[发明专利]一种基于声乐特征的个性化歌曲推荐方法

摘要

本发明实施例公开了一种基于声乐特征的个性化歌曲推荐系统。该方法包括如下步骤：特征提取步骤：提取歌唱数据的音域特征、速度特征和音色特征，其中音域特征包括绝对音域和相对音域，速度特征是每分钟节拍数，音色特征是梅尔频率倒谱系数训练的高斯混合模型。系统推荐步骤：将用户演唱片段用关键音匹配算法找到音乐库中的对应歌曲，进行音域适合度检测、歌曲适合度检测、歌手适合度检测。用提取的用户特征进行歌手推荐和歌曲推荐。利用本发明实施例，可以实现评价当前演唱歌曲是否适合用户演唱，并进一步推荐与用户声乐能力相匹配的歌手和适合用户演唱的歌曲。从用户演唱的角度出发，将传统的音乐推荐范围进行了推广，具有很高的实用价值。

主权项

1.一种基于声乐特征的个性化歌曲推荐方法，其特征在于，包括以下步骤：一.特征提取步骤：A、音域特征提取：读入歌唱片段并通过快速傅里叶变换得到频谱，将每帧信号频谱值最大处对应的频率作为备选音高，并将其作为二到五次谐波时对应的基频加入到备选音高集合中；从歌唱片段中提取出每帧的备选音高集合；计算备选音高的选中概率，取概率最大者为输出音高，得到初始音高序列；对初始音高序列去孤立点，得到最终预测音高序列；找出最终预测音高序列的最高音和最低音，计算绝对音域和相对音域；备选音高集合表达式为：其中，fi表示当前帧的第i个备选音高，fmax表示当前帧的频谱峰值对应的频率；每个备选音高的选中概率为：其中，hm＝0.55m‑1为压缩因子，A(nf)是f的n次谐波对应的频谱幅度；音域特征提取的步骤，具体包括：在得到初始音高序列后进行去孤立点，判断初始音高序列中的各点是正常点的规则是该点音高与前一点和后一点的音高一致，频率差不超过60Hz；得到最终预测音高序列后，绝对音域为最低音到最高音的区间，相对音域是该区间对应的八度个数；B、速度特征提取：利用小波变换得到原始歌唱信号的一系列子频带；对每一个子频带分别做低通滤波、下采样，得到时域上的振幅包络；对其求和并做自相关函数分析，将得到的前5个峰值的每分钟节拍数BPM值相加得到速度特征；C、音色特征提取：提取歌唱片段的39阶梅尔频率倒谱系数，用其训练该歌唱片段的含64个成分的高斯混合模型；二.推荐步骤：将用户演唱片段用关键音匹配算法找到音乐库中的对应歌曲；进行音域适合度检测、歌曲适合度检测和歌手适合度检测后；用提取的音域特征和音色特征进行歌手推荐和歌曲推荐；关键音匹配算法步骤如下：1)用户歌唱片段记为User(n)，音乐库中的片段记为Music(N)；用户歌唱片段序列和音乐库片段序列为二维向量序列，其中pitch表示当前关键音的音高，duration表示当前关键音的音长；在Music(N)中寻找与User(n)可能相似的片段；①对Music(N)和User(n)进行关键音提取，得到各自的关键音序列Musicp(M)和Userp(m)，M和m为关键音序列的长度；关键音序列为三维向量序列，其中changetime表示当前关键音与前一个关键音之间音高改变的次数，difference表示当前关键音与前一个关键音音高的差值，position表示当前关键音在旋律序列中的位置；②比较关键音序列Musicp(M)和Userp(m)，确定Music(N)中可能与User(n)相似的片段，进行关键音匹配；2)根据步骤1)中找到的相似片段，将User(n)的整体音高调整到与Music(N)一致，歌唱速度调整到与原唱速度一致；3)计算User(n)和Music(N)的相似度；①对User(n)和Music(N)进行时间的交叉划分，得到User(m)和Music(M)；②对User(m)和Music(M)进行音长的交叉划分，得到User(t)和Music(t)，序列长度为T；这两个序列的音高分量序列和音长分量序列分别记为Userp(t)、Userd(t)、Musicp(t)、Musicd(t)；③按下式计算用户歌唱片段和音乐库片段的相似度：Similarity值越小，相似度越高；Similarity＝0时，代表两段旋律完全相同。