江益靚，孫校珩，梁曉晶，李子晉，李 偉，3

(1. 復(fù)旦大學(xué) 計(jì)算機(jī)科學(xué)技術(shù)學(xué)院，上海 201023; 2. 中國音樂學(xué)院 音樂學(xué)系，北京 100101;3. 復(fù)旦大學(xué) 上海市智能信息處理重點(diǎn)實(shí)驗(yàn)室，上海 200433)

1 研究背景

不同旋律的音色可能具有不同的性格，從而表達(dá)不同的感情以及藝術(shù)風(fēng)格.音色被定義為音高、響度相同條件下，能夠區(qū)分不同聲音的感知特征[1].而在動(dòng)態(tài)的樂器演奏中，影響人們對(duì)于音色感知的因素是多方面的.基于音頻特征，對(duì)音色的主觀感知進(jìn)行分析、建模，這對(duì)音色的感知研究和樂器的感知研究都有重要意義，是樂器識(shí)別、音樂情感分析、音樂流派分類等音樂信息檢索任務(wù)的基礎(chǔ).

音色的感知描述較為主觀，其研究需要大量的主觀實(shí)驗(yàn)與對(duì)應(yīng)樂器演奏的音頻.研究大多采用多維尺度(Multidimensional Scaling, MDS)分析的方式，將樂器映射到低維空間中，進(jìn)而分析樂器的音色[2].文獻(xiàn)[3-5]研究了聲學(xué)參數(shù)(起奏時(shí)間、譜質(zhì)心、譜通量等)與MDS分析得到的樂器分布的關(guān)系.有關(guān)樂器感知實(shí)驗(yàn)的研究多針對(duì)合成或修改(變調(diào))的聲音為主[2-4，6]，使用真實(shí)樂器的客觀數(shù)據(jù)的研究較少，而實(shí)際上合成音色與真實(shí)音色有較大區(qū)別.相對(duì)于主觀音色感知分析，基于客觀特征的音色分析更加客觀，可以更好地分析和理解音色本質(zhì)，對(duì)于音色客觀評(píng)價(jià)體系的建立有重要意義.文獻(xiàn)[7]建立聽覺感知模型，探究了同一樂器響度、音高與音色明亮度的關(guān)系.文獻(xiàn)[8]分析了時(shí)域、頻域、倒頻域方面的音色特征.

民族樂器的音色感知方面的研究存在描述詞選擇較主觀、音頻數(shù)據(jù)樂器種類較單一、數(shù)據(jù)量較少的問題.文獻(xiàn)[9]從音樂信息可視化的角度，研究了多種民族樂器的音色性格.文獻(xiàn)[10]關(guān)注音色感知的單一方面，對(duì)中國民族樂器做了一系列主觀評(píng)價(jià)實(shí)驗(yàn).文獻(xiàn)[11]建立了比較全面的民族樂器音色的主觀評(píng)價(jià)數(shù)據(jù)集，并使用客觀音色特征，對(duì)篩選出的16個(gè)音色描述詞中的4個(gè)描述詞進(jìn)行回歸建模.本文在文獻(xiàn)[11]的民族樂器音色描述詞的主觀打分的基礎(chǔ)上，進(jìn)一步篩選出合適的描述詞，然后基于客觀特征，對(duì)4個(gè)音色進(jìn)行分類分析.根據(jù)實(shí)驗(yàn)現(xiàn)象，本文基于客觀特征進(jìn)一步分析了音色的影響因素.

2 方 法

2.1 音色特征的選擇

本文參考以往文獻(xiàn)，從時(shí)域、頻域以及倒譜域，選擇與音色相關(guān)的特征[8，12].時(shí)域特征反映聲音的動(dòng)態(tài)變化.Helmholtz在1954年指出音色感知與頻譜包絡(luò)有關(guān)[12].在各類音色分析實(shí)驗(yàn)中，譜特征也是學(xué)者們研究的重點(diǎn).本文采用譜質(zhì)心、頻譜峰態(tài)、頻譜帶寬、高階譜擬合系數(shù)、頻譜滾降系數(shù)、譜通量、協(xié)噪比作為頻域特征.不同的譜特征表達(dá)聲音不同的物理特征，其中: 譜質(zhì)心主要體現(xiàn)了音色的明亮度；頻譜滾降點(diǎn)表明了頻譜包絡(luò)開始快速下降的頻率；譜通量為連續(xù)幀之間頻譜的變化等.樂器發(fā)聲的原理與人的發(fā)聲類似，是激勵(lì)和“濾波器”卷積的結(jié)果，而音色常被認(rèn)為與濾波過程有較強(qiáng)的相關(guān)性，因此提取與人耳聽覺特性相關(guān)的13維Mel頻率倒譜系數(shù)(Mel Frequency Cepstrum Coefficient, MFCC)作為特征.實(shí)驗(yàn)中對(duì)每幀(50ms)提取上述特征值，取1段音頻內(nèi)的平均值作為該段音頻的特征參數(shù).

2.2 機(jī)器學(xué)習(xí)模型選擇

在機(jī)器學(xué)習(xí)模型選擇中，本文選擇了下面幾種算法.

1) 邏輯回歸算法 建立代價(jià)函數(shù)，然后通過優(yōu)化方法迭代求解出最優(yōu)的模型參數(shù).方法簡(jiǎn)單直觀，適用于解決非線性問題.

2) 支持向量機(jī)(Support Vector Machine, SVM) 通過構(gòu)造核函數(shù)，將原始數(shù)據(jù)映射到高維空間中，使得樂器演奏樣本在該空間中線性可分.

3) K近鄰算法 待分類樣本是其臨近樣本的平均或投票結(jié)果，具有很強(qiáng)的容錯(cuò)性.

4) 隨機(jī)森林 隨機(jī)森林集成了多棵決策樹，通過數(shù)據(jù)隨機(jī)選取與特征集隨機(jī)選取，進(jìn)行分類，其最終分類結(jié)果為所有決策樹投票的結(jié)果.

5) 梯度提升決策樹(Gradient Boosting Decision Tree, GBDT) 在每輪迭代后，通過前項(xiàng)分布算法更新分類器權(quán)值.

6) Adaboost 在每輪訓(xùn)練結(jié)束后，Adaboost降低前1輪被正確分類的樣本的權(quán)值，增加前1輪被錯(cuò)誤分類的樣本權(quán)值，對(duì)每個(gè)弱分類器的結(jié)果進(jìn)行加權(quán)表決，提高誤差小的弱分類器的權(quán)值.

本文使用網(wǎng)格搜索與五折交叉驗(yàn)證的方式選擇機(jī)器學(xué)習(xí)模型的最佳參數(shù).

3 實(shí) 驗(yàn)

3.1 數(shù)據(jù)集

3.1.1 數(shù)據(jù)集Ⅰ: 民族樂器音色主觀評(píng)價(jià)數(shù)據(jù)集

本實(shí)驗(yàn)使用文獻(xiàn)[11]中構(gòu)建的民族樂器音色主觀評(píng)價(jià)數(shù)據(jù)集.數(shù)據(jù)集包含37種民族樂器的樣本數(shù)據(jù)，每種樂器包含1段3～4s的演奏片段以及1段音階.采樣率為44100Hz，采樣位深為16bit.樂器按照類別可以分為拉弦樂器、簧管類吹奏樂器、邊棱類吹奏樂器、彈撥樂器、打擊樂器.文獻(xiàn)[11]從調(diào)查問卷和文獻(xiàn)中查找到329個(gè)音色描述詞，通過一系列詞語選擇、相關(guān)性分析、聚類分析等步驟，得到16個(gè)樂器音色描述詞，并讓34位具有音樂專業(yè)背景的調(diào)查者聽每種樂器的演奏片段，對(duì)聽到的樂器音色在16個(gè)描述詞上進(jìn)行打分(1～9分).

3.1.2 數(shù)據(jù)集Ⅱ: 民族樂器擴(kuò)充數(shù)據(jù)集

由于數(shù)據(jù)集Ⅰ中樣本數(shù)據(jù)量較少，每種樂器僅有1段演奏片段，為研究民族樂器的音色特征，本文對(duì)其進(jìn)行了擴(kuò)充.首先，本文從視頻網(wǎng)站上收集了37種民族樂器的獨(dú)奏音頻，進(jìn)行去空白、歸一化、剪裁等處理，獲得了3933條長度為5s的樣本數(shù)據(jù).然后，本文在同種樂器的音頻具有相似音色的假設(shè)前提下，認(rèn)為搜集的音頻與數(shù)據(jù)集Ⅰ中相應(yīng)樂器演奏的音頻具有同樣的主觀打分，并依據(jù)樂器種類對(duì)擴(kuò)充的樣本數(shù)據(jù)進(jìn)行了標(biāo)注，得到了帶標(biāo)簽的擴(kuò)充樣本數(shù)據(jù)集.

3.2 實(shí)驗(yàn)一: 樂器描述詞的選擇

文獻(xiàn)[11]挑選出可以完整描述出整個(gè)音色空間的16個(gè)描述詞，分別為纖細(xì)、明亮、暗淡、尖銳、渾厚、單薄、厚實(shí)、清脆、干癟、豐滿、粗糙、純凈、嘶啞、協(xié)和、柔和、混濁.在此基礎(chǔ)上，本實(shí)驗(yàn)依據(jù)37種樂器音頻的主觀音色打分，分析不同描述詞之間的相似性，進(jìn)一步簡(jiǎn)化音樂描述詞.

3.2.1 多維尺度分析

首先，本實(shí)驗(yàn)對(duì)有效數(shù)據(jù)進(jìn)行平均，計(jì)算出描述詞之間的歐式距離矩陣.然后通過MDS分析將該距離矩陣轉(zhuǎn)換成目標(biāo)距離并進(jìn)行降維，將16個(gè)描述詞映射到低維空間中，使得低維空間中的距離最大程度地?cái)M合目標(biāo)距離.空間中描述詞彼此之間的相對(duì)距離可反應(yīng)描述詞的差異程度.本實(shí)驗(yàn)采用應(yīng)力系數(shù)作為擬合程度的衡量指標(biāo)，即原始空間與構(gòu)建空間距離差的平方和[13].應(yīng)力系數(shù)越小，表明擬合的越好，見圖1(a).

由實(shí)驗(yàn)可看出，維度為2時(shí)對(duì)應(yīng)的應(yīng)力系數(shù)為0.068，維度為3時(shí)對(duì)應(yīng)的應(yīng)力系數(shù)為0.046，達(dá)到“good”與“excellent”之間[13].維度更高時(shí)，應(yīng)力系數(shù)的改變不大.此外，對(duì)應(yīng)空間復(fù)雜度越高，計(jì)算量越大，綜合空間的直觀性，故選擇3維空間對(duì)音色描述詞進(jìn)行MDS分析.MDS分析結(jié)果的可視化見圖1(b).

圖1 應(yīng)力系數(shù)的變化與MDS的分析結(jié)果Fig.1 The change of stress coefficient and the analysis results of MDS

從圖1中可以看出，明亮、清脆以及纖細(xì)距離近，渾厚與厚實(shí)距離近，表示在感知上有較高的相似度.協(xié)和、純凈與粗糙、嘶啞距離遠(yuǎn)，清脆、明亮、纖細(xì)與渾厚、暗淡、厚實(shí)距離遠(yuǎn)，表示在感知上有較大的差異性.

3.2.2 聚類分析

由上節(jié)實(shí)驗(yàn)結(jié)果可知，部分詞語距離非常接近，如明亮與纖細(xì)，渾厚與厚實(shí)，可以進(jìn)一步簡(jiǎn)化.根據(jù)描述詞在感知距離空間中的分布，可以將感知相近的詞語聚類.本實(shí)驗(yàn)使用K-Means聚類算法，獲得描述詞在MDS3維空間中的聚類.K-Means是1種迭代求解的聚類分析算法，簡(jiǎn)化后描述詞的個(gè)數(shù)就是聚類個(gè)數(shù)，與聚類中心最近的詞語就是該類的中心描述詞.本實(shí)驗(yàn)使用反映類間協(xié)方差與類內(nèi)協(xié)方差的Calinski-Harabasz(CH)指標(biāo)來選擇聚類中心個(gè)數(shù)，該值越大表示類自身越緊密、類之間越分散，即聚類結(jié)果越好.圖2(a)表示CH指標(biāo)隨聚類個(gè)數(shù)的變化情況.

圖2 CH值的變化情況與聚類分析結(jié)果Fig.2 The change of CH value and the results of cluster analysis

表1 音色描述詞的選擇Tab.1 The choice of timbre descriptors

當(dāng)聚類中心個(gè)數(shù)由3到4時(shí)，CH指標(biāo)有1個(gè)躍升，之后略下降.當(dāng)聚類個(gè)數(shù)超過8時(shí)，CH值逐漸增加，但聚類中心過多，沒有起到簡(jiǎn)化的目的.因此，本實(shí)驗(yàn)最終選擇4個(gè)聚類中心——即4組描述詞來描述音頻的音色.聚類的可視化效果見圖2(b).本實(shí)驗(yàn)從聚類分析得到的每組音色描述詞中，選擇嘶啞、纖細(xì)、純凈、厚實(shí)這4個(gè)具有代表性且具有區(qū)分度的詞語作為中心描述詞，將16個(gè)音色描述詞簡(jiǎn)化為4個(gè)，如表1所示.

經(jīng)統(tǒng)計(jì)學(xué)方法驗(yàn)證，厚實(shí)與纖細(xì)負(fù)相關(guān)達(dá)到顯著性水平(p<0.05).純凈與嘶啞在空間中距離較遠(yuǎn)，一定程度上也呈負(fù)相關(guān).接下來，根據(jù)文獻(xiàn)[11]中音色描述詞的打分，將聚類描述詞的分?jǐn)?shù)取平均，得到中心描述詞分?jǐn)?shù)，并規(guī)定得分最高的描述詞為該樂器的主導(dǎo)音色，結(jié)果見表2.

表2 民族樂器的主導(dǎo)音色Tab.2 Dominant timbre of Chinese musical instruments

3.3 實(shí)驗(yàn)二: 基于客觀特征構(gòu)建民族樂器的音色分類模型

本實(shí)驗(yàn)通過提取音頻客觀特征，使用機(jī)器學(xué)習(xí)方法建立民族樂器的音色分類模型.實(shí)驗(yàn)使用數(shù)據(jù)集Ⅱ(民族樂器擴(kuò)充數(shù)據(jù)集)作為訓(xùn)練數(shù)據(jù)，樂器音色標(biāo)簽為表2所示的主導(dǎo)音色.首先使用網(wǎng)格搜索法選擇各個(gè)分類器的最佳參數(shù)，再以音頻片段為單位，使用五折交叉驗(yàn)證的方法計(jì)算出在驗(yàn)證集上的平均準(zhǔn)確率.用具有準(zhǔn)確主觀打分的數(shù)據(jù)集Ⅰ(民族樂器音色主觀評(píng)價(jià)數(shù)據(jù)集)作為測(cè)試集.每段音頻以幀為單位提取21維音頻客觀特征，平均、標(biāo)準(zhǔn)化后送入分類器進(jìn)行訓(xùn)練.實(shí)驗(yàn)結(jié)果如表3所示.

表3 民族樂器的音色分類模型的結(jié)果Tab.3 The results of timbre classification model of Chinese musical instruments

從表3中看出，經(jīng)過參數(shù)調(diào)優(yōu)后的幾個(gè)模型中，帶有徑向基核函數(shù)的支持向量機(jī)分類模型表現(xiàn)最好，達(dá)到了78.38%的準(zhǔn)確率與78.59%的F1值，計(jì)算出了較理想的分類超平面；邏輯回歸結(jié)果準(zhǔn)確率僅達(dá)到64.86%，表明音色與特征之間是非線性關(guān)系；同一樂器具有相同音色的假設(shè)會(huì)引入部分噪聲，對(duì)噪聲魯棒性不強(qiáng)的隨機(jī)森林表現(xiàn)稍差；而K近鄰算法中，預(yù)測(cè)樣本的音色為特征空間相近的樣本標(biāo)簽投票的結(jié)果，具有較好的容錯(cuò)性.

表4 SVM的分類結(jié)果Tab.4 Classification results of SVM

具體到音色，最優(yōu)分類器(即SVM)的分類結(jié)果如表4所示.在訓(xùn)練數(shù)據(jù)中，標(biāo)簽為纖細(xì)的數(shù)據(jù)量較多，其中不同類型的樂器都出現(xiàn)了標(biāo)簽為纖細(xì)的樣本，如數(shù)據(jù)集I中拉弦類樂器高胡、簧管類吹奏樂器高音笙、彈撥類樂器琵琶、打擊類樂器編鐘.然而事實(shí)上，由于樂器類別不同，這些樂器在整體音色感知上是有一定區(qū)別的，這導(dǎo)致纖細(xì)類別召回率最高，但精確度較低.其他3類精確度較高，但召回率較低.其中，嘶啞的精確度達(dá)到1.00，而召回率僅為0.67.音色類別為嘶啞的樂器多集中在簧管類吹奏樂器上，類型比較集中.另外，標(biāo)簽為嘶啞的數(shù)據(jù)量較少，且嘶啞聚類中的描述詞間隔也較遠(yuǎn)，使用聚類中心詞描述會(huì)引入一些偏差，使得召回率變低.具體到樂器類別，最優(yōu)分類器(即SVM)的分類結(jié)果中，拉弦樂器的預(yù)測(cè)準(zhǔn)確率達(dá)到85%，邊棱類吹奏樂器準(zhǔn)確率達(dá)到83.33%.

實(shí)驗(yàn)二表明: 基于客觀特征構(gòu)建民族樂器的音色分類模型有一定的分類效果，最好情況下達(dá)到了78.38%的準(zhǔn)確率.由于實(shí)驗(yàn)基于同一樂器擁有相同音色的假設(shè)前提，使得標(biāo)簽中有一些噪聲.訓(xùn)練出的模型會(huì)受到噪聲的影響.針對(duì)以上分析的現(xiàn)象，本文從特征出發(fā)，對(duì)民族樂器音色進(jìn)行進(jìn)一步分析.

3.4 實(shí)驗(yàn)三: 基于客觀特征的民族樂器的音色分析

在前面的分類實(shí)驗(yàn)中，分類器對(duì)不同的音色描述詞進(jìn)行建模時(shí)，表現(xiàn)差異較大.t-SNE(t-distributed Stochastic Neighbor Embedding)是1種用于挖掘高維數(shù)據(jù)的非線性降維算法，它非常適用于高維數(shù)據(jù)的可視化操作.為找到客觀特征與音頻音色之間的相關(guān)性，本實(shí)驗(yàn)將實(shí)驗(yàn)二中提取的音頻片段的客觀特征作為21維向量，通過t-SNE算法將其降維到2維空間，并對(duì)數(shù)據(jù)集Ⅱ中的3000多個(gè)音頻片段在該特征空間中的位置進(jìn)行可視化，觀察標(biāo)簽為不同音色的樣本數(shù)據(jù)在2維平面上的分布，對(duì)特征與音色之間的關(guān)系進(jìn)行進(jìn)一步分析.樣本特征的可視化結(jié)果如圖3所示.

圖3 樣本特征的可視化分析Fig.3 Visual analysis of sample features

首先可以看出，圖3中相同標(biāo)簽(顏色)的音頻有集聚現(xiàn)象.圖中標(biāo)簽為纖細(xì)(黃色)的音頻，有一部分明顯遠(yuǎn)離其他標(biāo)簽的音頻，另一部分零散地分布在中下部分，和純凈、嘶啞的分布較接近，加之?dāng)?shù)據(jù)量較多，出現(xiàn)了召回率高、精確率低的現(xiàn)象.標(biāo)簽為厚實(shí)(綠色)的音頻，在圖中分布較為集中，在K近鄰算法中表現(xiàn)較好.圖中標(biāo)簽為純凈(藍(lán)色)的音頻，整體居于平面中間靠右下的位置，但熵較大.圖中標(biāo)簽為粗糙(紅色)的音頻分布最為分散，且與其他音頻沒有明顯的分割邊界.針對(duì)以上實(shí)驗(yàn)中觀察到的現(xiàn)象，本文進(jìn)一步分析了音色的影響因素.

3.4.1 音色與樂器類別相關(guān)性

同為彈撥類樂器，古琴、古箏與箜篌的主導(dǎo)音色標(biāo)簽分別為厚實(shí)、纖細(xì)與純凈.但在圖4中，它們位置接近.這表明同一樂器類別的音頻可能音色相近，例如拉弦類樂器多為纖細(xì)，簧管類吹奏樂器多為嘶啞、厚實(shí)，彈撥類樂器多為纖細(xì)、純凈.這與樂器的結(jié)構(gòu)、材質(zhì)、演奏方式有關(guān).其中也有一些例外，如彈撥類樂器中，革胡與低音革胡聲音厚實(shí)，這通常與樂器的演奏音域有關(guān).

圖4 同一樂器類別不同標(biāo)簽的音頻分布Fig.4 The distribution of audio of the same instrument categorie with different labels

另外，由上述實(shí)驗(yàn)觀察到，同一音色標(biāo)簽的樂器音頻可能分布在特征空間上距離較遠(yuǎn)的位置.例如，在圖5中，音色標(biāo)簽為嘶啞的樂器音頻集中分布在空間的幾個(gè)不同區(qū)域，而同一區(qū)域內(nèi)大多是同一種樂器.如高音管在空間的右上方，塤在空間右部，三弦在空間左下部，其中高音管與標(biāo)簽為纖細(xì)的音頻分布較近，塤與標(biāo)簽為厚重的音頻分布較近，三弦與標(biāo)簽為純凈的音頻分布較近.這表明即使同樣是嘶啞，在主觀感受上也并不完全相同，而是會(huì)受到樂器類別的影響.簡(jiǎn)單來講，嘶啞可細(xì)分為簧管類吹奏樂器的嘶啞(高音管)、邊棱類吹奏樂器的嘶啞(塤)、彈撥類樂器的嘶啞(三弦)等不同種類.

圖5 不同樂器類別同一標(biāo)簽的音頻分布Fig.5 The distribution of audio of the different instruments categories with same label

其他音色描述詞也有類似結(jié)論.如拉弦類樂器的厚實(shí)(革胡)、彈撥類樂器的厚實(shí)(古琴)、吹奏類樂器的厚實(shí)(低音管)在特征分布空間上也有類間距離較遠(yuǎn)、類內(nèi)距離較近的現(xiàn)象.綜上所述，樂器音色與樂器類別有關(guān).同一類別樂器的音色感知相近，不同類別樂器的音色感知差異較大.

3.4.2 音色的其他影響因素

通過實(shí)驗(yàn)可以發(fā)現(xiàn)，相同樂器的不同音頻片段被模型預(yù)測(cè)為不同音色的情況普遍存在，這是因?yàn)橐纛l的音色不止取決于演奏的樂器種類，還受到音頻其他性質(zhì)的影響，如音高等.

表5 不同音高的音頻的預(yù)測(cè)結(jié)果Tab.5 The prediction results for audio samples with different pitches

新笛樂器在各個(gè)描述詞上的主觀打分較均勻，本實(shí)驗(yàn)選取新笛的音頻進(jìn)行實(shí)驗(yàn).首先將按音階演奏的新笛音頻片段按照音高進(jìn)行分割，使得每段音頻音高基本穩(wěn)定，得到反映18個(gè)不同音高的39個(gè)樣本數(shù)據(jù).然后使用實(shí)驗(yàn)二中得到的分類器對(duì)樣本數(shù)據(jù)的主導(dǎo)音色進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果如表5所示.

由表5可知，新笛音色在“純凈”上得分最高，但是從上述實(shí)驗(yàn)結(jié)果可以發(fā)現(xiàn)，隨著音高升高，音頻逐漸趨向于被預(yù)測(cè)為“纖細(xì)”.同樣地，本實(shí)驗(yàn)使用了t-SNE算法對(duì)包含這39個(gè)音頻的樣本數(shù)據(jù)集的特征進(jìn)行了可視化，并將39個(gè)音頻的音高標(biāo)記在空間中，見圖6.

圖6 同一樂器不同音高的音頻分布Fig.6 The distribution of audio of the same instrument with different pitches

可以發(fā)現(xiàn)，新笛的音頻片段在空間中的分布并不集中，而是以一定的規(guī)律分散在空間的不同位置.具體而言，音高高于B5的音頻主要分布在標(biāo)簽為纖細(xì)的點(diǎn)(黃色點(diǎn))附近，而音高低于B5的點(diǎn)則主要分布在標(biāo)簽為純凈的點(diǎn)(藍(lán)色點(diǎn))附近，與分類器的預(yù)測(cè)結(jié)果相一致.由此可知，對(duì)于1段音頻僅憑其演奏樂器難以斷定其音色，換言之，同一樂器所具有的音色屬性并不單一.因此，通過演奏樂器映射到單一音色的樣本數(shù)據(jù)集具有一定局限性，使用其所訓(xùn)練的分類器同樣較為局限.此外，通過本實(shí)驗(yàn)也可以發(fā)現(xiàn)，實(shí)驗(yàn)二中訓(xùn)練的分類模型預(yù)測(cè)結(jié)果與主觀認(rèn)知基本一致，證明了模型的有效性.

4 總結(jié)與展望

本文基于客觀特征對(duì)民族樂器音色進(jìn)行了研究與分析.首先，本文通過音色描述詞的主觀打分，進(jìn)行了描述詞的分析與聚類選擇，將16個(gè)音色描述詞進(jìn)一步分為具有區(qū)分度的4個(gè)音色類別——厚實(shí)、纖細(xì)、純凈、嘶啞.基于同種類樂器具有相似音色的前提，本文構(gòu)建了民族樂器的音色分類模型，其中支持向量機(jī)模型表現(xiàn)最好(精確度為83.48%，召回率為75.95%，F(xiàn)1值為78.59%，準(zhǔn)確率為78.38%).根據(jù)實(shí)驗(yàn)中觀察到的現(xiàn)象，本文進(jìn)一步分析了音色的影響因素，發(fā)現(xiàn)除與樂器種類有關(guān)以外，音色還與樂器類別相關(guān)，同一類別樂器的音色大體相近，不同類別樂器即使用同一音色描述詞描述，音色仍可能有較大差異；除此之外，音色還受多重因素影響(如音高)，同種類樂器仍可能具有多種音色屬性.

前文的研究證明，單一的主導(dǎo)音色也許不能完全代表樂器的音色感知特征，對(duì)研究過程中發(fā)現(xiàn)的諸多局限性，未來的研究可關(guān)注下面幾個(gè)方面: 1) 嘗試多標(biāo)簽分類或建立連續(xù)的音色空間模型來更精準(zhǔn)地對(duì)音色建模；2) 影響音色的其他因素，如演奏技法、演奏力度等；3) 由于從互聯(lián)網(wǎng)收集的獨(dú)奏片段錄音環(huán)境、錄音設(shè)備及后期處理并不統(tǒng)一，可嘗試建立條件統(tǒng)一、質(zhì)量更高的民族樂器的音色數(shù)據(jù)集.