基于鲁棒主成分分析的音乐信号降噪

为提高生活场景下录制音乐的质量,提出一种改进的音乐信号降噪方法。根据独奏音乐信号的低秩特征对含噪音乐信号进行噪声位置检测的预处理,将鲁棒主成分分析(RPCA)应用于音乐降噪。选择增广拉格朗日乘子法解决RPCA优化问题,引入信噪比(SNR)和音频质量感知评价(PEAQ)标准作为评价指标,并与小波降噪和独立主成分分析降噪方法进行对比实验,结果表明RPCA降噪方法可以使音乐信号的SNR提高约2 dB^5 dB,PEAQ也得到一定程度的提升,具有较好的独奏音乐降噪效果。

多噪声背景电子音乐类型分类建模与分析研究

为了解决传统电子音乐类型分类方法检测准确率不高的问题,提出一种多噪声背景的电子音乐类型分类方法。首先,降噪处理噪声环境下的电子音乐,得到含有噪声的电子音乐频谱,利用感知小波包变换提取噪声的特征,采样噪声的特征值并计算噪声的短时能量,得到电子音乐降噪表达式,计算频谱的二阶矩,得到不含噪声的电子音乐短时能量特征;然后,使用短时傅里叶变换计算得到每帧中所有电子音乐点的倒谱系数,利用倒谱系数得到计算电子音乐类型的二维矩阵,通过小波变换将噪声处理表达式与计算电子音乐类型的二维矩阵,处理为最终的噪声环境下的电子音乐类型检测表达式。实验结果表明,与两种传统噪声环境下的电子音乐类型分类方法相比,多噪声背景的电子音乐类型分类方法检测准确率更高,更适合在噪声环境下检测电子音乐类型。