民族乐器识别方法研究与实现*

石浩东，谢 伟，徐天保，祝享庭，李 琪

(大连民族大学信息与通信工程学院，辽宁 大连 116600)

1 绪论

我国各民族都有自己特有的民族古乐器，如藏族的马头琴、维吾尔族的扎木聂、哈萨克族的冬不拉、朝鲜族的长鼓等等。各民族的古乐器在几千年的历史长河中不竭地发展和演变，谱写出九曲黄河水，曲曲是同乡的民族赞歌，这些都是中华儿女智慧的象征。各族同胞的古乐器不仅仅是物质文化遗产，更是寄托了先人无声教导的精神遗产。是后人们应该进行保护，创新，并不断发展发扬光大的。

传统的乐器识别分类方法采用的是树形分类方法，这种分类方法的过程较为繁琐，且识别的准确率不是很高。而采用模式识别的分类方法来对民族乐器进行识别，能够有效克服传统属性分类方法的错误累计缺陷。王飞和于凤芹基于改进的卷积神经网络与听觉谱图进行乐器识别[1]；王芳提取梅尔多频系数，并基于深度置信网络设计乐器识别算法[2]；Etienne等应用调制功率谱识别西洋乐器[3]。

2 音乐特征提取

2.1 提取流程

音乐特征可以广泛地被应用，来分析识别和提取表征冗余音乐的本质属性，因此在民族乐器的识别分类中提取音乐特征是非常重要的。图1为音乐特征提取流程图。

图1 音乐特征提取流程图

2.2 特征量

2.2.1 短时能量

短时能量表征的是在时域中音乐信号幅度的变化情况，幅度将显著随时间变化，将有音音段与无音音段形成鲜明的对比，故该特征常被用于判断音频的起始、过度和结束。

.

(1)

2.2.2 短时平均过零率

短时过零表示一帧音频数据信号输出波形穿过横轴(零电平)的次数。过零对于连续的音乐信号来说，即时域波形通过时间轴;而对于离散信号，相邻的取样值的变化符号称为过零。过零率就是样本改变符号的次数。

.

(2)

(3)

2.2.3 梅尔倒谱系数

.

(4)

MFCC系数的个数通常取12～16，文中介绍选取的为12阶倒谱系数。

2.2.4 MFCC差分系数

标准倒谱MFCC参数只能用来反映音频参数的静态特性，通过这些静态特征的差分谱，可以用来识别和描述音乐的一些动态参数特性。实验研究的结果表明：将这些动态特征与静态特征结合起来，才能有效地提高识别系统的效率与辨识性能。以下公式可用于计算差分参数：

(5)

式中，dt为第t个一阶差分；Ct为第t个倒谱系数；Q为倒谱系数的阶数；K为一阶导数的时间差，可取1或2。将一阶结果再代入，即可得到二阶差分参数。

为了将帧连续起来，一般求取当前帧与前后各一帧的13个特征的差值(12个倒谱特征加1个能量特征)。

合并MFCC参数和一、二阶差分MFCC参数，去除首尾两帧，组成一个新的矢量,共36维,作为一帧音乐信号参数。

3 基于LVQ神经网络的民族乐器识别

3.1 学习矢量量化(LVQ)系统规划

学习矢量量化(Learning Vector Quantization,LVQ)系统规划。图2为本文使用的乐器识别分类的系统结构图。

图2 乐器识别分类系统结构图

学习矢量量化神经网络由于具备神经网络构造简单、输入向量不需要根据需求进行归一化、正交化等长处，因而在模式识别和优化领域被广泛应用。

输入层36个节点，衔接36维的单帧音乐信号参数，隐含层神经元的数目设置为10，输出层5个节点对应五种民族乐器。

3.2 系统实验

实验项目主要采用5种民族乐器——箜篌、杨琴、竹笛、二胡、葫芦丝。每种乐器由1000个3s的乐器独奏样本组成，从样本中随机抽取3500个样本作为神经网络训练集，剩余的1500个样本作为神经网络测试集。

训练结果在图3中显示，实验结果在表1中显示。

图3 训练结果混淆矩阵

表1 实验记录表

从表中可以看出，本系统对扬琴的识别率最高，达到97.5%，对葫芦丝的识别率最低，只有54.5%，五种乐器的平均识别率为74.3%。

出现误差的原因可能有以下几种:

1) 选取的音乐文件还不够多；

2) 乐器的特征规律把握还不够准确；

2) 识别算法还不够强。

4 结论

随着西方现代乐器识别分类的逐步完善，我国的传统民族乐器识别方法的研究迫在眉睫。一方面随着年轻人的加入掀开了民族传统文化热潮，民族音乐的数字化也在我国掀起了一股小浪潮。另一方面我们特有的传统民族乐器也因老人将逝、新人怕苦面临着失传，而如何才能精准迅速地检索出传统民乐中的发声乐器，己成为传统民族音乐信息检索领域我们急需解决的一个技术问题。民族乐器识别可以说不仅是对音乐信息检索的一个重要的应用，还对于保护和传承我国少数民族的传统、保护少数民族的文化遗产也具有重要意义。

本文提取时域、频域的音乐特征量，应用神经网络进行民族乐器识别，效果良好，表明本文方法对于识别民族乐器具有一定的参考价值。

由于音乐样本的不足，特征量提取还不够准确，识别方法还有待不断改善。