感特征； 音頻特征； RBF神經(jīng)網(wǎng)絡(luò)； 音樂分類器； 音樂檢索； 智能學(xué)習(xí)

中圖分類號： TN711?34； TP391 文獻標(biāo)識碼： A 文章編號： 1004?373X（2018）05?0136?04

Abstract： Since the use of single feature is difficult to establish the satisfied music classification model， a music classification model based on BP neural network is proposed to help users to find their favorite music. The music characteristics with multiple types are extracted to describe the music information accurately. The characteristics are combined as the input vector of the music classification model， and the intelligent learning of BP neural network is adopted to establish the music classification model. The multi?music classification experiment was carried out on Matlab 2016 platform. The results show that the model can overcome the limitations of the single feature providing simple information， improve the classification accuracy of the music， has perfect real?time performance of music classification， and is used to study the music retrieval on the network.

Keywords： emotion characteristic； audio characteristic； RBF neural network； music classifier； music retrieval； intelligent learning

0 引 言

近年來，音樂處理技術(shù)得到迅速發(fā)展，出現(xiàn)了大量的音樂。面對大量的音樂，人們?nèi)绾慰焖僬业阶约合矚g的音樂顯得越來越重要[1]。音樂檢索技術(shù)可以幫助用戶實現(xiàn)該功能，而音樂分類是實現(xiàn)快速檢索的基礎(chǔ)，因此，建立性能優(yōu)良的音樂分類模型成為當(dāng)前音樂檢索領(lǐng)域中的研究重點[2?3]。

音樂分類研究是一個復(fù)雜的系統(tǒng)工程，要獲得理想的分類結(jié)果，涉及的因素相當(dāng)多，出現(xiàn)了許多的音樂分類模型，所有模型都要提取音樂的特征，主要用于描述音樂的信息，以區(qū)別音樂的類型[4?5]。當(dāng)前音樂特征有很多類，如音樂的能量特征、時域特征，頻域特征等，它們可以描述音樂一個具體的內(nèi)容，單一音樂特征提供的信息有限，不能完整描述音樂的整體內(nèi)容，因此無法正確區(qū)別各種類型的音樂[6]。當(dāng)前學(xué)者們經(jīng)常將多種特征組合在一起實現(xiàn)音樂分類，由于提供了更多的信息，音樂分類結(jié)果得到了一定的改善。但是多種特征組合在一起存在兩個問題：一個是特征數(shù)量太多，音樂分類時間明顯延長，無法滿足音樂的在線檢索要求；另一個問題是多種特征可能會提供部分相同信息，使得特征之間會互相影響，特征冗余度增加，對音樂分類產(chǎn)生不利影響[7]。除了要提取音樂的特征之外，還有一個重要的內(nèi)容就是建立音樂分類器，當(dāng)前分類器的建立大多基于機器學(xué)習(xí)理論，如隱馬爾可夫算法、神經(jīng)網(wǎng)絡(luò)、支持向量機等[8?10]，它們均有各自的優(yōu)點，如支持向量機的泛化能力優(yōu)異，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度快等。相對于其他算法，BP神經(jīng)網(wǎng)絡(luò)的綜合性能更優(yōu)，因此在音樂分類研究中得到了廣泛的應(yīng)用[11]。

針對音樂分類過程中的特征優(yōu)化問題，提出基于BP神經(jīng)網(wǎng)絡(luò)的音樂分類模型，最后通過具體實驗對音樂分類效果進行分析。

1 基于BP神經(jīng)網(wǎng)絡(luò)的音樂分類框架

基于BP神經(jīng)網(wǎng)絡(luò)的音樂分類思想為：首先提取不同類型的音樂特征，但不是將音樂多特征進行簡單組合，然后采用灰色關(guān)聯(lián)分析確定每一個特征的貢獻率，通過貢獻率體現(xiàn)第一個特征對音樂分類的重要程度，最后采用BP神經(jīng)網(wǎng)絡(luò)建立音樂的分類器，如圖1所示。

2 音樂的多特征融合

2.1 音樂的分幀和端點檢測

音樂具有非線性變化特點，是一種典型的非平穩(wěn)信號，因此不能直接對音樂數(shù)據(jù)進行特征提取，而是對音樂信號進行分幀處理，然后進行音樂的端點檢測，便于后續(xù)的音樂特征提取操作。

2.2 提取音樂特征

為了解決單一特征的不足，本文提取多種音樂特征，具體如下：

1） 音樂的短時能量特征。音樂與普通聲音的能量區(qū)別很大，相對于普通聲音，音樂的能量值相對更高，因此可以提取每一幀音樂的特征。設(shè)音樂的信號的能量為其計算公式為：endprint

式中表示窗函數(shù)。

當(dāng)音樂信號幀的長度為時，的計算公式變?yōu)椋?/p>

2） 音樂的時域方差特征。對于音樂的某幀可以進行如下描述：

采用小波變換進行平滑操作后，得到處理后的音樂為，具體如下：

音樂時域的均值的計算公式為：

音樂時域的方差的計算公式為：

3） 音樂的頻域方差特征。采用傅里葉變換對音樂進行變換，變換后為，具體為：

并對平滑操作，得到，具體如下：

音樂頻域均值的計算公式為：

音樂頻域方差的計算公式為：

2.3 音樂特征的具體融合

1） 設(shè)音樂的能量、時域方差特征和頻域方差特征組成的特征向量為

2） 對進行預(yù)處理，選擇一組特征向量作為參考對象：與其他組特征向量組成特征向量對。

3） 根據(jù)計算特征向量組之間的偏差，并產(chǎn)生最大和最小差，具體計算方式為和。

4） 特征的灰度關(guān)聯(lián)系數(shù)的計算公式為：

5） 特征的灰色關(guān)聯(lián)度計算公式為：

式中表示權(quán)重。

采用灰色關(guān)聯(lián)度得到音樂特征的貢獻值，以描述特征對音樂的影響大小。

3 音樂的分類器構(gòu)建

3.1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)步驟具體如下：

1） 對于輸入層來說，第個神經(jīng)元輸出和輸入是相等的，因此可以有：

2） 隱含層的第個神經(jīng)元輸入和輸出具體如下：

式中：表示輸入和隱含層的神經(jīng)元權(quán)值；表示隱含層的閾值；為傳遞函數(shù)。

3） 輸出層的第個神經(jīng)元輸入和輸出具體如下：

式中：為輸出和隱含層的神經(jīng)元權(quán)值；表示輸出層的閾值。

3.2 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程

設(shè)樣本集為，其中，表示樣本的編號，期望值和網(wǎng)絡(luò)輸出值的均方誤差和計算公式為：

權(quán)值應(yīng)該滿足的條件為：

式中：為學(xué)習(xí)次數(shù)；為學(xué)習(xí)速率。

權(quán)值應(yīng)該滿足的條件為：

當(dāng)均方誤差和的值達到實際應(yīng)用的要求，那么就建立最優(yōu)的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

3.3 音樂分類模型的工作步驟

音樂分類模型的工作步驟如下：

1） 收集多種類型的音樂數(shù)據(jù)，并對它們進行去噪處理。

2） 對去噪后的音樂進行分幀和端點檢測，得到有用的音樂信號。

3） 提取音樂的能量、時域方差特征和頻域方差特征，并將它們組合在一起，形成特征向量。

4） 采用灰色關(guān)聯(lián)分析確定能量、時域方差特征和頻域方差特征對音樂分類的貢獻，對特征進行加權(quán)操作。

5） 將加權(quán)后的能量、時域方差特征和頻域方差特征作為BP神經(jīng)網(wǎng)絡(luò)的輸入，音樂類型作為BP神經(jīng)網(wǎng)絡(luò)，并進行自適應(yīng)學(xué)習(xí)。

6） 根據(jù)最優(yōu)BP神經(jīng)網(wǎng)絡(luò)建立音樂分類模型。

4 仿真實驗

4.1 音樂數(shù)據(jù)源

為了測試BP神經(jīng)網(wǎng)絡(luò)的音樂分類模型的性能，選擇多種類型的音樂作為實驗對象，它們的數(shù)據(jù)分布具體如表1所示。實驗平臺為Matlab 2016。

4.2 確定特征的貢獻率

采用灰色關(guān)聯(lián)分析確定能量、時域方差特征和頻域方差特征的貢獻率，得到的結(jié)果如表2所示。從表2可知，貢獻率最大為能量特征，說明能量特征對音樂分類結(jié)果的影響最大，頻域方差特征次之，最小為時域方差特征。

4.3 結(jié)果與分析

選擇單一特征作為對比模型，統(tǒng)計它們音樂分類的正確率，得到的結(jié)果如圖2所示，從圖2可知：

1） 單一特征的音樂分類正確率均低于85%，而85%是音樂實際應(yīng)用的最低范圍，低于85%得到的音樂分類結(jié)果不可靠，這說明單一特征能夠提供的音樂信息量相對較少，無法準(zhǔn)確反映音樂的類別。

2） 本文模型的音樂分類正確率要遠遠高于單一特征，而且對于每一種類型音樂，分類正確率超過了85%，達到了音樂的實際應(yīng)用要求，這是因為多種特征組合在一起，可以提供更多的音樂類別信息，達到了信息互補，同時通過灰色關(guān)聯(lián)分析確定每一個特征對分類結(jié)果的貢獻率，獲得了更優(yōu)的音樂分類結(jié)果。

不同模型的音樂分類時間如圖3所示。從圖3可以看出，本文模型的音樂分類時間要多于單一特征，但是分類時間相當(dāng)短，完全可以滿足音樂分類的實時性要求，對實際應(yīng)用范圍沒有影響。

5 結(jié) 語

為了提高音樂的分類正確率，本文提出基于特征融合的音樂分類模型，通過灰色關(guān)聯(lián)分析確定不同特征對音樂分類的影響程度，并將影響程度轉(zhuǎn)換為貢獻率。結(jié)果表明，本文模型克服了單一特征音樂分類正確率低的缺陷，獲得了理想的音樂分類結(jié)果，而且分類速度也可以滿足實際應(yīng)用的要求，具有較高的實際應(yīng)用價值。

參考文獻

[1] GEORGE Tzanetakis， PERRY Cook. Music genre classification of audio signals [J]. IEEE transactions on speech and audio processing， 2002， 10（5）： 293?302.

[2] DUNKER P， BEGAU A， NOWAK S， et al. Content based mood classification for photos and music： a generic multi?modal classification framework and evaluation approach [C]// Proceeding of the 1st ACM International Conference. Vancouver： ACM， 2008： 97?104.endprint

[3] 白亮，老松楊，陳劍，等.音頻自動分類中的特征分析和抽取[J].小型微型計算機系統(tǒng)，2005，26（11）：2029?2034.

BAI Liang， LAO Songyang， CHEN Jian， et al. Feature analysis and extraction of audio automatic classification and extraction of [J]. Minicomputer system， 2005， 26（11）： 2029?2034

[4] 秦丹，馬光志.基于挖掘技術(shù)的音樂風(fēng)格識別系統(tǒng)[J].計算機工程與設(shè)計，2005，26（11）：3094?3096.

QIN Dan， MA Guangzhi. Computer engineering and design， the style of music recognition system based on [J]. Computer engineering and design， 2005， 26（11）： 3094?3096

[5] 胡景凱，吳磊，高陽.基于學(xué)習(xí)分類器（LCS）的MP3音樂分類方法[J].重慶郵電大學(xué)學(xué)報（自然科學(xué)版），2007（4）：417?421.

HU Jingkai， WU Lei， GAO Yang. MP3 music classification method based on learning classifier （LCS） [J]. Journal of Chongqing University of Posts and Telecommunications （natural science edition）， 2007（4）： 417?421.

[6] 張燕，唐振民，李燕萍，等.基于MFCC和 HMM的音樂分類方法研究[J].南京師范大學(xué)學(xué)報（工程技術(shù)版），2008（4）：112?114.

ZHANG Yan， TANG Zhenmin， LI Yanping， et al. Research on the music classification method based on MFCC and HMM [J]. Journal of Nanjing Normal University （engineering technology edition）， 2008（4）： 112?114.

[7] 劉怡，蔚磊，劉子利，等.中國民歌地域風(fēng)格分類中的特征選擇[J].電子學(xué)報，2008，36（1）：27?30.

LIU Yi， WEI Lei， LIU Zili， et al. The characteristics of the classification of regional style of Chinese folk songs [J]. Electronic journal， 2008， 36（1）： 27?30.

[8] 韓浩，王寅瀟，王博，等.基于概率神經(jīng)網(wǎng)絡(luò)的流行音樂分類研究[J].數(shù)字技術(shù)與應(yīng)用，2013（8）：64?65.

HAN Hao， WANG Yinxiao， WANG Bo， et al. Research on the classification of pop music based on probabilistic neural network [J]. Digital technology and application， 2013（8）： 64?65.

[9] 王小鳳，耿國華，李鵬，等.一個基于相關(guān)反饋的神經(jīng)網(wǎng)絡(luò)音樂情感分類器構(gòu)建算法[J].西北大學(xué)學(xué)報（自然科學(xué)版），2012，42（1）：30?35.

WANG Xiaofeng， GENG Guohua， LI Peng， et al. A relevance feedback based neural network music emotion classifier construction algorithm [J]. North University Journal （natural science edition）， 2012， 42（1）： 30?35.

[10] 高林杰，張明.基于熵和支持向量機的音樂分類方法[J].計算機系統(tǒng)應(yīng)用，2014，23（5）：67?83.

GAO Linjie， ZHANG Ming. Music classification method based on entropy and support vector machine [J]. Computer system application， 2014， 23（5）： 67?83.

[11] 劉建輝，曾麗輝，許金鳳，等.基于最小二乘支持向量機的樂器音樂分類[J].華東交通大學(xué)學(xué)報，2009，26（6）：60?64.

LIU Jianhui， ZENG Lihui， XU Jinfeng， et al. Instrumental music classification based on least squares support vector machine [J]. Journal of East China Jiaotong University， 2009， 26（6）： 60?64.endprint