基于音乐特征向量空间的音乐情感识别方法研究

摘要：本文选取MIDI音乐文件作为样本，基于音乐心理学理论建立音乐特征与情感的映射模型，利用BP神经网络进行音乐情感的计算机识别训练，测试结果表明该模型基本达成预期效果，具备良好适用价值。

关键词：音乐情感;音乐特征;BP神经网络

中图分类号：：TP391 文献标识码：A  文章编号：1005-5312（2020）26-0054-01  DOI：10.12228/j.issn.1005-5312.2020.26.039

一、音乐情感识别建模

1.模型建立。基于音乐情感识别原理确立音乐情感认知流程：首先以数学模型、音乐心理学理论为基础，从中抽象出输入、输出向量的数学含义;其次是结合对输入向量的需求，从MIDI音乐文件中提取出特征信息、完成情感标注，完成输入向量各分量的计算;最后是通过大量数据训练完成数学模型参数的调整，确定情感认知模型①。

2.音乐特征向量空间定义。音乐特征是认知、识别与表现音乐情感的载体，当前以下三种音乐特征：一是基本特征，包含速度、力度、音高与音色;二是音乐语言表现方式，包含旋律、节奏、和声等;三是整体特征，包含风格、调式、曲式等。基于映射模型进行音乐特征参数的定义，共包含九个特征子集，其中音高特征子集包含音高、音高变化量、变化频率、音域四项参数，力度特征子集包含声级和声级变化两项参数，速度特征子集包含速度与速度变化两项参数，音程分布子集的参数为是否协和，旋律方向子集以旋律方向为参数，调式调性子集包含有无调性、调式两项参数，时值特征子集的参数为长短音符对比，节奏紧张性子集以音符密度为参数，节奏稳定性子集以节奏突变度为参数，由此建构起音乐情感识别系统。

二、音乐情感特征的提取与识别方法

1.音乐特征提取。首先，从基本特征提取入手，利用平均音高表示乐曲的音高水平，设Pi为乐曲中第i个音符的音高，n代表乐曲中涵盖的音符数量，其公式为：

以乐曲中的小节为基本单位，利用音高变化表示音高变化幅度，设Bari为第i个小节的音高平均值，N为乐曲中包含的小节数量，其公式为：

利用音域衡量乐曲音高的广度、评价乐曲的表现力，设P1，P2，…，Pn为第1～n个音符的音高值，其公式为：

利用时值表示音符持续时间，音强表示音符力度。其中时值的计算公式为：

其次，从音色入手，音色能够间接反映出乐曲所传达出的情感。在建构起音色与情感间映射关系的基础上，结合音乐信号的频谱分布图建立其与音色术语、乐器与适合表达的情感或场景间的联系，以基频为主的频谱分布图为例，其音色术语包含纯净的、简单的两种类型，分别对应音叉、竖笛乐器，用于表达单纯的或简单的、欢快的情感或场景。

再次，从力度提取入手，选取平均力度、力度变化两个特征进行力度描述，其公式分别为：

接下来分别完成旋律方向与节奏的识别，设D为乐曲中全部音符的音长之和，Di为第i个音的音长，其公式分别为：

最后基于MIDI文件中的可选指令分别完成调号、调性的识别算法定义。

2.基于BP神经网络的识别机制建立。在BP网络学习过程设计上，表示为：开始——初始化权值、阈值——给定输入向量、目标输出——求隐含层、输出层各单元输出——求目标输出与实际输出的误差——判断是否满足要求，是则结束，否则修改权值、阈值，开始新一轮计算。基于BP神经网络建立音乐情感分类识别机制，首先进行输入、输出层设计，将输入层节点数目设为8个，输出神经元节点数目设为3个，则五种情感类型分别表示为（0，0，1）、（0，1，0）、（0，1，1）、（1，0，0）和（1，1，1）;其次进行隐藏层设计，节点f数（x目）?为117个;再进行网络结构设计，采用8×17×3结构，以作为隐藏层、输出层的激活函数，确保输出结果恰好落在（0，1）之间;最后进行网络训练参数的设定，最大循环次数、误差期望值分别为2500和0.001，以traingdx函数、均方误差性能函数分别作为训练函数和性能函数。

基于MATLAB7.1实验环境观察BP神经网络的运行结果，选取25个MIDI格式的音乐片段作為测试样本，测得其分类精度与识别能力均保持较高水平，准确率达80%。

★基金项目：江西省文化艺术科学规划项目《基于BP神经网络的音乐情感识别研究》研究成果，项目编号：YG2018106。

注释：

①唐霞，张晨曦，李江峰.基于深度学习的音乐情感识别[J].电脑知识与技术，2019，（11）：238-243.

作者简介：李璐（1981-），女，汉族，江苏徐州人，研究生，讲师，研究方向（从事工作）：音乐学。