[发明专利]一种基于多音源分离的电子音乐分类方法及系统

说明书

本发明公开了一种基于多音源分离的电子音乐分类方法及系统，其中的基于多音源分离的电子音乐分类方法包括：读取待分类电子音乐文件，利用音源分离网络，提取出具有代表性的N种音源；将分离出的N种音源文件和原曲一起，通过短时傅里叶变换和谐波/冲击源分离技术，生成频谱图矩阵；频谱图矩阵通过卷积循环神经网络(CRNN)，获得包含局部信息和时序信息的特征表示。将该特征表示通过多个全连接层和softmax函数，最后输出待分类电子音乐的类别。采用本方法能够大大提高电子音乐分类的精确性。

技术领域

本发明涉及计算机技术领域，具体涉及一种基于多音源分离的电子音乐分类方法及系统。

背景技术

随着电音节、电音文化的盛行，电子音乐早已摆脱了小众、实验的形象，逐步走向主流音乐市场的怀抱。而经过自上个世纪70年代以来的蓬勃发展，电子音乐的风格种类正不断增加，维基百科至今已收录超过200种细分类型，海量的电子音乐亟待通过分类改善数据库的管理，以及实现更多用户化的行为，如音乐检索，音乐推荐等。

本申请发明人在实施本发明的过程中，发现现有技术的方法，至少存在如下技术问题：

对现有的音乐分类模型进行移植，无法满足电子音乐众多类别的准确度要求。与其他大众已熟知的音乐相比，电子音乐有一些辨识度比较高的乐曲特点，包括有节奏感的鼓点和贝斯结构以及乐曲的节拍速度等，已有的分别基于音源分离和基于深度学习的方法没有充分挖掘这些信息，分类准确率不高。

发明内容

本发明提出一种基于多音源分离的电子音乐分类方法及系统，用于解决或者至少部分解决现有技术中的方法存在的分类准确率不高的技术问题。

为了解决上述技术问题，本发明第一方面提供了一种基于多音源分离的电子音乐分类方法，包括：

S1：获取电子音乐文件，进行预处理和标记后形成训练数据；

S2：构建电子音乐分类模型，其中，电子音乐分类模型包括音源分离网络、时频域变换模块以及分类网络，其中，音源分离网络用于从输入的音乐文件中提取出N种音源，时频域变换模块用于根据分离出的N种音源文件与输入的音乐文件的原曲，通过短时傅里叶变换和谐波/冲击源分离技术，进行时频域转换生成频谱图矩阵，其中生成的频谱图矩阵用以存储音乐文件的音乐特征，分类网络包括卷积循环神经网络、全连接层以及Softmax函数，卷积循环神经网络用以从生成的频谱图矩阵中提取出局部信息和时序信息的特征表示；全连接层和Softmax函数用以根据卷积循环神经网络提取出的特征表示，输出音乐文件的类别；

S3：将训练数据输入至构建的电子音乐分类模型中，并采用随机梯度下降法进行训练，得到训练好的电子音乐分类模型；

S4：将待分类的电子音乐文件输入训练好的电子音乐分类模型中，得到分类结果。

在一种实施方式中，S1中对获取的电子音乐文件进行预处理和标记，包括：

从获取的电子音乐文件中提取出多种音乐源，并标记音乐文件的类别，将原曲、多种音乐源以及类别组成的样本-标签对作为训练数据。

在一种实施方式中，S2中的音源分离网络包括编码器、解码器以及双向长短期记忆网络BiLSTM，编码器包括多个编码层，解码器包括多个解码层，其中，编码器为Len层全卷积网络结构，原曲的波形序列输入每个编码层依次进行若干一维卷积核、ReLU激活函数和一个门控线性单元的计算，并输出至下一个编码层和对应的解码层，最后一个解码层的输出作为BiLSTM的输入；

解码器为Lde层全卷积网络结构，BiLSTM的循环输出作为第一个解码层的输入，依次进行若干一维卷积核、ReLU计算，并与对应编码层的高解析度特征拼接，再进行门控线性单元，若干一维反卷积核以及ReLU的计算，最终得到N种音源，其中，N为正整数。