一种基于支持向量机的音频分类方法

本发明涉及音频分类方法，尤其是一种基于支持向量机的音频分类方法。

背景技术：

1、目前，市面上的音频分析和歌唱评分软件大都采用频谱图分析方式，将音频转置而成的频谱图作为之后的分析对象。当程序接收到频谱图时，将该频谱图与原曲的频谱图进行比对，分析其差异性并得出结果，最终通过数据的可视化向用户展示。

2、而在现有技术中，是从视频网站上下载下来的男高音歌唱片段作为训练集，采用二值化(0或1)和三分化(0,1,2，分别代表有无和程度低)进行评分，之后输入到cnn卷积神经网络中进行处理，该技术方案对于美声评分的准确度为30％-40％之间，从而精确度较低。

技术实现思路

1、针对现有的技术问题，本发明提供一种基于支持向量机的音频分类方法。

2、本发明所采用的技术方案是：一种基于支持向量机的音频分类方法，具体包括以下步骤：

3、步骤s01，将音频数据通过傅里叶变换后的频率信息映射到梅尔频率尺度，再将其转换成对数幅度谱，以获得接近人耳感知方式的频谱图；

4、步骤s02，将提取的mfcc特征向量x与对应的音频类别标签组成训练数据集；

5、步骤s03，将训练数据集输入svm算法，训练得到音频分类模型；

6、步骤s04，将新音频的mfcc特征向量输入模型，根据新数据点相对于学习的超平面的位置对新数据点进行分类预测，获得类别标签。

7、本发明进一步的设置为，将音频数据通过傅里叶变换后的频率信息映射到梅尔频率尺度，再将其转换成对数幅度谱，以获得接近人耳感知方式的频谱图，具体包括以下步骤：

8、步骤一，采用数字滤波器对音频信号进行降噪，消除背景噪声；

9、步骤二，对音频信号的幅度进行归一化处理，将信号幅度调整到统一范围；

10、步骤三，将预处理后的音频信号按固定长度分帧，每帧加上汉明窗，对每一帧的信号进行fft，转换到频域，得到频谱信息；

11、步骤四，将频谱映射到梅尔频率尺度，模拟人耳对不同频率的感知，对梅尔频率尺度上的功率谱取对数，得到对数能量谱，对对数能量谱进行离散余弦变换(dct)，得到mfcc特征向量x。

12、本发明进一步的设置为，将训练数据集输入svm算法，训练得到音频分类模型，具体包括以下步骤：

13、步骤一，根据数据特性选择内核函数，将数据映射到更高维的空间，使其线性可分，使用径向基函数计算，具体如下：

14、k(x1,x2)＝exp(-γ·||x1-x2||2)

15、式中：||x1-x2||2为可以被识别为两个特征向量之间的平方欧氏距离；

16、内核系数为:

17、

18、步骤二，训练过程中，svm会找到使边际，最大化的最佳超平面，得到模型文件。

19、本发明的有益效果是：本发明中，通过人工智能技术分析演唱者演唱音频的频谱图，不需要与原曲进行比较，适用范围更广，本发明中从十个技术指标的维度去评判演唱者的演唱水平，相较于之前的评分标准更为精确。

技术特征：

1.一种基于支持向量机的音频分类方法，其特征在于，具体包括以下步骤：

2.根据权利要求1所述的一种基于支持向量机的音频分类方法，其特征在于，将音频数据通过傅里叶变换后的频率信息映射到梅尔频率尺度，再将其转换成对数幅度谱，以获得接近人耳感知方式的频谱图，具体包括以下步骤：

3.根据权利要求2所述的一种基于支持向量机的音频分类方法，其特征在于，将训练数据集输入svm算法，训练得到音频分类模型，具体包括以下步骤：

技术总结
本发明涉及音频分类方法技术领域，具体公开了一种基于支持向量机的音频分类方法，具体包括以下步骤：步骤S01，将音频数据通过傅里叶变换后的频率信息映射到梅尔频率尺度，再将其转换成对数幅度谱，以获得接近人耳感知方式的频谱图；步骤S02，将提取的MFCC特征向量X与对应的音频类别标签组成训练数据集；步骤S03，将训练数据集输入SVM算法，训练得到音频分类模型；步骤S04，将新音频的MFCC特征向量输入模型，根据新数据点相对于学习的超平面的位置对新数据点进行分类预测，获得类别标签。通过人工智能技术分析演唱者演唱音频的频谱图，不需要与原曲进行比较，适用范围更广，相较于之前的评分标准更为精确。

技术研发人员：侯震一,范广宇,皮伟宁,罗代均,张天浩,陶致荣,姜尚格日乐,盛薪瑜,赵徐,叶柯杰,夏嘉璟,班晨希,张诣弢,张玉炎,陈佳星,张语桐
受保护的技术使用者：上海理工大学
技术研发日：
技术公布日：2025/4/10