基于MFCC特征聚类变换的歌曲中歌声的识别

摘要：

针对直接采用MFCC作为歌曲中歌声识别的特征参数存在数据量大、且所包含的歌手歌唱特征较少的问题,提出一种基于MFCC特征聚类变换的歌曲中歌声的识别方法.通过对MFCC特征进行GMM聚类变换,以各个高斯分布的均值作为SVM分类器的特征参数,利用GMM数据描述能力强的特点,突出歌手的歌唱特征,降低特征参数的数据量.实验结果表明,该方法在歌曲中歌声识别上的平均识别率较标准GMM方法略有提高,且数据处理量减少了65.8%.

关键词：歌曲中歌声的识别、MFCC、特征聚类变换、高斯混合模型

所属期刊栏目：12

分类号：TP391(计算技术、计算机技术)

资助基金：永州市科技计划指导性项目2011流行歌曲歌词实时智能提取技术研究

在线出版日期：2017-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：170-171