基于古筝弹奏特征的音乐情感识别方法

本发明涉及一种基于古筝弹奏特征的音乐情感识别方法。

背景技术：

1、近年来，音乐情感在演奏中的重要性得到了更多的关注和研究。表达音乐的情感是音乐演奏的核心之一，它使音乐得以真正触动人心、产生共鸣。当弹奏者能够准确地表达音乐作品中的情感和意图时，他们能够传达出作曲家创作时的情感，使听众更加深入地理解和感受音乐。表达能力的欠缺可能导致音乐听众无法全面地体验音乐的情感内涵，从而降低了演奏的艺术价值。

2、对于学习者来说，提升情感表达的能力具有重要的意义。通过加强音乐情感的理解和演奏技术调整，学习者可以逐渐提高自己的表达能力，使音乐演奏更具感染力。这不仅能够提升演奏的质量，还能够更好地传达音乐的情感和意义，与观众建立更深层次的共鸣和连接。因此，对于弹奏学习者，通过细致的演奏情感识别与对比，能够帮助演奏练习者直观地感受其演奏的情感表现程度与专业学者的差距，从而调整或加强演奏技巧来更好地呈现出曲子的情感变化，使其能够准确地表达曲子中的不同情感，逐渐发展自己的表达能力，从而提升音乐演奏的艺术水平。

技术实现思路

1、本发明提供了一种基于古筝弹奏特征的音乐情感识别方法解决上述提到的技术问题，具体采用如下的技术方案：

2、一种基于古筝弹奏特征的音乐情感识别方法，包含：

3、采集演奏者演奏古筝时的肌电信号和琴弦的振动频率信号；

4、从所述肌电信号中提取速度特征和力度特征；

5、从所述振动频率信号中提取出音高特征；

6、将所述速度特征、所述力度特征和所述音高特征输入训练好的情感识别模型中得到情感识别结果。

7、进一步地，所述速度特征包含：平均弹奏速度和弹奏速度变化；

8、所述从所述肌电信号中提取所述速度特征的具体方法为：

9、从所述肌电信号中选择与所述速度特征相关的信号通道的速度肌电信号；

10、通过数字滤波器对所述速度肌电信号进行预处理；

11、从所述速度肌电信号中提取出时域特征、频域特征、时-频域特征和非线性特征；

12、对提取出的特征进行归一化处理；

13、对归一化后的特征进行降维处理；

14、将降维处理后的特征与标准的手势数据库进行对比进行手势判断得到弹奏动作个数和弹奏时间；

15、基于弹奏动作个数和弹奏时间计算所述平均弹奏速度和所述弹奏速度变化。

16、进一步地，所述通过数字滤波器对所述速度肌电信号进行预处理的具体方法为：

17、通过50hz陷波去除工频干扰；

18、通过4阶20～240hz带通滤波滤除低频伪迹和高频噪声；

19、通过12阶梳状陷波滤除工频谐波干扰；

20、基于teager-kaiser能量算子自动检测手势引发的所述速度肌电信号的运动起始点。

21、进一步地，所述时域特征包含幅值绝对值均值、均方根值、幅值立方均值、过零点次数、willison幅值和波长；

22、所述频域特征包含平均功率频率、中值频率、2阶谱矩和7阶ar模型参数；

23、所述时-频域特征包含小波系数的平方和、均差和方差；

24、所述非线性特征包含样本熵和分形维数。

25、进一步地，所述对归一化后的特征进行降维处理的具体方法为：

26、通过fs特征降维法对归一化后的特征进行降维处理。

27、进一步地，所述力度特征包含：平均力度和力度变化；

28、所述从所述肌电信号中提取所述力度特征的具体方法为：

29、从所述肌电信号中选择与所述力度特征相关的信号通道的力度肌电信号；

30、通过数字滤波器对所述力度肌电信号进行预处理；

31、采用小波系数能量特征提取方法提取出力度特征向量；

32、将所述力度特征向量与标准力度数据库进行对比得到每个弹奏动作对应的动作力度大小；

33、基于所述动作力度大小和所述弹奏动作个数计算所述平均力度和所述力度变化。

34、进一步地，所述通过数字滤波器对所述力度肌电信号进行预处理的具体方法为：

35、通过50hz陷波去除工频干扰；

36、通过4阶20～240hz带通滤波滤除低频伪迹和高频噪声；

37、通过12阶梳状陷波滤除工频谐波干扰；

38、利用滤波后的信号，基于短时能量多阈值的活动段检测方法自动检测手势引发的所述力度肌电信号的运动起始点。

39、进一步地，所述音高特征包含：平均震动频率、震动频率变化和震动频率范围。

40、进一步地，所述基于古筝弹奏特征的音乐情感识别方法还包含：

41、将所述速度特征、所述力度特征和所述音高特征构成的输入特征向量与标准特征向量进行比对得到情感表现度。

42、进一步地，采用标准化欧几里得距离计算所述输入特征向量与所述标准特征向量的相似度值，将所述相似度值作为所述情感表现度。

43、本发明的有益之处在于所提供的基于古筝弹奏特征的音乐情感识别方法，能够根据采集到的古筝演奏者演奏过程中的肌电信号和振动频率信号识别古筝演奏中所表达的情感。

技术特征：

1.一种基于古筝弹奏特征的音乐情感识别方法，其特征在于，包含：

2.根据权利要求1所述的基于古筝弹奏特征的音乐情感识别方法，其特征在于，

3.根据权利要求2所述的基于古筝弹奏特征的音乐情感识别方法，其特征在于，

4.根据权利要求2所述的基于古筝弹奏特征的音乐情感识别方法，其特征在于，

5.根据权利要求2所述的基于古筝弹奏特征的音乐情感识别方法，其特征在于，

6.根据权利要求2所述的基于古筝弹奏特征的音乐情感识别方法，其特征在于，

7.根据权利要求6所述的基于古筝弹奏特征的音乐情感识别方法，其特征在于，

8.根据权利要求6所述的基于古筝弹奏特征的音乐情感识别方法，其特征在于，

9.根据权利要求8所述的基于古筝弹奏特征的音乐情感识别方法，其特征在于，

10.根据权利要求9所述的基于古筝弹奏特征的音乐情感识别方法，其特征在于，

技术总结
本发明公开了一种基于古筝弹奏特征的音乐情感识别方法，包含：采集演奏者演奏古筝时的肌电信号和琴弦的振动频率信号；从肌电信号中提取速度特征和力度特征；从振动频率信号中提取出音高特征；将速度特征、力度特征和音高特征输入训练好的情感识别模型中得到情感识别结果。本发明提供的基于古筝弹奏特征的音乐情感识别方法，能够根据采集到的古筝演奏者演奏过程中的肌电信号和振动频率信号识别古筝演奏中所表达的情感。

技术研发人员：刘征,刘雅雯
受保护的技术使用者：中国美术学院
技术研发日：
技术公布日：2024/1/16