孟令红

摘要：为了提高音乐分类和检测正确率，设计了一种复杂噪声环境中的音乐分类和检测模型。首先分析当前音乐分类和检测的研究进展，指出各种音乐分类和检测模型存在的缺陷，然后采集音乐分类和检测信号，引入去噪技术对噪声进行消除处理，从信号中提取特征，最后将特征和音乐类型分别作为神经网络的输入和输出向量，通过神经网络的训练建立音乐分类和检测模型。在相同环境下，与其它音乐分类和检测模型进行了对比测试，结果表明，无噪声环境下，这个模型的音乐分类和检测精度超过95%，在复杂噪声环境下，文中模型的音乐分类和检测精度超过90%，远远超过音乐处理的实际应用控制范围，音乐分类和检测效果优于对比模型，具有一定的实际应用价值。

关键词：噪声干扰;音乐分类;检测精度;提取特征向量;神经网络;仿真测试

中图分类号：TP181

文献标志码：A

MusicClassificationandDetectionModelinComplexNoiseEnvironment

MENGLinghong

（

HebeiRadioandTelevisionStation，Shijiazhuang050031，China

）

Abstract：Inordertoimprovetheaccuracyofmusicclassificationanddetection，amusicclassificationanddetectionmodelincomplexnoiseenvironmentisdesigned.Firstly，thispaperanalyzesthecurrentresearchprogressofmusicclassificationanddetection，andpointsoutthedefectsofmusicclassificationanddetectionmodels.Thenthemodelcollectsmusicclassificationanddetectionsignals，introducesdenoisingtechnologytoeliminatethenoise，extractsfeaturesfromthesignals，andfinallytakesfeaturesandmusictypesasinputandoutputvectorsofneuralnetwork，respectively.Themodelestablishessoundthroughthetrainingofneuralnetwork.Theresultsshowthattheaccuracyoftheproposedmodelisover95%innoiselessenvironmentandover90%innoisingenvironment，whichisfarbeyondtheactualapplicationcontrolrangeofmusicprocessing，andtheeffectofmusicclassificationanddetectionisbetterthanthecomparisonmodel，andithasacertainpracticalapplicationvalue.

Keywords：noiseinterference;musicclassification;detectionaccuracy;featurevectorextraction;neuralnetwork;simulationtest

0引言

隨着人们生活水平的不断提高，人们享受生活的方式多元化，其中听音乐成为一种重要的消遣方式。但是在音乐采集过程中，由于环境中一些不利影响的干扰，使得音乐包括了一些对音质有损的信息，这些信息统称为噪声。在复杂噪声环境，有时噪声会淹没了有用的音乐信号，使得人们无法识别正确的音符，因此如何进行噪声环境中的音乐分类和检测具有十分重要的研究意义[13]。

当前复杂噪声环境中的音乐分类和检测模型主要有两大类型……