欢迎来到许昌名师工作室
分形理论下时间序列音乐识别探析
maojiawei发起了话题2021-12-28
15
回复 11
浏览

音乐存在于人们生活中的各个地方，人们可以用音乐表达内心的情感，同时也可以用音乐进行人与人之间的沟通交流［1］．音乐以及其它语言类学科，都属于具有显著代表性的认知模式．随着科学技术的发展，对于音乐的研究不仅仅局限于对音乐的欣赏和分类，更多则是倾向与音乐信号的识别，当前关于音乐信号识别的研究包括很多方向，如音乐搜索查询、音乐生理学和自动生成曲目等［2］．音乐信号的识别不仅可以运用于心理学和生理学［3］，也可以运用于音乐数据库的搜索查询以及自动作曲．互联网信息时代的飞速发展，音乐信号的信息量非常大，音乐的搜索和数据信息的分类非常复杂且困难，要对音乐搜索系统进行智能化升级和高效管理，就需要对音乐信号的特征进行研究，从而对音乐进行正确的分类［4］．当前比较通用的歌曲检索方式就是在网站内输入歌曲的名字或者歌词的内容，但是在实际情况中，人们总是会忘记歌曲的名字或者歌词，但是不会忘记曲目的旋律，因此在该种情形下就要对自己能哼出的音乐旋律进行特征分析，从而得到信号特征进而在系统库内进行目标匹配．基于此，本研究基于分形理论和混沌特性，分析不同音乐曲目的Lyapunov指数和关联维数，从而判断不同音乐信号的时间序列特征和分形程度，为音乐信号识别的智能化发展提供现实依据．

所有回复
  • maojiawei • 2021-12-28

    分形指的是在规定的意义下部分与整体自相似的部分［5］．而在相关文献中定义“分形”属于M维空间内的某个点集的集合，在不一样的方向上含有自相似性，而且含有一个不完整位数(小于M)［6］．也有学者表明“自相似性”跟“分形”的结构相似，指的是整体同部分的相似之处，在直观方向存在一种构造图，

    (0) 回复 (0)
    还有-5条回复，点击查看
    你还没有登录，请先登录或注册！
  • maojiawei • 2021-12-28

    音乐属于非线性动态系统［9］，其非线性动态特性内部存在着一定的深层次规律，对其内部规律进行研究可以分成2种序列:时间序列和空间序列．在时间序列上，音乐表现出的形式是由有序慢慢转变成无序，由有序转变成无序的运动序列叫做混沌序［10］．关于音乐的非线性解释，一般都是音乐线条的非旋律化，

    (0) 回复 (0)
    还有-5条回复，点击查看
    你还没有登录，请先登录或注册！
  • maojiawei • 2021-12-28

    1)实验设备本研究运用Matlab构建一个快速数字化乐音仿真模型，该模型基于1组正弦波，经过音色修饰后合成音乐进行播放，其中音色修饰分为音强随时间的自然衰减包络和各谐波成分的能量分配两个部分．运用格式工厂把将MP3格式的音频转换成Matlab可以直接读取的WAV格式，同时利用其截取的功能对音乐片段进行时长截取

    (0) 回复 (0)
    还有-5条回复，点击查看
    你还没有登录，请先登录或注册！
  • maojiawei • 2021-12-28

    为了保证关联维数的稳定性，对3种曲目的音乐信号进行差分求解，结果如图5所示．由图5可以看出，在进行不同阶数的差分以后，不同曲目信号的关联维数都在不同阶数下的波动非常微弱，因为试验过程存在一定的误差，因此可以认为，不同阶数下关联维数基本没有改变，说明不同曲目信号内的分形程度具有稳定性．

    (0) 回复 (0)
    还有-5条回复，点击查看
    你还没有登录，请先登录或注册！
  • maojiawei • 2021-12-28

    为了保证关联维数的稳定性，对3种曲目的音乐信号进行差分求解，结果如图5所示．由图5可以看出，在进行不同阶数的差分以后，不同曲目信号的关联维数都在不同阶数下的波动非常微弱，因为试验过程存在一定的误差，因此可以认为，不同阶数下关联维数基本没有改变，说明不同曲目信号内的分形程度具有稳定性．

    (0) 回复 (0)
    还有-5条回复，点击查看
    你还没有登录，请先登录或注册！
  • maojiawei • 2021-12-28

    为了保证关联维数的稳定性，对3种曲目的音乐信号进行差分求解，结果如图5所示．由图5可以看出，在进行不同阶数的差分以后，不同曲目信号的关联维数都在不同阶数下的波动非常微弱，因为试验过程存在一定的误差，因此可以认为，不同阶数下关联维数基本没有改变，说明不同曲目信号内的分形程度具有稳定性．

    (0) 回复 (0)
    还有-5条回复，点击查看
    你还没有登录，请先登录或注册！
  • maojiawei • 2021-12-28

    为了保证关联维数的稳定性，对3种曲目的音乐信号进行差分求解，结果如图5所示．由图5可以看出，在进行不同阶数的差分以后，不同曲目信号的关联维数都在不同阶数下的波动非常微弱，因为试验过程存在一定的误差，因此可以认为，不同阶数下关联维数基本没有改变，说明不同曲目信号内的分形程度具有稳定性．

    (0) 回复 (0)
    还有-5条回复，点击查看
    你还没有登录，请先登录或注册！
  • maojiawei • 2021-12-28

    为了保证关联维数的稳定性，对3种曲目的音乐信号进行差分求解，结果如图5所示．由图5可以看出，在进行不同阶数的差分以后，不同曲目信号的关联维数都在不同阶数下的波动非常微弱，因为试验过程存在一定的误差，因此可以认为，不同阶数下关联维数基本没有改变，说明不同曲目信号内的分形程度具有稳定性．

    (0) 回复 (0)
    还有-5条回复，点击查看
    你还没有登录，请先登录或注册！
  • maojiawei • 2021-12-28

    为了保证关联维数的稳定性，对3种曲目的音乐信号进行差分求解，结果如图5所示．由图5可以看出，在进行不同阶数的差分以后，不同曲目信号的关联维数都在不同阶数下的波动非常微弱，因为试验过程存在一定的误差，因此可以认为，不同阶数下关联维数基本没有改变，说明不同曲目信号内的分形程度具有稳定性．

    (0) 回复 (0)
    还有-5条回复，点击查看
    你还没有登录，请先登录或注册！
  • maojiawei • 2021-12-28

    为了保证关联维数的稳定性，对3种曲目的音乐信号进行差分求解，结果如图5所示．由图5可以看出，在进行不同阶数的差分以后，不同曲目信号的关联维数都在不同阶数下的波动非常微弱，因为试验过程存在一定的误差，因此可以认为，不同阶数下关联维数基本没有改变，说明不同曲目信号内的分形程度具有稳定性．

    (0) 回复 (0)
    还有-5条回复，点击查看
    你还没有登录，请先登录或注册！
发表回复
你还没有登录，请先 登录或 注册！