复杂噪声环境中的音乐分类和检测模型

作者：孟令红

来源：微型电脑应用, 2020, 36(10): 107-109.

• 噪声干扰
• 音乐分类
• 检测精度
• 提取特征向量
• 神经网络
• 仿真测试

为了提高音乐分类和检测正确率,设计了一种复杂噪声环境中的音乐分类和检测模型。首先分析当前音乐分类和检测的研究进展,指出各种音乐分类和检测模型存在的缺陷,然后采集音乐分类和检测信号,引入去噪技术对噪声进行消除处理,从信号中提取特征,最后将特征和音乐类型分别作为神经网络的输入和输出向量,通过神经网络的训练建立音乐分类和检测模型。在相同环境下,与其它音乐分类和检测模型进行了对比测试,结果表明,无噪声环境下,这个模型的音乐分类和检测精度超过95%,在复杂噪声环境下,文中模型的音乐分类和检测精度超过90%,远远超过音乐处理的实际应用控制范围,音乐分类和检测效果优于对比模型,具有一定的实际应用价值。