买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京航空航天大学

摘要：本发明公开了一种基于神经网络的乐曲主旋律音轨识别方法，利用MIDI文提取多个特征来度量和刻画乐曲中的每个音轨，通过构建神经网络模型，根据音乐的基本特征自动识别判断出音乐的主旋律音轨，步骤如下：1提取乐曲中音符的信息并计算各个音轨的特征值；2将音轨特征值变换成二维的神经网络输入矩阵；3训练基于神经网络的主旋律音轨识别模型；4使用训练完成的神经网络进行乐曲主旋律音轨识别。本发明利用MIDI文件提取重要的音乐特征，并利用神经网络数字化处理后进行自动识别，能准确、高效的从MIDI文件中检测识别主旋律音轨；为音乐序列自动生成的研究，提供了一种基于神经网络的乐曲主旋律音轨识别方法。

主权项：1.一种基于神经网络的乐曲主旋律音轨识别方法，其特征在于，利用MIDI文件提取音符的速度、时值、音高、力度、音色来度量和刻画乐曲中的每个音轨，通过构建神经网络模型，根据音乐的基本特征自动识别判断出音乐的主旋律音轨，包括步骤如下：1提取乐曲中音符的信息并计算各个音轨的特征值；详细的实现步骤如下：11遍历每首乐曲中每段音轨的n个音符，利用MIDI文件获取音符信息中的速度vi、时值di、时值类型dti、音高pi；12计算乐曲中每段音轨音符平均速度v，公式如下： 13计算乐曲中每段音轨音符总时值d，公式如下： 14设置乐曲中每段音轨音符时值类型集合dus，公式如下：dus＝{dti|1≤i≤n}15计算乐曲中每段音轨音符最高音与最低音的音程，公式如下：interval＝maxpi-minpi16计算乐曲中每段音轨音符第二高音和第二低音的音程，公式如下：sec_interval＝sec_maxpi-sec_minpi；2将音轨特征值变换成二维的神经网络输入矩阵；3首先初始化权重和偏置参数，建立神经网络层结构；接着根据交叉熵与Adam算法反向更新权重和偏置；交叉熵采用真实标签类别作为交叉熵的训练集的先验信息，将神经网络输出作为测试集后验信息，计算两者的交叉熵，并以交叉熵指导对误差的辨识和消除；Adam算法则是利用梯度的一阶矩估计和二阶矩估计动态调整每个参数的学习率；通过训练得到基于神经网络的主旋律音轨识别模型；4使用训练完成的主旋律音轨识别模型，进行乐曲主旋律音轨识别。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于神经网络的乐曲主旋律音轨识别方法