基于贝叶斯判别法对音乐特征信号的分类研究

2022-06-11常凤徐小华胡忠旭

电脑知识与技术 2022年13期

常凤徐小华胡忠旭

摘要：在大量的乐库中，对音乐进行有效、快速的分类已是研究热点。各个音乐App按照音乐流派识别并推送用户感兴趣的音乐，可以提高用户使用体验和对平台的使用黏性。文章从音乐的流派进行研究，提取四种不同类型音乐信号的Mel频率倒谱系数（Mel Frequency Cestrum Coefficient，MFCC）（24个数值）作为特征值，利用贝叶斯分类算法对80组样本进行分类研究，判别准确率为97.5%;同时，文章分别用贝叶斯分类、BP神经网络等五种不同分类算法，对20组测试数据进行分类判别。结果表明，贝叶斯分类具有较高的音乐分类准确度。

关键词：MFCC;贝叶斯算法;音乐;特征信号;分类

中图分类号：TP18 文献标识码：A

文章编号：1009-3044（2022）13-0079-03

1 引言

音乐作为最能鼓动人心的“语言”，在人们的生活中无处不在。伴随计算机和网络技术的不断发展，音乐已经成为用户移动互联生活里占比较高的活动之一。网络上已有大量的音乐和专辑供人们下载和欣赏，每个人对欣赏音乐的流派基本不会发生变化。因此，如何快速准确地检索出用户想要的音乐，并按照音乐流派推送给相应用户以提高用户使用体验，变得越来越重要，基于音乐特征信号的音乐流派分类研究也成为近年来的研究热点。

据音乐的不同性质，主要有流派、乐器、情感分类等[1-5]。音乐的流派分类主要有古典、爵士、乡村和摇滚音乐等。本文基于贝叶斯判别法对音乐特征信号的分类研究，是实现音乐流派分类的检测方法。本文使用MFCC特征提取技术提取古典、爵士、乡村和摇滚四种不同音乐类型音乐信号中的Mel倒谱系数作为音乐的特征信号，用来训练贝叶斯网络分类器。通过80组训练数据，研究贝叶斯判别法的准确率;通过20组测试数据研究比较贝叶斯判别法、BP神经网络、SVM神经网络、Fisher判别法、距离判别法共五种不同分类算法下的音乐流派分类准确率。根据实验结果，得出不同算法在音乐流派分类中的适用性。

2 MFCC特征参数提取

特征提取是指从音乐信号中将具有辨识性的成分提取出来，获得一组能够代表音乐特性参数的过程。特征提取是识别音乐类别过程中至关重要的一步。现有的特征提取方法有线性预测编码系数LPC[6]、线性预测倒谱系数LPCC、梅尔频率倒谱系数MFCC等[7-9]。本文采用更接近人耳听觉特性的梅尔频率倒谱系数MFCC提取音乐信号中的Mel倒谱系数作为特征值。

人的听觉系统对不同频率信号的感知度不同，是一个特殊的非线性系统。MFCC就是利用人耳听觉特性，由Stevens、Volkman和Newman在1937 年提出的[7-9]。MFCC与频域成非线性对应关系，常用于声音的各种特性分析中。MFCC的实现过程主要包括：预加重、分帧、加窗、快速傅里叶变换、Mel频率滤波、DCT离散余弦变换[7-9]。结构框图如图1所示。

1）预加重。预加重通过数字滤波器完成，是为了使信号频谱变得平坦，增加信号高频中的能量，有利于后期进行频谱分析。

2）分帧。虽然语音信号是非平稳的、随时间变化的时变信号，但在短时间范围内（20ms～40ms）信号基本保持不变，即表现出准稳态行为。因此，根据语音信号的短时平稳性，对语音信号进行分帧，按帧对信号进行分析。

3）加窗。在MFCC提取過程中，要对每一帧做傅里叶变换，因此在进行傅里叶变换之前，采用加汉明窗函数对连续信号的分段处做平滑处理，达到平滑语音信号的效果。

4）快速傅里叶变换（FFT）。假设原音乐信号为[s（n）]，经过预加重处理、分帧、加窗平滑后可以得到每帧音乐的时域信号为[x（n）]，FFT算法将N个样本的每个帧从时域信号转换成频域信号[X（k）] [7-9]。FTT算法可理想地用于评估其频谱。[X（k）]可以表示为：

[X（k）=n=0N-1x（n）e-j2Πnk/N] [0≤k≤N] （1）

其中，[x（n）]为时域信号，[X（k）]为频域信号，N为采样点数。

5）Mel频率滤波。由于人耳对不同频率的敏感度不相同，所以在特征提取过程中，Mel频率倒谱系数通过模拟人耳听觉感知特性，将线性频谱映射到基于人耳听觉感知特性的Mel非线性频谱中，普通频率[f]和Mel频率[mel（f）]的公式如下：

[melf=2595*lg1+f700] （2）

6）对Mel频谱取对数。对数具有将乘法变为加法的效果。[|X（k）|2]为能量谱，通过第[m]个Mel频谱滤波器组[Hm（k）] 滤波，求出对数能量[E（m）]。

[Em=lnk=0N-1（Hmk×Xk2] [0≤m≤M] （3）

7）离散余弦变换。将对数能量[E（m）]进行DCT变换后获得Mel频率倒谱MFCC。

3 贝叶斯判别法

贝叶斯判别是用先验概率来描述已有的认知，然后通过来修正先验概率，得到后验概率，根据后验概率进行判别[10-11]。设有[k]个[p]维总体[G1，G2，…，GK]，对应的概率密度函[f1x，][f2x，f3x，…fkx]。假设样本[x]来自总体[Gi]的先验概率[pi][i=1，2，3，…k]，则有[p1+p2+…+pk=1]。根据贝叶斯理论，[x]的后验概率为：

[pGix=pifi（x）i=1kpjfjk] [i=1，2，…，k] （4）

在不考虑误判条件下，[x∈Gi]，则[p（Gix）=max1≤j≤kp（Gix）] ;若考虑误判条件下，则该样本的平均误差比其他总体的平均误差小，则在[Gi]类。

4 贝叶斯判别法实现分类

文章对音乐特征信号分类是在Matlab环境下实现的。在其环境下主要有[fit]和[predict]函数[12-14]。[fit]格式是[y=NaviveBayes.fit（training，class）]。[training]是输入参数，[N×D]训练样本观测值，行对应的是一个观测值，列对应的是变量;[class]是分组变量，它是所对应的所属类别。[z=predicty，test]，主要功能是根据[y]中对[test]的样本进行分类，返回所属类别。

根文章按照流派进行分类，选取了四种不同音乐作为研究对象，对这四类音乐进行有效分类。设计流程如图2。

对音乐预处理，采用Mel倒谱系数进行特征值提取，提取共100组的特征信号，每种共25组，每组24维。前80组数据作为训练数据，后20组作为测试数据。特征值数据如表1。

经过数据预处理和创建贝叶斯等步骤后，实现训练数据判断结果如表2。

从表中可以看出，类别I和类别IV中20个样本均得到正确判断准确;类别II中有18个样本得到了正确判断，还有两个被判断到了类别III，错误的编号是45和53;类别III中有20个也得到了准确判断。通过实验，判别准确率达到了97.5%，说明贝叶斯判断是可以接受的。

利用所建的贝叶斯分类器对20组测试数据（每种样本4个）进行判别，得到图3的判断结果。

从图3看出，第一类的第五个样本是被判到了第二类，其他类别均判断准确。与其他不同的分类算法对比结果如表3。由此可见，贝叶斯判别法的准确率較高，误差在接受的范围之内。

5 总结与展望

本文基于Matlab实现贝叶斯的分类研究，采用MFCC特征提取技术提取四种不同音乐类型的24维特征信号作为特征值，利用贝叶斯分类算法对80组样本进行分类研究，判别准确率为97.5%;通过20组测试数据，比较贝叶斯判别法、BP神经网络、SVM神经网络、Fisher判别法、距离判别法共五种不同分类算法下的音乐流派分类准确率，结果表明，贝叶斯分类有较高的分类准确度，运行的速度也有很好的呈现，该检测方法适用于按照音乐流派分类的音乐分类技术中。

参考文献：

[1] 颜景斌，伊戈尔·艾杜阿尔达维奇.基于支持向量机音乐类型分类方法[J].计算机应用与软件，2009，26（11）：221-222，245.

[2] 朱健康.基于支持向量机的音乐自动分类[D].天津：天津大学，2010.

[3] 孙辉，许洁萍，刘彬彬.基于多核学习支持向量机的音乐流派分类[J].计算机应用，2015，35（6）：1753-1756.

[4] 李智文.数据挖掘在音乐分类中的应用[D].长沙：中南大学，2012.

[5] 向毅，陈振宇，彭雨明，等. 人工蜂群算法优化支持向量机及其在音乐流派自动分类中的应用[J]. 数学的实践与认识，2013，43（23）：44-49.

[6] 鲁晓倩.基于VP树和GMM的说话人识别研究[D].合肥：中国科学技术大学，2014.

[7] 高铭，孙仁诚.基于改进MFCC的说话人特征参数提取算法[J].青岛大学学报（自然科学版），2019，32（1）：61-65.

[8] A novel approach for MFCC feature extraction[C]//2010 4th International Conference on Signal Processing and Communication Systems.IEEE，2010：1-5.

[9] 张钰莎，蒋盛益.基于MFCC特征提取和改进SVM的语音情感数据挖掘分类识别方法研究[J].计算机应用与软件，2020，37（8）：160-165.

[10] 王小川，史峰，郁磊，等.Matlab神经网络43个案例分析[M].北京：北京航空航天大学出版社，2013.

[11] 孙青，刘智勇.基于朴素贝叶斯分类模型的车型识别方法[J].五邑大学学报（自然科学版），2008，22（3）：22-25.