[发明专利]一种基于条件随机场的中国民歌地域分类方法

摘要

本发明公开了一种基于条件随机场的中国民歌地域分类方法。本发明提出考虑音乐的时序性，采用条件随机场对民歌的帧特征进行建模，其中结合受限玻尔兹曼机计算其标注序列，使用拟牛顿算法和k次对比散度方法对参数进行学习，最后进行音乐地域分类的实现。相比于传统的方法，本发明解决了特征序列时序关系缺失问题，同时采用受限玻尔兹曼机计算条件随机场标注序列，解决了以往研究计算标注序列的准确度“瓶颈”问题。此外，受限玻尔兹曼机对音频帧特征进行学习，得到音乐高级特征，增大了帧特征之间的差异，简化了手工音频特征设计的难度。本发明方法有效解决了民歌分类精度的问题，提高了民歌地域风格分类的结果。

主权项

1.一种基于条件随机场的中国民歌地域分类方法，其特征在于，首先对音乐的音频特征进行提取，然后基于条件随机场建立音频特征时序模型，同时结合受限玻尔兹曼机计算其标注序列，使用拟牛顿算法和k次对比散度方法对参数进行学习，最后进行中国民歌的地域分类的实现，具体包括以下步骤：1)音乐的音频特征提取：包括音频特征的挑选，音乐片段的分帧，音乐音频特征的提取，具体包括以下步骤，1‑1)音频特征的挑选：从音频信号不同变化域的角度进行分析，选择时域特征、频域特征和倒谱域特征作为表征音乐音色与旋律的音频特征；1‑2)音乐片段的分帧：考虑到音乐音频的短时平稳性，将音乐音频m采样成连续的短时段，m＝{m₁,m₂,...,m_i,...,m_N}，其中m_i称为“帧”，N表示序列长；1‑3)音乐音频特征的提取：以帧为单位，对音乐音频片段m提取1‑1)中的相关特征v＝{v₁,v₂,...,v_i,...,v_N}，其中v_i∈R^d表示第i帧的含有d维数据的特征向量；2)建立音频特征时序模型：考虑各帧音频特征之间的时序关系，通过条件随机场对具有不同地域风格的民歌进行建模；3)计算音频预测标注序列：基于条件随机场模型的音频预测标注序列计算过程，包括音乐高级特征的学习，标注序列的确定，具体包括以下步骤，3‑1)音乐高级特征的学习：将提取的特征序列v作为受限玻尔兹曼机的输入，采用k次对比散度方法进行网络学习，将隐藏层计算得到的抽象特征作为音乐高级特征，表示为x＝{x₁,x₂,...,x_i,...,x_N}，其中x_i∈R^d表示第i帧的含有d维数据的音乐高级特征向量；3‑2)标注序列的确定：将音乐高级特征向量x作为条件随机场观测序列的观测值，采用受限玻尔兹曼机计算特征函数，进而得到条件随机场标注序列y＝{y₁,y₂,...,y_i,...,y_N}，y_i表示第i帧高级特征x_i对应的地域类别标注；4)音乐地域分类的实现：根据得到的不同地域风格对应的模型，对歌曲的地域类别进行识别。