劉紅梅

(阿克蘇職業(yè)技術(shù)學(xué)院 人文藝術(shù)學(xué)院，新疆 阿克蘇 843000)

0 引言

隨著人們生活水平不斷的提高，對(duì)音樂(lè)需求更加廣泛，同時(shí)隨著聲樂(lè)技術(shù)不斷的成熟，出現(xiàn)了許多音曲，樂(lè)曲節(jié)拍具有多樣性，如何對(duì)樂(lè)曲節(jié)拍進(jìn)行準(zhǔn)確識(shí)別，是當(dāng)前音樂(lè)研究領(lǐng)域中的一個(gè)重要課題[1-3]。

針對(duì)樂(lè)曲節(jié)拍識(shí)別問(wèn)題，許多學(xué)者和研究機(jī)構(gòu)進(jìn)行了廣泛、深入的研究，提出許多有效的樂(lè)曲節(jié)拍識(shí)別方法[4-6]。樂(lè)曲節(jié)拍識(shí)別與語(yǔ)音識(shí)別具有一定的相似性，識(shí)別原理大致相同，如基于卷積神經(jīng)網(wǎng)絡(luò)的樂(lè)曲節(jié)拍識(shí)別方法等[7-9]。在實(shí)際應(yīng)用中，這些樂(lè)曲節(jié)拍識(shí)別方法還存在許多不足，如樂(lè)曲節(jié)拍識(shí)別的精度低，經(jīng)常出現(xiàn)誤識(shí)現(xiàn)象，拒識(shí)率相當(dāng)高，難以滿足樂(lè)曲節(jié)拍識(shí)別的實(shí)際要求[10-12]。

音頻指紋是一種重要的語(yǔ)音信號(hào)特征，其可以描述樂(lè)曲節(jié)拍類型，為了提高樂(lè)曲節(jié)拍識(shí)別精度，克服當(dāng)前樂(lè)曲節(jié)拍識(shí)別過(guò)程中存在的不足，提出基于音頻指紋技術(shù)的樂(lè)曲節(jié)拍識(shí)別系統(tǒng)，并與當(dāng)前其它樂(lè)曲節(jié)拍識(shí)別系統(tǒng)進(jìn)行了對(duì)比測(cè)試。結(jié)果表明，本文系統(tǒng)得到了理想的樂(lè)曲節(jié)拍識(shí)別結(jié)果，樂(lè)曲節(jié)拍誤識(shí)率低于對(duì)比系統(tǒng)，驗(yàn)證了本文系統(tǒng)的優(yōu)越性。

1 基于音頻指紋技術(shù)的樂(lè)曲節(jié)拍識(shí)別系統(tǒng)

一個(gè)完整的樂(lè)曲節(jié)拍識(shí)別系統(tǒng)包括硬件部分和軟件部分，其中硬件部分是樂(lè)曲節(jié)拍識(shí)別系統(tǒng)的基礎(chǔ)，而軟件部分是樂(lè)曲節(jié)拍識(shí)別系統(tǒng)的靈魂，兩部分協(xié)調(diào)工作完成樂(lè)曲節(jié)拍識(shí)別。

1.1 樂(lè)曲節(jié)拍識(shí)別系統(tǒng)的硬件結(jié)構(gòu)

基于音頻指紋技術(shù)的樂(lè)曲節(jié)拍識(shí)別系統(tǒng)硬件結(jié)構(gòu)如圖1所示。

圖1 樂(lè)曲節(jié)拍識(shí)別系統(tǒng)的硬件結(jié)構(gòu)

主要包括：樂(lè)曲節(jié)拍信號(hào)采集模塊、樂(lè)曲節(jié)拍信號(hào)的存儲(chǔ)和傳輸模塊，樂(lè)曲節(jié)拍識(shí)別模塊。樂(lè)曲節(jié)拍信號(hào)通過(guò)傳感器進(jìn)行采集，通過(guò)TMS320VC5402 微處理器對(duì)樂(lè)曲節(jié)拍信號(hào)進(jìn)行放大處理，將放大處理后的樂(lè)曲節(jié)拍信號(hào)輸入到存儲(chǔ)器保存起來(lái)，同時(shí)將樂(lè)曲節(jié)拍信號(hào)數(shù)據(jù)根據(jù)計(jì)算機(jī)能夠識(shí)別的形式存儲(chǔ)到樂(lè)曲數(shù)據(jù)庫(kù)中，其中樂(lè)曲節(jié)拍識(shí)別模塊是最為關(guān)鍵的部分，其直接影響樂(lè)曲節(jié)拍識(shí)別結(jié)果的好壞，本文采用音頻指紋算法的樂(lè)曲節(jié)拍識(shí)別技術(shù)。

由于樂(lè)曲節(jié)拍信號(hào)具有一定的特殊性，為了防止樂(lè)曲節(jié)拍信號(hào)被放大處理產(chǎn)生變形現(xiàn)象，處理器的電路采用二級(jí)阻容耦合模式。一級(jí)電路為射極跟隨電路，其主要用于去除樂(lè)曲節(jié)拍信號(hào)中的噪聲，保證輸入與輸出信號(hào)的相位不發(fā)生變化，將未失真信號(hào)輸入到下一級(jí)電路進(jìn)行處理；二級(jí)電路為共射極放大電路，主要用于對(duì)樂(lè)曲節(jié)拍信號(hào)進(jìn)行放大處理，同時(shí)使放大后的樂(lè)曲節(jié)拍信號(hào)不發(fā)生變形。

1.2 基于音頻指紋的樂(lè)曲節(jié)拍識(shí)別方法

在進(jìn)行樂(lè)曲節(jié)拍識(shí)別時(shí)，首先要建立樂(lè)曲節(jié)拍識(shí)別的指紋數(shù)據(jù)庫(kù)，對(duì)于待識(shí)別的樂(lè)曲節(jié)拍信號(hào)，計(jì)算其與數(shù)據(jù)庫(kù)中指紋的匹配度，根據(jù)匹配度得到樂(lè)曲節(jié)拍識(shí)別結(jié)果[12]。

1.2.1 提取樂(lè)曲節(jié)拍信號(hào)的指紋

對(duì)于待識(shí)別的樂(lè)曲節(jié)拍信號(hào)，通過(guò)以下步驟提取其指紋。

Step1：采集待識(shí)別的樂(lè)曲節(jié)拍信號(hào)，對(duì)原始樂(lè)曲節(jié)拍信號(hào)進(jìn)行一定的預(yù)處理，去掉無(wú)用的信號(hào)，保留有用的樂(lè)曲節(jié)拍信號(hào)。

Step2：對(duì)預(yù)處理后的樂(lè)曲節(jié)拍信號(hào)進(jìn)行分幀處理，第i幀音頻信號(hào)為g(i)，所有幀的樂(lè)曲節(jié)拍信號(hào)采樣周期和幀的長(zhǎng)度是一致的。

Step3：對(duì)分幀的樂(lè)曲節(jié)拍信號(hào)進(jìn)行復(fù)倒譜轉(zhuǎn)換，第2i-1,2i,2i+1幀樂(lè)曲節(jié)拍信號(hào)之間的關(guān)系可以描述為式(1)。

(1)

其中，N表示幀數(shù)量。

Step4：提取樂(lè)曲節(jié)拍的指紋系數(shù)p*(i)，具體計(jì)算為式(2)。

(2)

Step4：將樂(lè)曲節(jié)拍的指紋系數(shù)與閾值t進(jìn)行比較，根據(jù)比較結(jié)果得到一個(gè)由1和0組成的指紋序列如式(3)。

(3)

1.2.2 基于指紋的樂(lè)曲節(jié)拍識(shí)別

數(shù)據(jù)庫(kù)中的樂(lè)曲節(jié)拍指紋集合為H={H1,H2,…,Hn}，對(duì)于待識(shí)別的樂(lè)曲節(jié)拍，其指紋序列為P={P1,P2,…,Pn}，為了找到一種映射方式可以對(duì)p進(jìn)行估計(jì)，從而實(shí)現(xiàn)并置運(yùn)算，最終得到式(4)。

p=ω1+ω2+…+ωn

(4)

其中，ωi表示樂(lè)曲節(jié)拍信號(hào)的子串[13]。

為了指紋數(shù)據(jù)庫(kù)構(gòu)建立q-grams子串，一個(gè)串長(zhǎng)度為n串包括n-q+1個(gè)q-grams子串。如當(dāng)q=2時(shí)，存在5個(gè)q-grams子串，分別為poss、ossi、ssib、sibl、ible，把它們的值作為待識(shí)別樂(lè)曲節(jié)拍的指紋索引值，計(jì)算樂(lè)曲節(jié)拍指紋子串匹配的數(shù)量，根據(jù)打分方式得到數(shù)據(jù)庫(kù)的樂(lè)曲節(jié)拍序列和待識(shí)別樂(lè)曲節(jié)拍的匹配分值，選擇分值最高序列作為初始列，具體打分方式為式(5)。

(5)

其中，p(i)和h(i)為目標(biāo)序列和源序列的索引值。

為了獲得樂(lè)曲節(jié)拍指紋最優(yōu)匹配結(jié)果，需要找到樂(lè)曲節(jié)拍指紋最長(zhǎng)的公用子串，根據(jù)最長(zhǎng)公用子串的軌跡，就可以找到最長(zhǎng)子串在樂(lè)曲節(jié)拍源序列中的位置。

綜合上述分析可知，基于音頻指紋的樂(lè)曲節(jié)拍識(shí)別系統(tǒng)的工作流程如圖2所示。

圖2 基于音頻指紋的樂(lè)曲節(jié)拍識(shí)別流程

2 仿真測(cè)試

2.1 測(cè)試對(duì)象

為測(cè)試基于音頻指紋的樂(lè)曲節(jié)拍識(shí)別系統(tǒng)的性能，使用采樣頻率是23 kHz、分辨率是17 bit、8 s長(zhǎng)的MP3音樂(lè)文件實(shí)施測(cè)試，此音樂(lè)文件中有多種某類型樂(lè)曲。樂(lè)曲節(jié)拍原始指紋和待識(shí)別的樂(lè)曲節(jié)拍音頻指紋分別為H(i)、P(i)，具體計(jì)算如式(6)、式(7)。

(6)

(7)

2.2 樂(lè)曲節(jié)拍識(shí)別系統(tǒng)的魯棒性分析

首先對(duì)樂(lè)曲節(jié)拍識(shí)別系統(tǒng)的魯棒性進(jìn)行測(cè)試，當(dāng)前樂(lè)曲節(jié)拍受到外界環(huán)境影響的主要因素包括：重采樣、低通濾波、重量化等，對(duì)于各種影響因素，采用信噪比和互相關(guān)系數(shù)評(píng)價(jià)樂(lè)曲節(jié)拍識(shí)別系統(tǒng)的性能，結(jié)果如圖3和圖4所示。

圖3 本文系統(tǒng)的采集信號(hào)信噪比

圖4 本文系統(tǒng)的提取指紋相關(guān)系數(shù)

對(duì)圖3和圖4的結(jié)果進(jìn)行分析可以知道，本文系統(tǒng)的信噪比高，而且原始指紋信息和提取指紋信息之間的互相關(guān)系數(shù)高，它們兩者之間的相似度比較高，這表明，外界因素對(duì)本文樂(lè)曲節(jié)拍識(shí)別系統(tǒng)的干擾比較小，具備較顯著的魯棒性，可以獲得理想的樂(lè)曲節(jié)拍信號(hào)。

2.3 本文系統(tǒng)的樂(lè)曲節(jié)拍識(shí)別效果

測(cè)試本文系統(tǒng)的樂(lè)曲節(jié)拍識(shí)別精度，識(shí)別精度的計(jì)算如式(8)。

(8)

選擇6種樂(lè)曲作為測(cè)試對(duì)象，它們分別為：交響曲、協(xié)奏曲、圓舞曲、進(jìn)行曲、浪漫曲、奏鳴曲，為了使數(shù)字更為直觀清晰，對(duì)6種樂(lè)曲的詳細(xì)情況分別以圖和表形式進(jìn)行描述，測(cè)試對(duì)象分布如圖5所示。

圖5 6種樂(lè)曲的數(shù)量詳細(xì)分布

本文系統(tǒng)對(duì)樂(lè)曲節(jié)拍中有效音頻信號(hào)識(shí)別錯(cuò)誤數(shù)如表1所示。

表1 本文系統(tǒng)的樂(lè)曲節(jié)拍識(shí)別錯(cuò)誤數(shù)

分析表1可知，本文系統(tǒng)僅對(duì)奏鳴曲的節(jié)拍識(shí)別存在錯(cuò)誤，其它5種樂(lè)曲節(jié)拍識(shí)別結(jié)果不存在錯(cuò)誤，證明了本文系統(tǒng)的有效性。

本文系統(tǒng)對(duì)樂(lè)曲節(jié)拍識(shí)別精度計(jì)算結(jié)果如圖6所示。

圖6 本文系統(tǒng)的樂(lè)曲節(jié)拍識(shí)別精度

從圖6可以發(fā)現(xiàn)，本文系統(tǒng)樂(lè)曲節(jié)拍識(shí)別精度很高，完全可以滿足樂(lè)曲節(jié)拍識(shí)別的實(shí)際應(yīng)用要求。

對(duì)于采樣、低通濾波、重量化環(huán)境，統(tǒng)計(jì)本文系統(tǒng)的樂(lè)曲節(jié)拍識(shí)別精度，結(jié)果如圖7所示。

圖7 不同因素影響下的樂(lè)曲節(jié)拍識(shí)別精度

從圖7可以發(fā)現(xiàn)，在重采樣、低通濾波、重量化條件下，本文系統(tǒng)的樂(lè)曲節(jié)拍識(shí)別精度仍然很高，獲得了理想的樂(lè)曲節(jié)拍識(shí)別結(jié)果。

2.4 樂(lè)曲節(jié)拍指紋的提取效果分析

為了分析本文系統(tǒng)的樂(lè)曲節(jié)拍指紋提取效果，計(jì)算樂(lè)曲節(jié)拍指紋漏識(shí)率(ERROR)，如式(9)。

ERROR=(δ-γ)×100%

(9)

式中，γ和δ分別表示提取和實(shí)際指紋數(shù)量。

樂(lè)曲節(jié)拍的實(shí)際指紋數(shù)量變化曲線如圖8所示。

圖8 樂(lè)曲節(jié)拍的指紋實(shí)際數(shù)量

計(jì)算本文系統(tǒng)的樂(lè)曲節(jié)拍指紋漏識(shí)率，具體如圖9所示。

圖9 本文系統(tǒng)的樂(lè)曲節(jié)拍指紋漏識(shí)率

對(duì)圖9樂(lè)曲節(jié)拍的指紋漏識(shí)率進(jìn)行分析可以發(fā)現(xiàn)，本文系統(tǒng)的樂(lè)曲節(jié)拍的指紋漏識(shí)率極低，甚至可以忽略不計(jì)，可以有效提取樂(lè)曲節(jié)拍的指紋。

4 總結(jié)

樂(lè)曲節(jié)拍識(shí)別是當(dāng)前研究的熱點(diǎn)，其識(shí)別結(jié)果可以為樂(lè)曲智能創(chuàng)作提供有價(jià)值的參考信息，為了改善樂(lè)曲節(jié)拍識(shí)別效果，提出基于音頻指紋技術(shù)的樂(lè)曲節(jié)拍識(shí)別系統(tǒng)，并通過(guò)仿真實(shí)驗(yàn)可知：無(wú)論有噪無(wú)噪環(huán)境，本文系統(tǒng)都可以獲得較高精度的樂(lè)曲節(jié)拍識(shí)別結(jié)果，對(duì)噪聲具有一定的魯棒性，樂(lè)曲節(jié)拍識(shí)別漏識(shí)率低，解決了當(dāng)前樂(lè)曲節(jié)拍識(shí)別過(guò)程中存在的問(wèn)題，具有較高的實(shí)際應(yīng)用價(jià)值。