科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对音符识别准确率不高的问题，提出一种基于人工神经网络的音符识别方法。为提高识别准确率，首先采用归一化和汉明窗方法对音频信号进行预处理，然后采用CQT和MFCC分别提取频域特征和倒频域特征；利用BP神经网络和Softmax回归模型，提出Softmax回归结合BP神经网络音符识别模型，并构建音符识别分类器；最后通过MATLAB R2016a作为仿真软件，在自构音符库的基础上，对音符进行识别。结果表明，在CQT和MFCC共同提取特征和不同样本数量下，本研究构建的音符识别器的识别率都高于93%,且与其他参考文献的识别率相比，本研究算法也具有明显优势。由此说明，本研究构建的音符特征提取与识别方案可行。
- 单位
