基于回聲狀態網絡的古典音樂分類模型

徐溶澤

摘 要： 針對當前音樂分類方法訓練效率低、音樂分類精度差、分類不明確等問題，提出基于回聲狀態網絡的古典音樂分類模型。首先對古典音頻信號進行預處理，提取古典音樂MFCC特征；然后通過基于回聲狀態網絡的古典音樂分類模型，完成古典音樂信號特征的準確分類；最后通過計算三種分類模型，分10次對古典音樂音頻片段進行平均分類測試。實驗結果表明，回聲狀態網絡模型能夠實現古典音樂的準確分類，具有較高的分類效率和用戶滿意度。

關鍵詞： 回聲狀態網絡； 古典音樂； 特征提取； 分類模型； 時間序列； 正確率

中圖分類號： TN912.3?34 文獻標識碼： A 文章編號： 1004?373X（2018）17?0076?04

Abstract： Since the current music classification method has the problems of low training efficiency， poor classification accuracy and unclear classification， a classical music classification model based on echo state network is proposed. The classical audio signal is preprocessed to extract the MFCC features of classical music， and then the classical music classification model based on echo state network is used to classify the classical music signal characteristics accurately. Three kinds of classification models are calculated to perform the average classification test for classical music audio segments in 10 times. The experimental results show that the echo state network model can realize the accurate classification of classical music， and has high classification efficiency and user satisfaction.

Keywords： echo state network； classical music； feature extraction； classification model； time series； correct rate

隨著數字音樂在網絡中的應用價值逐漸提升，大量的音樂用戶采用計算機自主采集感興趣的音樂，提高了工程技術人員對音樂信息檢索分析的興趣。以往的音樂分類方法[1]大都采用機器學習方法，需要基于大規模的高維訓練樣本塑造音樂分類模型，導致模型訓練效率復雜度提升，音樂分類精度降低。針對該問題，提出基于回聲狀態網絡的古典音樂分類模型，以提高古典音樂分類準確度。

1 回聲狀態網絡的古典音樂分類模型

1.1 古典音樂特征提取

古典音樂分類模型的基礎工作就是對古典音樂特征的提取，對古典音樂特征提取的好壞直接影響古典音樂分類模型的設計質量。同語音信號相似，音樂信號也存在維度高和冗余性高的弊端，若直接將古典音樂音頻信號進行分類，對古典音樂分類的效果較差。所以本文在對古典音樂進行分類前需要對原始采集的音頻信號進行預處理[2]，處理內容包括音頻信號的加窗、分幀和靜音判別等。圖1為古典音樂特征提取過程。

古典音樂信號包括樂器發出的聲音信號和人唱歌的音頻信號。處理人聲信號時需考慮口腔和聲帶激勵對功率譜的影響。與人聲信號相比，高頻的古典音樂信號所占比例較小，在對高頻的音樂信號進行特征提取時，需對其高頻部分進行提高以便獲取音頻信號的頻譜[3]。將濾波器應用到高頻的信號中可使對古典音樂的高頻頻譜的獲取過程變得簡單。濾波器的使用就是音樂信號的預加重過程，古典音樂信號方程為：

由式（3）可以得出：對于音樂頻率在1 000 Hz以下的古典音樂信號，其與梅爾倒譜系數呈線性相關；頻率在1 000 Hz以上時二者為對數關系。下面為基于梅爾倒譜系數的MFCC古典音樂特征提取過程：

1） 對古典音樂信號的預處理包括上文提到的預加重和分幀等過程；

2） 對分幀后的音樂信號進行FFT轉換得到每一幀音樂信號的頻譜，再進行平方操作得到功率譜，假設古典音樂信號的DFT為：

上述過程中得到古典音樂特征提取方程MFCC，提取的音樂特征MFCC屬于一種線性的時間序列，為下文古典音樂的分類做基礎。

1.2 小波回聲狀態網絡

回聲狀態網絡中輸入和輸出變量的選擇在古典音樂時間序列的預測中十分重要，選擇合適的變量在提高古典音樂時間序列預測速率的同時還能提高音樂分類模型的訓練速度[4]。當前對古典音樂信號的研究手段是將輸入信號導入存儲池中，將其分解成有規律的子信號，利用回聲網絡對子信號進行預測，再將所有子信號的預測結果進行聚合。利用回聲狀態網絡對古典音樂信號進行預測，提高對古典音樂時間序列的預測精度。

基于回聲狀態網絡的基本原理[5]，本文提出基于小波回聲的狀態網絡，其基本結構如圖2所示，采用小波分解將輸入的古典音樂信號分割成頻率不同的子信號，再將其導入小波回聲狀態網絡中。

本文提出基于小波回聲狀態網絡，對過去回聲狀態網絡的原始古典音樂時間序列進行改進[6]，將不規則的古典音樂時間序列轉化成規則的古典音樂時間序列，提高了古典音樂信號的預測精度，克服了小波回聲網絡學習不適應的問題。

1.3 基于回聲狀態網絡的古典音樂分類模型

古典音樂信號屬于維度高的復雜信號，過去人們采用的音樂信息的檢索方式已經不適用于現在的音樂形式，人們追求古典音樂分類的個性化和準確性，而音樂特征的提取為音樂分類的關鍵步驟[7]。在古典音樂的分類領域中數據庫樣本較少，大量的音樂資源未被利用，采用回聲狀態對古典音樂資源進行訓練，能夠加強古典音樂分類的效果。

1.3.1 塑造古典音樂分類模型結構

采用每幀的短時能量作為輸入特征。原始的古典音樂信號特征維度較高，噪音和冗雜度較高，本文先將原始的古典音樂特征輸入到深度神經網絡，再對原始古典音樂信號進行主成分分析（Principal Component Analysis，PCA）。PCA分析法是多變量相關性的多元統計方法，通過幾個主成分來揭示多變量的結構，盡可能保留其原始的特征信息。數學處理過程是將原始的[p]個指標作為線性組合，構成新的綜合指標。將原始特征矩陣導入到PCA模塊中，將得到降低維度后的特征導入到回聲狀態網絡中，再對神經網絡模型進行訓練得到古典音樂分類模型。

圖3中的分類模型訓練過程：

1） 采用wake?sleep算法，對回聲狀態網絡中的每一層的RBM網絡進行單獨的訓練，這種方式可以保證特征向量在映射到不同特征空間時能留存較多的特征信息。

2） 構建BP網絡于回聲狀態網絡的最后一層中，將RBM網絡的輸出特征向量視為BP網絡的輸出向量，采用這種做法可以有效地監督和訓練實體關系分析器。設置的BP網絡只能保證該層次中權值對特征向量的映射達到最優，無法確保整個DBN中特征向量的映射達到最優。因此反向傳播網絡可能將有問題的信息傳播到每一層的RBM，對整個DBN起到小幅度調整的作用[9]。RBM網絡訓練模型即為對一個深層的BP網絡進行權值的初始化過程。該過程使DBN克服了由于BP網絡權值初始化的隨機變化帶來的訓練時間增加和易出現局部最優的問題。

1.3.2 激活函數的選擇

在本文回聲狀態網絡中，激活函數是非線性結構。本文采用非線性的激活函數ReLU，能夠使古典音樂輸出的時間序列不是單純線性組合，而是可以與多種函數進行組合的復雜函數。激活函數的種類有Sigmoid函數和Softplus函數等。圖4是幾種不同的激活函數對古典音樂信號的激活程度結果。

從圖4中可以得出，本文古典音樂分類模型采用ReLU激活函數對古典音樂信號進行激活的優勢包括：

1） 與Sigmoid激活函數相比，本文采用的ReLU函數在進行反向的誤差梯度求值時，求導數過程較簡單；

2） 處于小波回聲狀態網絡時ReLU函數在激活過程中不會出現梯度消失的情況；

3） 采用ReLU函數得出輸出結果會出現部分為空值的現象，這種情況會使小波狀態網絡具有分散性，可緩解分類模型長時間運行導致的負荷過高的問題。

2 實驗結果與分析

實驗將采集到預處理后的古典音樂的音頻片段分別分為長度相同的3段、6段、8段和10段的古典音頻片段，并對此進行標記。采用本文模型對古典音樂分類模型實施訓練，共分為4個模型，每個音樂分類模型分別包含3段、6段、8段和10段音頻片段。實驗采用的音頻片段包括10種不同的古典音樂，每種古典音樂的單詞上限為1 100。表1為采用本文模型對包含不同音樂片段的10類古典音樂分類正確率的計算結果。由表1結果可以看出，本文古典音樂分類模型包含6段音頻片段時的分類正確率最高，隨著音樂片段的增加模型對古典音樂分類的正確率逐漸下降，說明音樂片段的多少影響本文模型進行古典音樂分類的正確率，進而影響聽眾對古典音樂的選擇。

表2是在取不同數量的音樂片段時，本文古典音樂分類模型對應的訓練時間和測試時間。

分析表2能夠看出，隨著本文古典音樂分類模型包含音樂片段的增加，本文模型對分類模型訓練和測試的時間也有所增加，實驗對本文模型的分類時間進行測試，模型在訓練期間的用時遠遠高于實驗測試的實際值，說明本文模型對古典音樂分類的效率較高。

為了驗證本文模型在古典音樂分類中的分類效果，實驗選取基于數據挖掘和基于神經網絡的兩種音樂分類模型作為實驗對照，選取包含6段古典音樂音頻片段，計算三種分類模型10次對該音樂片段的平均分類結果，表3為不同模型下人們對古典音樂分類的滿意率。由表3三種模型對音樂分類結果可以看出，本文模型采用回聲狀態網絡相比另外兩種分類模型，分類結果的滿意率較高，本文模型比基于數據挖掘的音樂分類模型高9個百分點左右，比基于神經網絡的音樂分類模型高8.5個百分點左右，說明本文模型對古典音樂的分類效果更能令人滿意。

表4表示在取相同數量的音樂片段時，三種模型對古典音樂分類過程中的訓練時間和測試時間。從表4可以看出，本文模型無論在模型訓練和模型測試的時間都短于另外兩種模型，說明本文分類模型優于另外兩種模型，證明本文模型對古典音樂能夠實現高精度的分類，用戶滿意度高。

3 結 論

為了改善古典音樂的分類效果，提出基于回聲狀態網絡的古典音樂分類模型，采用具體古典音樂數據進行古典音樂的分類測試。結果表明，本文模型獲得了理想的古典音樂分類結果，而且性能要優于其他模型。

參考文獻

[1] 邵曦，姚磊.基于SVM主動學習的音樂分類[J].計算機工程與應用，2016，52（6）：127?133.

SHAO Xi， YAO Lei. Music classification based on SVM active learning [J]. Computer engineering and applications， 2016， 52（6）： 127?133.

[2] 韓敏，許美玲，王新迎.多元時間序列的子空間回聲狀態網絡預測模型[J].計算機學報，2014，37（11）：2268?2275.

HAN Min， XU Meiling，WANG Xinying. A multivariate time series prediction model based on subspace echo state network [J]. Chinese journal of computers， 2014， 37（11）： 2268?2275.

[3] 王怡鷗，丁剛毅，蒙軍，等.基于三元回聲狀態網絡的二氧化碳濃度預測[J].計算機仿真，2016，33（2）：475?479.

WANG Yiou， DING Gangyi， MENG Jun， et al. The forecas?ting of carbon dioxide concentrations based on triplet echo state networks [J]. Computer simulation， 2016， 33（2）： 475?479.

[4] 吳淦洲.基于特征提取與神經網絡的音樂分類方法[J].數學的實踐與認識，2014，44（5）：94?100.

WU Ganzhou. Music category based on feature extraction and neural network [J]. Mathematics in practice and theory， 2014， 44（5）： 94?100.

[5] 郭偉，于鳳芹.基于負熵最大化改進的語音音樂信號分離[J].計算機工程與應用，2015，51（4）：209?212.

GUO Wei， YU Fengqin. Speech?music separation based on improved algorithm of negentropy maximization [J]. Computer engineering and applications， 2015， 51（4）： 209?212.

[6] 劉鑫，鮑長春.基于回聲狀態網絡的音頻頻帶擴展方法[J].電子學報，2016，44（11）：2758?2766.

LIU Xin， BAO Changchun. Audio bandwidth extension method based on echo state network [J]. Acta electronica Sinica， 2016， 44（11）： 2758?2766.

[7] 張鍵鋒，王勁.基于文本挖掘與神經網絡的音樂風格分類建模方法[J].電信科學，2015，31（7）：86?91.

ZHANG Jianfeng， WANG Jin. A classification method of music style based on text mining and neural network [J]. Telecommunications science， 2015， 31（7）： 86?91.

[8] 黃文華.改進回聲狀態網絡的熱點話題預測模型[J].計算機工程與應用，2014，50（14）：26?30.

HUANG Wenhua. Hot topic prediction model based on improved echo state network [J]. Computer engineering and applications， 2014， 50（14）： 26?30.

[9] 李博，陳志剛，黃瑞，等.基于LDA模型的音樂推薦算法[J].計算機工程，2016，42（6）：175?179.

LI Bo， CHEN Zhigang， HUANG Rui， et al. Music recommendation algorithm based on LDA model [J]. Computer enginee?ring， 2016， 42（6）： 175?179.

[10] ALOMAR M L， CANALS V， PEREZ?MORA N， et al. FPGA?based stochastic echo state networks for time?series forecasting [J]. Computational intelligence & neuroscience， 2016（2）： 391?397.