基于机器学习算法的电子音乐信号辨识模型

杨文华

(渭南职业技术学院 师范学院， 陕西 渭南 714026)

0 引言

随着计算机技术的不断成熟，信号处理的能力得到提升，其在音乐生成领域得到了成功应用，产生了大量的电子音乐。由于大多数人都喜欢听音乐，但是电子音乐的种类繁多，每一个人喜欢的电子音乐类型不同，如果事先对电子音乐信号类型进行分类和辨识，听众可以从电子音乐信号标签中选择自己想听的电子音乐，这样能够大幅度提升电子音乐的管理水平，因此电子音乐信号的分类和辨识成为人工智能领域的一个重要研究方向[1-3]。

多年以来，人们对电子音乐信号辨识问题进行研究，电子音乐信号辨识包括多个因素[4]，如风格、音量、音调、旋律、音色、和声等，是一个十分复杂的过程，与多种技术有关，如信号处理、人工智能、电子技术等，起初采用人工方式进行电子音乐信号辨识研究，它们根据自己对电子音乐信号的经验实现，因为存在太多的主观意识，不仅人工方式辨识效率低，而且电子音乐信号辨识误差比较大，不能满足现代电子音乐发展的速度[5-6]。随后出现了人工智能的电子音乐信号辨识方法，如线性判别分析的电子音乐信号辨识方法、人工神经网络的电子音乐信号辨识方法、支持向量机的电子音乐信号辨识方法，它们获得比人工方式更好的电子音乐信号辨识结果[7-9]，但是在实际应用中，这些方法存在一定的不足：线性判别分析的电子音乐信号辨识正确率低，其认为特征向量和电子音乐信号类型之间是一种固定的线性变化关系，无法反映电子音乐信号的变化趋势；……