53、音乐分类特征组合研究

音乐分类特征组合研究

1. 音频特征概述

音乐分类是多媒体和信息检索领域的新兴方向，其关键问题在于高效且有效地提取用于高级分类的音频特征。此前的研究中，已使用了多种类型的特征，主要可分为低级特征和中级特征。

• 低级特征 ：常见的低级特征有音色和时间特征，它们通常通过频谱分析提取。提取步骤如下：
  1. 将歌曲分割成小的局部窗口。
  2. 假设每个局部窗口内的截断信号段是平稳的，以应用各种频谱分析技术。
  3. 从每个局部窗口提取标准频谱系数，如快速傅里叶变换系数、梅尔频率倒谱系数（MFCC）、幅度谱包络（ASE）和基于倍频程的频谱对比度（OSC）。
  4. 聚合相邻局部窗口的系数，生成单个歌曲级别的特征。音色特征和时间特征的主要区别在于局部频谱系数的聚合方式，音色特征对系数的分布进行建模，而时间特征将系数视为时间序列数据，关注其时间演变。
• 中级特征 ：如节拍和和弦等中级特征，在一些系统中用于补充或替代低级特征。与低级特征相比，中级特征更易于解释，与人类对音乐的感知联系更紧密，但在音乐分类任务中，中级特征是否优于低级特征仍有待研究。

为了提高音乐分类系统的性能，本文使用了8种单个特征，包括基于三种不同频谱系数的三种音色特征（SMFCC、SASE和SOSC）、基于相同三种系数波动模式的三种时间特征（TMFCC、TASE和TOSC），以及两种中级特征节拍（B）和和弦（C）。

2. 特征组合方法

特征组合方法可