基于声学特征的乐器研究.docx

?

?

基于声学特征的乐器研究

?

?

基于声学特征的乐器研究

从广义上来说，乐器泛指那些可以通过各种方法演奏出声音的工具，乐器又可以分为民族乐器和西方乐器两大类，本文主要涉及的是西方乐器。传统意义上，西方乐器主要分为弦乐器、铜管乐器以及木管乐器二大类，每种乐器的发声方法也都有所不同，还有很多乐器在声音上的差别不大，人耳很难将它们顺利分辨出来，但是如果借助于计算机技术的帮助，乐器的识别工作也变得更加简单，乐器识别的精度也大大提高。

一、声学特征的研究现状分析

由于乐器识别过程巾有很大的相似性，所以乐器识别的方法是建立在语音识别和声带识别的基础上逐渐发展起来的，乐器识别的方法和语音识别的方法也有所类似。20世纪90年代之前，在音乐领域关于基于声学特征的乐器研究还比较少，但是90年代之后，这项工作就有了很大的进展，在学术界，基于声学特征的乐器研究论文数目也进一步增加。

特征抽取。特征抽取是近年来学术界关于声学特征在乐器识别中的运用研究中得出的一项成果。对于不同乐器的演奏或者是不同的音乐片段都会用不同的声学特征加以识别，由于工作误差，识别的精度差别也会比较大，通常情况下，工作人员并不能找到有效的声学特征提高乐器识别的精度，所以在乐器识别过程中需要涉及剑多种声学特征。抽取的声学特征主要有时域特征、能量特征、波谱特征、和声特征、感知特征等等。时域特征是将乐器演奏的音频信号作为一个整体进行计算；能量特征则是跟乐器演奏时包含的能量有关系；波谱特征是基于信号在短时问内的傅立叶变换得到的特征，比如波谱的斜度等等；和声特征则是建立在信号的止弦和声模型的基础上计算出来的；感知特征的计算则需要利用工作人员在听觉机制巾建立出来的模型。

在声学特征的抽取过程中，涉及的算法也比较多，比如倒谱系数、MFCC系数、线性预测倒谱参数、振幅包络特征、波谱质心等等。倒谱系数作为共振峰值的一种表示方法，她也是语音识别的一项重要信息，同时也是乐器声学的重要特征之一。相关工作人员可以通过同态处理的方法得到倒谱系数，研究证明使用倒谱系数确实可以在一定程度上提高乐器声学特征参数的稳定性。MFCC系数则是通过人耳的听觉机制提炼出来的，近年来MFCC系数也在语音识别工作中得以广泛应用。线性预测倒谱系数则是以人的发生机理为出发点，进一步研究声道的短管级联模型，在研究过程中通常认为系统传递函数符合全极点数字滤波器的基本形式。从内容上来看，振幅的包络特征包含了声音的很多相关信息，比如音量、时问、振幅、频率等等，在这个基础上，声音的振幅可以通过信号的半波整流、低通滤波等形式加以计算。频谱质心作为一种简单而实用的声学特征，他能够帮助相关工作人员得到乐器声音的音乐和声波谱。

除此之外，声学特征的研究成果还涉及到其他一些领域，这些研究成果都在很大程度上为相关工作人员的工作提高了便利，比如波谱平整度、常量系数等等。

乐器识别是乐器研究工作中的一项重要内容，而乐器的识别工作又是模式识别的一种形式，是将一组测试集模式划分为两大类。在乐器识别工作中，相关工作人员首先要建立一个关于不同乐器声音的主观描述，然后再在汁算机软件巾提取乐器声音的基本特征向量，然后在通过相似度的对比进行乐器的识别。通常情况下，乐器的识别工作方法主要有两大类，分别是基于距离和可能性的两种分类方法，在速项工作中，相关工作人员还会用到一些基本模型，比如高斯混合模型、支持向量机模型、最近邻模型等。

二、乐器的声学特征原理

乐器作为音乐的载体，它随着人类音乐素质的提高而发生了本质性的变化，现代人类社会对乐器的声学特征品质也提出更高的要求，所以相关工作人员更应该根据声学的基本特征尽可能地提高乐器的声学品质。

从乐器的构造来看，不同的乐器也有不同的构造形态，即机械构造形态和声学构造形态两种。其巾乐器的声学构造形态就是建立在声学特征基础上构造出来的。乐器的声学狗仔是由不同的声学特征元在没有特殊情况下爱组成的，在这里元的概念主要是指各种声学功能。

乐器根据声学的基本原理也有不同的分类。到现在为止，人们对乐器的认知还不全面，其根本原因就是很难找到一种适用性比较强的分类方法。本文主要是在声学特征的基础上进行乐器的研究，所以本文提出的分类方法也是建立在声学特征基础上。根据声学特征，乐器可以分为弦乐器、管乐器、簧乐器、棒乐器、板乐器、膜乐器六大类。

调查发现，目前基于声学特征的乐器研究主要是集中在乐器识别工作领域，然而在乐器识别工作中也确实存在一些困难，如果仪仪从金鱼分割的方法对声学进行研究，那么这将会为工作人员的工作带来很多困难，所以笔者认为未来，乐器识别与音乐的处理都会在声学特征基础上利用媒体数据进行分析，进而提高乐器数据分割的工作效率和工作精度。

三、结语

本文对基于声学特征的乐器研究进行了全面