本發明公開了一種基于五音階樂律聲譜圖和級聯神經網絡的戲曲分類方法，該方法包括：對戲曲音頻文件進行預處理，包括對戲曲音頻文件進行切片以及對等長片段的音頻信號進行分幀和加窗操作；通過基于戲曲五聲音階設計的濾波器組，提取五音階樂律聲譜圖；將提取的五音階樂律聲譜圖送入級聯神經網絡進行訓練或者預測；對于級聯神經網絡的輸出進行分類操作，得到其在各個戲曲類別上的概率分布，選取概率最大的類別作為最終分類結果。本發明基于戲曲五聲音階設計出更符合戲曲樂律特性的聲譜圖，同時級聯神經網絡結構更好地考慮了戲曲長音頻的整體性以及各個片段之間的上下文依賴，有利于提高分類的準確性。

技術領域

本發明涉及音頻數字信號處理技術領域，具體涉及一種基于五音階樂律聲譜圖和級聯神經網絡的戲曲分類方法。

背景技術

中國傳統戲曲起源于民間歌曲與舞蹈，是一種由音樂、舞蹈、美術、中國武術和雜技等綜合而成的表演方式，是我國傳統文化中最豐富、最具有代表性的藝術形式之一，有著悠久而輝煌的歷史，豐富了我國的文化寶庫，被稱為世界三大戲劇之一。據統計，傳統戲劇種類有360多種，其中5種被列入世界非物質文化遺產，162種被列入國家級非物質文化遺產。為了讓我國這寶貴的文化遺產綻放光芒，經久不衰，使用現代計算機技術保護和管理中國傳統戲曲顯得尤為必要。中國戲曲曲目數以百萬計，數量龐大，以人工方式對戲曲進行分類，不僅效率低下，費用高昂，而且正確率低。因此，有必要構建一套自動化的戲曲分類系統。

目前，關注戲曲分類的研究還比較少，更多的是針對現代音樂的分類，比如音樂流派分類以及音樂情感分類等。目前主流音樂分類的方法主要有以下兩種：

1)基于特征的傳統機器學習分類方法。在特征提取方面，根據不同類型的樂音信號在音色、音高以及節奏的差別，分別從時域以及頻域進行信號分析及計算，從而提取特征。這種提取特征方式雖然計算方便且可解釋性強，但是需要更多依賴該領域專家的經驗人工設計特征，且特征表達不夠全面，也缺乏通用性。同時，傳統機器學習分類識別算法并不能很好根據所提取的淺層特征去學習更深更好的特征，導致傳統機器學習分類識別算法在音頻信號分類上有所限制。

2)基于音頻聲譜圖的深度學習分類方法。在特征提取方面，常用的方法是提取音頻信號的聲譜圖。對音頻信號進行分幀以及加窗處理，然后對其進行短時傅里葉變換，最后拼接每一幀的傅里葉變換系數得到聲譜圖。對于深度學習分類算法，比如卷積神經網絡以及循環神經網絡，能夠對前面的聲譜圖自動地實現特征學習并得到特征表示。特別地，卷積神經網絡更偏向于學習聲譜圖在空間域方面的特征，循環神經網絡更偏向于學習聲譜圖在時間序列方面的特征，兩種算法學習的特征側重點不同。

由于第二種方法在數據量大時能夠更好學習高階特征，且不過多依賴于專業領域的先驗知識，因此該方法更適合運用于戲曲分類。然而對比音樂分類，戲曲分類有以下因素需要進行考慮。

首先，對于音頻聲譜圖的提取，以往通常是基于傅里葉變換得到的。但是由于傅里葉變換得到的音頻譜是線性分布的，而音階的頻率是指數分布的，兩者不匹配。常數Q變換本質就是中心頻率按指數規律分布，且中心頻率與帶寬比為常量Q的濾波器組。因此，在音樂信號分析中，采用常數Q變換一般會比傅里葉變換有效。另外，不同于現代音樂的七聲音階，大多數戲曲采用五聲音階。五聲音階的意思就是按五度的相生順序，從宮音開始到角音，依次為：宮、商、角、徵、羽。五聲音階的特色在于，它沒有半音階(小二度)音程。其音程組織是每個八度之內有3處全音，分成兩個一串(宮─商─角)和一個單獨的(徵─羽)，音階中的每一個音都可以當主音以建立調式，可形成5種不同的五聲調式。因此在戲曲分類任務中對于聲譜圖的提取，應該基于五聲音階樂律，簡稱五音階樂律聲譜圖。