撷取小波封包转换特徵於音乐乐器之自动辨识.PDFVIP

Journal of Information Technology and Applications Vol. 9, No. 2, pp. 53-65 2015 擷取小波封包轉換特徵於音樂樂器之自動辨識 Extraction of Discrete Wavelet Packet Transform Features for Musical Instrument Recognition 陳淑華 中華大學資訊工程學系 m.tw 李建興 中華大學資訊工程學系 chlee@.tw 摘要 本論文應用一維離散小波封包轉換分析於音樂樂器之自動辨識。將音樂訊號透過一維離散小波封包轉 換，在不同的頻帶範圍中分別對音樂訊號擷取辨識特徵，分別為頻帶能量平均特徵、頻帶能量標準差特徵、 時間頻帶能量平均特徵，最後利用歐基里德距離來計算測試資料的特徵與每一種樂器之每一檔案間的最小距 離，我們挑選最小距離之樂器類別來當作測試資料之類別。本論文實驗中樂器資料庫的種類有八種，包含中 音薩克斯風、低音提琴、大提琴、長笛、雙簧管、小號、中提琴和小提琴，將這八種樂器進行樂器分類辨 識 。在Iowa 樂器資料庫中， 以五階層之頻帶能量平均特徵加上標準差特徵與時間頻帶能量平均特徵之辨識 率 95.95%為最佳辨識結果;而在RWC樂器資料庫中， 以六階層之頻帶能量平均特徵加上標準差特徵與時間 頻帶能量平均特徵之辨識率 87.85%為最佳辨識結果。 關鍵字 :離散小波封包轉換、歐基里德距離、樂器自動辨識。 Abstract In this paper, analysis of music signal using discrete wavelet packet transform (DWPT) is employed for musical instrument recognition. First, one-dimension DWPT is applied to decompose an input music signal into several subbands. Then, discriminative features were extracted from each subband. The features are average subband energy (SE), subband energy standard deviation (SSTD) and temporal subband average energy (TSE). Finally, we used the Euclidean distance to calculate the distance between the feature vector of testing data and that of each training data for music instrument classification. In our experiments, eight kinds of musical instruments, including alto saxphone, bass, cello, flute, oboe, trumpet, viola, and violin, w