[发明专利]一种基于PSO-BP神经网络的民族乐器识别方法

权利要求书

1.一种基于PSO-BP神经网络的民族乐器识别方法，其特征在于，所述方法包括：

输入数据源，利用mel滤波器对数据源进行滤波处理，提取得到标准梅尔倒谱参数特征MFCC；

利用提取得到的标准梅尔倒谱参数特征MFCC对PSO-BP神经网络分类模型进行训练；

将需要识别的民族乐器音频输入经过训练的PSO-BP神经网络分类模型，得到识别结果。

2.根据权利要求1所述的基于PSO-BP神经网络的民族乐器识别方法，其特征在于，构建所述PSO-BP神经网络分类模型的步骤，具体包括：

初始步优化与特定粒子群结构的参数，所述参数包括粒子群在集群的元素个数、最大迭代的发生次数、粒子的位置和速度；

通过适应度函数来评估和计算各种粒子适应度值，并进行评价；

根据粒子适应度值分别对Pbest和Gbest进行更新，根据速率公式更新整个粒子群的中心位置和移动速度，判断是否满足输出条件，若满足条件则输出结果，否则返回上一步骤；

将经过改进pso算法进行计算优化后的最优权值和阈数值分别传递给具有bp的神经网络分类模型，输入训练集，进行逻辑学习与计算训练，训练完成后得到pso-bp神经网络分类模型。

3.根据权利要求2所述的基于PSO-BP神经网络的民族乐器识别方法，其特征在于，所述输出条件为迭代次数达到限定次数或者获得最佳适应度值。

4.根据权利要求2所述的基于PSO-BP神经网络的民族乐器识别方法，其特征在于，改进pso算法中采用线性向量递减算法惯性向量权重算法，公式如下：

ω(k)＝ω_start-(ω_start-ω_end)(T_max-k)/T_max，

其中，ω_start为初始惯性权重，ω_end为迭代至最大次数时的惯性权重，k为当前迭代代数，T_max为最大迭代代数情况下，惯性权值取值为ω_start＝0.9，ω_end＝0.4。

5.根据权利要求1所述的基于PSO-BP神经网络的民族乐器识别方法，其特征在于，输入数据源，利用mel滤波器对数据源进行滤波处理，提取得到标准梅尔倒谱参数特征MFCC的步骤，具体包括：

输入数据源，通过高通滤波器进行预加重处理，所述高通滤波器为：

H(Z)＝1-μz^-1，式中μ为0.98；

对数据点进行分帧，1024点被划分为一帧，

加上汉明窗，对每一帧数据点进行fft变换，将所有的能量谱经由一组12个mel尺度的三角形滤波器组，mel滤波器组的公式如下：

式中，

经过离散余弦变换后，得到标准梅尔倒谱参数特征MFCC。

6.根据权利要求1所述的基于PSO-BP神经网络的民族乐器识别方法，其特征在于，提取标准梅尔倒谱参数特征MFCC时，同时提取相应的一阶差分计算参数和二阶差分计算参数，则MFCC的全部差分计算参数是由12维MFCC系数+12维一阶差分计算参数+12维二阶差分计算参数组成的36维MFCC差分计算参数。

7.根据权利要求6所述的基于PSO-BP神经网络的民族乐器识别方法，其特征在于，差分计算参数的计算采用如下公式：

式中，θ_m表示第m个一阶差分计算参数，C_m表示第m个梅尔倒谱系数，Q表示梅尔倒谱系数的阶数，K表示一阶导数的时间差，将上式的结果再代入得到二阶差分计算参数。