[发明专利]音频数据的乐器识别方法及装置、电子设备、存储介质

权利要求书

1.一种音频数据的乐器识别方法，其特征在于，包括：

对待识别音频数据进行预处理；

通过短时傅里叶变换将所述待识别音频数据从时域信号转换成预设窗口数量的频域信号；

将所述预设窗口数量的频域信号从频率标度转换为梅尔标度，得到梅尔谱图；

将所述梅尔谱图输入预先构建的乐器识别模型，得到所述待识别音频数据所使用的乐器种类。

2.根据权利要求1所述的方法，其特征在于，所述将所述梅尔谱图输入预先构建的乐器识别模型，得到所述待识别音频数据的乐器识别结果，包括：

通过预先构建的乐器识别模型对所述梅尔谱图进行卷积计算，输出卷积计算结果；

对所述卷积计算结果进行归一化处理，得到所述待识别音频数据包含每种乐器的概率；

将所述待识别音频数据包含每种乐器的概率与预设参数进行比较，确定所述待识别音频数据所使用的乐器种类。

3.根据权利要求1所述的方法，其特征在于，所述将所述梅尔谱图输入预先构建的乐器识别模型，得到所述待识别音频数据的乐器识别结果之前，所述方法包括：

获取样本音频片段以及所述样本音频片段已知的乐器标签信息；

通过所述样本音频片段以及对应的乐器标签信息进行神经网络学习，得到所述乐器识别模型。

4.根据权利要求3所述的方法，其特征在于，所述通过所述样本音频片段以及对应的乐器标签信息进行神经网络学习，得到所述乐器识别模型，包括：

提取所述样本音频片段的样本梅尔谱图；

通过搭建深度卷积神经网络对所述样本梅尔谱图进行卷积计算，提取所述样本梅尔谱图对应的乐器特征；

根据所述样本音频片段对应的乐器标签信息，调整所述深度卷积神经网络的权重参数，使所述乐器特征与所述乐器标签信息之间的差异最小，调整后的所述深度卷积神经网络作为所述乐器识别模型。

5.根据权利要求4所述的方法，其特征在于，根据所述样本音频片段对应的乐器标签信息，调整所述深度卷积神经网络的权重参数，使所述乐器特征与所述乐器标签信息之间的差异最小，包括：

通过调整所述深度卷积神经网络的权重参数，使提取的所述乐器特征与所述乐器标签信息之间的欧式距离最小。

6.根据权利要求1所述的方法，其特征在于，所述对待识别音频数据进行预处理，包括：

将所述待识别音频数据从立体声转化为单声道；

对单声道的所述待识别音频数据进行降采样；

对降采样后的所述待识别音频数据进行归一化。

7.根据权利要求6所述的方法，其特征在于，将所述待识别音频数据从立体声转化为单声道，包括：

将所述待识别音频数据的左声道数据和右声道数据取平均值，得到单声道的音频数据。

8.一种音频数据的乐器识别装置，其特征在于，包括：

预处理模块，用于对待识别音频数据进行预处理；

信号转换模块，用于通过短时傅里叶变换将所述待识别音频数据从时域信号转换成预设窗口数量的频域信号；

梅尔转换模块，用于将所述预设窗口数量的频域信号从频率标度转换为梅尔标度，得到梅尔谱图；

乐器识别模块，用于将所述梅尔谱图输入预先构建的乐器识别模型，得到所述待识别音频数据所使用的乐器种类。

9.一种电子设备，其特征在于，所述电子设备：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行权利要求1-7任意一项所述的一种音频数据的乐器识别方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序可由处理器执行完成权利要求1-7任意一项所述的一种音频数据的乐器识别方法。