基于双重消噪的钢琴音频信号特征自动识别方法

现有的音频信号特征识别方法无法准确分割音频数据,导致信号识别受到噪声影响较大,为降低信号噪声,基于双重消噪设计钢琴音频信号特征自动识别方法。钢琴音频信号特征分帧估计,定义音频信号矩形窗,设计自适应相关函数,预测倒谱系数线性指标;基于双重消噪方法建立去噪模型,获取噪声方差,在信号阈值变化时计算其极大、极小阈值,得到旋转后时频平面角度坐标;设计信号识别自适应算法,构建元素映射n阶矩阵,计算音频信号幅度预测值。在对比实验中模拟降噪结果,通过实验图像可知,该算法对噪声具备较大的抑制作用,其他三种算法对噪声的消除效果均弱于该算法,该算法可以在降噪后更准确地识别钢琴音频信号。

基于动态分割和加权综合匹配的音乐检索算法

在模式识别领域中,音乐检索算法由于其易行和高效的特性而得到越来越多的重视。但是音符分割不精确和匹配模版不统一等问题直接影响MIR算法精确度。为解决上述问题,提出基于动态阈值分割和加权综合匹配算法。动态设定幅差步长,根据变化阈值分割音符,以提高音符分割的准确性。采用标准乐谱频率,转换音高模板实现输入归一化,以增强匹配的精确性。融合直接匹配和DTW匹配,以加强算法适应性和鲁棒性。最后由实验证明该方法的有效性。