78、听觉流形成的后果:和谐与不和谐的奥秘

听觉流形成的后果:和谐与不和谐的奥秘

在音乐的世界里,旋律和语调的感知是一个复杂的过程,它涉及到基频(F0)、强度和持续时间等多种因素的相互作用。此外,诸如节奏、频谱斜率、调性和发音等其他频谱和时间特性也会发挥作用。这使得我们很难单独确定音高、响度、亮度或其他听觉属性的作用。因此,使用“韵律轮廓”这个概念可能更为合适,它不仅包括音高的变化,还涵盖了响度、亮度、节奏等传达听觉流连续单元之间相互关系信息的属性。

和谐与不和谐的概念

和谐与不和谐是音乐中描述同时或相继出现的音符所产生的感知质量的概念。在音乐之外,这些概念仅以隐喻的方式使用。通常,和谐可分为同时和谐(与同时发声的音符相关)和连续和谐(与相继音符之间的音程相关)。由于连续音符的和谐属性通常源自同时和谐,因此这里主要讨论同时和谐。

和谐与不和谐的概念在历史上有多种含义。目前,和谐通常与音符组合的“愉悦感”相关,而不和谐则相反。冯·亥姆霍兹(Von Helmholtz)将和谐描述为两个音符(一个高音和一个低音)的融合,而不和谐则是两个音符无法融合,听起来粗糙。这表明和谐与整合和平滑相关,而不和谐与分离和粗糙相关。

在音乐理论中,音乐音程常被分为和谐或不和谐。这种分类并非直接基于感知实验结果,而是源于毕达哥拉斯时代的和声法则。在那个时代,人们发现振动弦发出的声音的泛音频率是基频的整数倍。为了避免同时发声的音符的谐波之间的干扰,应使泛音频率要么完全相等,要么相差较大。在实际中,这通常只适用于较低的谐波,因为较高的谐波振幅较低且衰减迅速。

在完美谐波音符的情况下,其频率比可以表示为小整数的比值,这种比值被称为简单比值。通过选择具有简单比值的基频,可以避免不同音符的较低谐波之间的干扰,这样的音程

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练分类,实现对同类型扰动的自动识别准确区分。该方法充分发挥DWT在信号去噪特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性效率,为后续的电能治理设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值