基于音樂特征向量空間的音樂情感識別方法研究

摘要：本文選取MIDI音樂文件作為樣本，基于音樂心理學理論建立音樂特征與情感的映射模型，利用BP神經網絡進行音樂情感的計算機識別訓練，測試結果表明該模型基本達成預期效果，具備良好適用價值。

關鍵詞：音樂情感;音樂特征;BP神經網絡

中圖分類號：：TP391 文獻標識碼：A? 文章編號：1005-5312（2020）26-0054-01? DOI：10.12228/j.issn.1005-5312.2020.26.039

一、音樂情感識別建模

1.模型建立。基于音樂情感識別原理確立音樂情感認知流程：首先以數學模型、音樂心理學理論為基礎，從中抽象出輸入、輸出向量的數學含義;其次是結合對輸入向量的需求，從MIDI音樂文件中提取出特征信息、完成情感標注，完成輸入向量各分量的計算;最后是通過大量數據訓練完成數學模型參數的調整，確定情感認知模型①。

2.音樂特征向量空間定義。音樂特征是認知、識別與表現音樂情感的載體，當前以下三種音樂特征：一是基本特征，包含速度、力度、音高與音色;二是音樂語言表現方式，包含旋律、節奏、和聲等;三是整體特征，包含風格、調式、曲式等。基于映射模型進行音樂特征參數的定義，共包含九個特征子集，其中音高特征子集包含音高、音高變化量、變化頻率、音域四項參數，力度特征子集包含聲級和聲級變化兩項參數，速度特征子集包含速度與速度變化兩項參數，音程分布子集的參數為是否協和，旋律方向子集以旋律方向為參數，調式調性子集包含有無調性、調式兩項參數，時值特征子集的參數為長短音符對比，節奏緊張性子集以音符密度為參數，節奏穩定性子集以節奏突變度為參數，由此建構起音樂情感識別系統。

二、音樂情感特征的提取與識別方法

1.音樂特征提取。首先，從基本特征提取入手，利用平均音高表示樂曲的音高水平，設Pi為樂曲中第i個音符的音高，n代表樂曲中涵蓋的音符數量，其公式為：

以樂曲中的小節為基本單位，利用音高變化表示音高變化幅度，設Bari為第i個小節的音高平均值，N為樂曲中包含的小節數量，其公式為：

利用音域衡量樂曲音高的廣度、評價樂曲的表現力，設P1，P2，…，Pn為第1～n個音符的音高值，其公式為：

利用時值表示音符持續時間，音強表示音符力度。其中時值的計算公式為：

其次，從音色入手，音色能夠間接反映出樂曲所傳達出的情感。在建構起音色與情感間映射關系的基礎上，結合音樂信號的頻譜分布圖建立其與音色術語、樂器與適合表達的情感或場景間的聯系，以基頻為主的頻譜分布圖為例，其音色術語包含純凈的、簡單的兩種類型，分別對應音叉、豎笛樂器，用于表達單純的或簡單的、歡快的情感或場景。

再次，從力度提取入手，選取平均力度、力度變化兩個特征進行力度描述，其公式分別為：

接下來分別完成旋律方向與節奏的識別，設D為樂曲中全部音符的音長之和，Di為第i個音的音長，其公式分別為：

最后基于MIDI文件中的可選指令分別完成調號、調性的識別算法定義。

2.基于BP神經網絡的識別機制建立。在BP網絡學習過程設計上，表示為：開始——初始化權值、閾值——給定輸入向量、目標輸出——求隱含層、輸出層各單元輸出——求目標輸出與實際輸出的誤差——判斷是否滿足要求，是則結束，否則修改權值、閾值，開始新一輪計算。基于BP神經網絡建立音樂情感分類識別機制，首先進行輸入、輸出層設計，將輸入層節點數目設為8個，輸出神經元節點數目設為3個，則五種情感類型分別表示為（0，0，1）、（0，1，0）、（0，1，1）、（1，0，0）和（1，1，1）;其次進行隱藏層設計，節點f數（x目）?為117個;再進行網絡結構設計，采用8×17×3結構，以作為隱藏層、輸出層的激活函數，確保輸出結果恰好落在（0，1）之間;最后進行網絡訓練參數的設定，最大循環次數、誤差期望值分別為2500和0.001，以traingdx函數、均方誤差性能函數分別作為訓練函數和性能函數。

基于MATLAB7.1實驗環境觀察BP神經網絡的運行結果，選取25個MIDI格式的音樂片段作為測試樣本，測得其分類精度與識別能力均保持較高水平，準確率達80%。

★基金項目：江西省文化藝術科學規劃項目《基于BP神經網絡的音樂情感識別研究》研究成果，項目編號：YG2018106。

注釋：

①唐霞，張晨曦，李江峰.基于深度學習的音樂情感識別[J].電腦知識與技術，2019，（11）：238-243.

作者簡介：李璐（1981-），女，漢族，江蘇徐州人，研究生，講師，研究方向（從事工作）：音樂學。