基于卷积神经网络的电子音乐辨识模型

胡淑娟

(仙桃职业学院 教育学院, 湖北 仙桃 433000)

0 引言

网络技术的快速发展令互联网中产生大量视频与音频等多媒体数据[1]，电子音乐为网络上最为普遍的多媒体音频。电子音乐辨识作为音乐信号处理的核心问题之一，在歌曲识别、音频匹配与推荐等方面均具有关键作用。针对网络数据的海量性特性，研究一种可在海量音频中准确快速地获取感兴趣的电子音乐是当前音频识别领域中的热点研究问题。

文献[2]提出一种双向卷积神经网络的音乐识别模型。该模型构建双向卷积神经网络结构，提取音乐细节特征，将细节特征合并成一维特征向量。但该模型无法去除电子音乐内的噪声含量。文献[3]提出一种直接利用视音频特征进行识别的算法，该算法融合BoW、GIST、颜色矩特征、颜色直方图和音频特征进行识别，但该方法无法分辨电子音乐类型，辨识精度较低。

针对当前普遍使用的音频辨识变模型无法分辨电子音乐类型，辨识精度较低等难题，设计基于卷积神经网络的电子音乐辨识模型，并通过实验验证该模型的实际应用性能。

1 基于卷积神经网络的电子音乐辨识模型

1.1 电子音乐信号预处理

依照信号理论能够得到[6]，电子音乐信号的谐波成分在谐波矩阵A上仅分布在分散的数个频率成分上，同时在时间尺度上电子音乐存在显著的重复性，由此得到矩阵A存在内在的低秩特征，也就是电子音乐和弦波信息分布在低维子空间内[7]。……