基于聲學特征的樂器研究

金山

【摘 要】論文基于聲學特征的樂器研究，將從樂器的基礎知識入手，結合特征抽取研究，對樂器音頻信號的聲學特征展開論述。最后，提出樂器分類的具體方法。希望此研究能為音頻與音樂信號研究分析提供參考性建議。

【Abstract】The research of musical instruments based on acoustic characteristics will begin with the basic knowledge of musical instruments. And combining with the research of feature extraction， this paper discusses the acoustic characteristics of musical instruments audio signals. Finally， the concrete method of musical instrument classification is put forward. It is hoped that this study can provide reference for the research and analysis of audio and music signals.

【關鍵詞】聲學特征；樂器識別；樂器分類；倒譜參數

【Keywords】acoustic characteristics； musical instrument recognition； musical instrument classification； cepstrum parameters

【中圖分類號】O14 【文獻標志碼】A 【文章編號】1673-1069（2017）10-0120-02

1 引言

樂器，是指可以用不同方法奏出聲音的工具，在主要研究的西方樂器中，按照聲學特征分類，可將其分為木管樂器、弦樂器和銅管樂器。同類的樂器在音色上是類似的，人的聽覺系統不好進行區分，如長號和圓號。在機器識別中，也會面臨這樣的問題。基于此，本文針對聲學特征的樂器識別領域展開研究。

2 樂器的基礎知識

樂器會產生整數倍頻率的聲波，此頻率為泛音。其中，與樂器音色相關的參數是基頻。除基頻以外，諧波部分的比例決定著音色，不同樂器的識別度來源于音色。比如，同樣頻率的聲音，強度相同，由于不同的音色，人的聽覺系統能夠分辨出聲音來自何種樂器。樂器的音頻是對聲音進行數字化處理后的結果，可分為物理樣本層、最高語義層、聲學特征層。其中，聲學特征層是樂器研究的關鍵層。另外，音頻的常用格式包括Wav格式、MIDI格式、MP3格式等。

3 特征抽取研究

對于不同音樂片段，或者不同樂器獨奏表演，基于不同聲學特征進行識別，其識別結果不同。為了能夠在識別樂器時表現出突出特征，必須以找到良好聲學特征作為前提。因此，加強對聲學特征的樂器研究具有重要意義[1]。抽取的特征可分為五大類，其中，時域特征是將樂器音頻作為整體計算，能量特征包括和聲、噪聲等能量。波譜特征是基于信號的傅里葉變換特征，和聲特征是基于信號聲模式的計算特征，感知特征是利用人類聽覺過程模型進行計算的特征。

4 樂器音頻信號的聲學特征

4.1倒譜系數

在倒譜系數中，共振峰是音質的決定性因素，也是語音識別的必要信息，處于聲音頻譜中能量較為集中的區域，能夠充分反應聲道物理特征[2]。倒譜系數就是共振峰的表現形式，其定義為：c（n）=F-1{log {F[y（n）]}}。其中，F代表離散傅里葉變換，結合同態處理方法，針對語音信號進行變換，以此提高特征參數穩定性。但是，倒譜系數由于計算效率低，在實際的樂器識別中應用很少。

4.2 MFCC系數

基于人耳聽覺特征，Mel頻率被提出。而MFCC就是利用Mel頻率與赫茲頻率的非線性對應關系，得到的頻譜特征。目前，該系數已經廣泛應用在語音的識別領域中。但是由于兩個頻率之間的對應關系，導致該系數計算精度下降。因此，在實際的應用中，只使用低頻MFCC[3]。MFCC系數的提取，首先是經過預濾波，然后經過模數變換進行預加重，再經過分幀和分窗進行傅里葉變換等。

4.3 線性預測倒譜參數

線性預測分析，是基于聲道短管級聯模型，根據系統傳遞相關函數形式，對信號線性組合進行估計的過程。其倒譜參數能夠反應聲道的響應，幾十個倒譜系數，就能夠具有較明顯的共振峰特性，適應于語音識別，在樂器識別中也得到了應用[4]。線性預測的計算方法有很多，包括格型法、自相關法等，其提取包括兩個重要過程，一是求解線性預測LCP，根據LCP分析階數，求解線性預測系數。二是求LCP的倒譜系數LPCC。

4.4 振幅包絡特征

樂器的聲音是一種壓力波，具有音調、振幅、音量等特征。聲音的變化過程，主要分為兩個階段，即上升階段和衰變階段。上升過程，主要是指從上升趨勢開始，一直到聲音振幅最大的過程。樂器發出聲音時，樂器上升過程時間和振幅具有差異性，以此達到識別樂器的目的[5]。衰變過程即為相反，就是聲波從最大一直衰減到無聲狀態所需要的時間，其形成的特性為“振幅包絡”。另外，振幅調制特征中，RMS能量計算可以用來抽取振幅調制屬性，首先，使用低通濾波計算包絡，通過強度和試探強度，對顫音頻率和強度進行表示。

4.5 波譜質心

波譜質心具有簡單和有用特性，是基于聲音的“刺耳”、“活潑”提出的。通過短時聲譜頻率的對數，對SC的平均值進行計算，將其標準差值作為特征進行樂器識別。但是，由于音樂和聲波譜的難預測特性，在對濾波器輸出計算后，可以穩健得到SC，其計算波譜質心的等式為f=Σ■■p（k）f（k）/Σ■■p（k）。其中，K是濾波器通道序列，B為總通道數，中心頻率為f（k），均方根值為p（k）。endprint

4.6 其他特征

除了以上特征以外，還有許多其他的聲學特征，比如常量Q系數、MPG7譜平整度等，常量Q系數的頻率衍生，可以應用在有效識別樂器當中。MPG7譜平整度是基于許多頻譜段計算出來的，該特征在樂器識別中具有一定的用處，能夠精準的描述出頻譜平整度。另外，還有上升異步性特征等，通過正弦包，對不同和聲整體包絡進行計算。

5 樂器分類方法

基于以上對樂器音頻信號聲學特征的分析，提出樂器的幾種常見分類方法如下：

①最近鄰。最近鄰的分類算法，在理論上較為成熟，是在機器識別樂器中的最簡單的學習算法之一。其思路為：找出特征空間最相似的樣本。在KNN算法中，基于極限定理，選擇好正確分類對象鄰居，在定類上依據最鄰近的樣本類別進行分配。

②決策樹。決策樹是監督分類算法的一種，廣泛應用于機器的學習模式識別中。在樹型結的流程圖中，樹的內部節點表示對象屬性，其分支為對象數據分割，每條分支路徑表示某個屬性值，樹中葉節點表示的是對象值，整個決策樹能夠反映對象屬性與對象值。

③支持向量機。基于統計學習理論的VC理論下，支持向量機方法被提出。根據特定訓練樣本的學習精度及血虛能力，在二者之間尋求最佳的折衷，進而實現較強的推廣能力。支持向量機方法根據樣本的不同，可分為線性最優分類超平面、線性不可分情況、多類分類問題和函數及選擇問題。

④高斯混合模型。高斯混合模型，是對多個N維高斯分布概率密度函數的組合，可以對概率空間的分布進行描述。在無監督的訓練方式下，該模型能夠得到實現。因此，所需存儲空間及運算是系統實現的必然前提。尤其是對于不同模式的初分類而言，高斯混合模型在說話者識別上，以及語音識別上得到廣泛使用。同樣，高斯混合模型也適用于樂器的識別。

6 結論

樂器識別技術及音樂處理技術，在未來會成為很有前途的研究方向。對此，本文以聲學特征的樂器為研究對象，在樂器基本知識基礎上，結合特征抽取研究，對樂器音頻信號的聲學特征進行了深入分析，主要包括倒譜系數、MFCC系數、線性預測倒譜參數、振幅包絡特征、波譜質心、其他特征等重點內容。最后，得出以下樂器分類的幾種方法：第一，最近鄰法；第二，決策樹；第三，支持向量機法；第四，高斯混合模型法。希望本文的研究，能為音頻與音樂信號研究分析提供借鑒，進而加深音樂愛好者對樂器的認識。

【參考文獻】

【1】張有川.民族低音拉弦改良樂器的音響結構特征[J].演藝科技，2017，28（05）：7-10.

【2】格桑曲杰.再探藏族“囊瑪”藝術的起源與稱謂——西藏聶拉木縣充堆民間音樂實地考察與分析[J].西藏大學學報（社會科學版），2017，32（01）：58-77.

【3】秦麗麗，苗媛媛，劉鎮波.泡桐木材主要物理特征及化學組分對其聲學振動性能的影響[J].森林工程，2017，33（04）：34-39.

【4】莊嚴，于鳳芹.結合節拍語義和MFCC聲學特征的音樂流派分類[J].計算機工程與應用，2015，35（03）：197-201.

【5】周和明，鐵梅，羅兆麟.新型低音弓弦樂器橋琴的音效提高研究[J].沈陽師范大學學報（社會科學版），2015，35（04）：169-170.endprint