结合乐理理论和信号处理理论,针对传统和弦识别仅考虑音高特性的音级轮廓特征PCP(pitch class profile)造成正确识别率较低的问题,提出一种以反映听觉特性的MFCC(mel frequency cepstral coefficent)与PCP的联合特征和稀疏表示分类器(sp...结合乐理理论和信号处理理论,针对传统和弦识别仅考虑音高特性的音级轮廓特征PCP(pitch class profile)造成正确识别率较低的问题,提出一种以反映听觉特性的MFCC(mel frequency cepstral coefficent)与PCP的联合特征和稀疏表示分类器(sparse representation classification,SRC)的和弦识别方法.通过对两特征矢量的叠加构成新的和弦特征,然后利用SRC进行和弦识别.实验结果表明,与传统方法的识别率相比,本方法的识别率大幅提高.展开更多
文摘结合乐理理论和信号处理理论,针对传统和弦识别仅考虑音高特性的音级轮廓特征PCP(pitch class profile)造成正确识别率较低的问题,提出一种以反映听觉特性的MFCC(mel frequency cepstral coefficent)与PCP的联合特征和稀疏表示分类器(sparse representation classification,SRC)的和弦识别方法.通过对两特征矢量的叠加构成新的和弦特征,然后利用SRC进行和弦识别.实验结果表明,与传统方法的识别率相比,本方法的识别率大幅提高.