技術(shù)特征：

1.一種基于魯棒性音階輪廓特征和向量機(jī)的和弦識(shí)別方法，其特征是，包括下列步驟:

1)對(duì)原始音頻信號(hào)進(jìn)行加窗預(yù)處理，得到音樂信號(hào)的分幀結(jié)果；

2)對(duì)分幀結(jié)果進(jìn)行離散余弦變換，得到原始信號(hào)的標(biāo)準(zhǔn)音頻頻譜矩陣S；

3)假設(shè)頻譜中諧波成分矩陣A和非諧波成分矩陣E是相互獨(dú)立的，那么就有：S＝A+E；矩陣通過以下凸優(yōu)化問題進(jìn)行全局最優(yōu)解的求解：

$\begin{array}{c}\underset{A,E}{\min }\left|\right|A|{|}_{*}+\mathrm{\λ}|\left|E\right|{|}_1\\ s.t.A+E=S\end{array}---\left(1\right)$

其中||·||_*表示矩陣的核范數(shù)，即矩陣的奇異值之和；||·||₁表示矩陣的一范數(shù)，即所有非零元素之和；

該優(yōu)化問題通過增廣拉格朗日乘子法進(jìn)行解決；

4)為了得到魯棒性PCP特征，將矩陣A乘映射矩陣P：

P表示頻譜矩陣和由RPCP向量組成的色度矩陣chromagram之間的變換矩陣，其中f_i表示音樂中12平均律所定義出來(lái)的12個(gè)音階的基頻，1≤i≤12，2π·ω_j則表示時(shí)頻變換后所得到的各個(gè)頻率成分的頻率值，0≤j≤N-1，另外，

$\mathrm{\δ}(\mathrm{\ω},f_i)=\left\{\begin{array}{c}0,if\[12\·{\log }_2(2\mathrm{\π}\mathrm{\ω}/f_i)\]\%12\≠0\\ 1,if\[12\·{\log }_2(2\mathrm{\π}\mathrm{\ω}/f_i)\]\%12=0\end{array}\right.---\left(3\right)$

通常情況下，規(guī)定音符A4處的頻率440Hz為基準(zhǔn)頻率，并通過f_A4·2^b獲得其他音符處的頻率值，其中b為音符與A4之間的音程差，然后，通過映射公式(3)來(lái)對(duì)諧波矩陣A的各個(gè)頻率成分進(jìn)行映射，從而獲得魯棒音階輪廓特征向量，其中2πω對(duì)應(yīng)矩陣A每一行所對(duì)應(yīng)的頻率值，而f_i則表示音樂中通用的中央八度內(nèi)12個(gè)音符所對(duì)應(yīng)的頻率，通過f_A4·2^b獲得；

5)采用測(cè)度學(xué)習(xí)的方法對(duì)支持向量機(jī)的高斯核函數(shù)進(jìn)行優(yōu)化：根據(jù)和弦特征的特點(diǎn)，從問題本身的先驗(yàn)知識(shí)中有監(jiān)督的學(xué)習(xí)到一個(gè)距離方程，該距離方程的求解是凸優(yōu)化問題，從而使用梯度下降算法求得全局最優(yōu)解，進(jìn)而用求得的轉(zhuǎn)換矩陣最優(yōu)解對(duì)支持向量機(jī)的核函數(shù)進(jìn)行優(yōu)化，得到基于測(cè)度學(xué)習(xí)的高斯核函數(shù)；

6)利用訓(xùn)練數(shù)據(jù)對(duì)測(cè)度學(xué)習(xí)支持向量機(jī)進(jìn)行訓(xùn)練，確定測(cè)度學(xué)習(xí)支持向量機(jī)中的參數(shù)；

7)使用訓(xùn)練好的測(cè)度學(xué)習(xí)支持向量機(jī)對(duì)測(cè)試數(shù)據(jù)進(jìn)行識(shí)別，得到最終的識(shí)別率。