音乐情感特征分析

音乐情感特征分析。 张娜孙赞毛峡 业!!驵型女；!i：!j!! 北京航空航天大学电子信息工程学院(100083) 摘要：本文首先通过音乐情感测试试验获取人类对音乐的多种情感的评价数据；然后运用因子分析、 聚娄分析等多元分析方法对评价数据进行处理，提取音乐的主要情感 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 现因子，并根据因子得分将测试音 乐样本分类：接着运用短时分析技术描述不同类别的音乐所具有的特征；从而使计算机能够类似人类具有 欣赏首乐的能力。 关键字：音乐情感测试，音乐情感特征，多元分析，短时分析 1绪论 研究表明：情感在人类智能活动中扮演着重要的、不可缺少的角色，情感能力与理性思 维和逻辑推理能力相辅相成，构成了人类的智能”1。人工智能是使机器具有类似人1样的智 能。而要实现真正的人工智能，关键是使智能机器具有情感能力。情感计算就是赋予计算机 识别、理解、表达和适应情感的能力。情感计算的概念虽然提出的时间很短，但已受到j，学 术界的曰益关注和企业界的迅速反应。学术界的工作主要发源于美国MIT媒体实验室“1， 目前很多国家都表现出对该领域的研究热情。企业界也开始致力于该领域的应用研究，并且 已开发出应_}{f】产品。例如：英国电信公司(BritishTelecom)成立了专门的情感计算研究小组： IBM开发出所谓的“情感鼠标(EmotionMouse)”。 本文的研究目的是赋予计算机识别音乐悦耳与否的能力。音乐是一种表现情感的艺术， 它通过各种基本要素的巧妙组合展现出一个丰富的情感世界”1。悦耳的音乐不仅可以使人心情 舒畅，还可以提高人的工作效率，改善其对生活的信念。本文试图找到一种计算机评价音乐 悦耳与否的方法。首先通过音乐情感测试试验获得人类对音乐多种情感的评价数据；然后运 用多无分析方法提取音乐的主要情感表现特征，并根据悦耳情感色彩将音乐分类；最后从数 字信号处理角度分析每类音乐所具有的特征，从而使计算机具有识别音乐悦耳与否的能力。 2音乐情感测试及多元分析 2．1情感测试 本文首先通过音乐情感测试试验获取人类对音乐的多种情感色彩的评价信息。试验选取 20首乐曲，其中包含bandari轻音乐、二胡、理查德钢琴曲、肖邦钢琴曲、摇滚、交响乐等 多种乐曲风格。本试验采用SD(SernanticDifference)尺度法”1对音乐的多种情感色彩分等级 进行评价。共选取18对反义词(如表1所示)作为测试音乐情感色彩的变量，每个变量按照 由左至右的顺序分为5个等级，分别用⋯2 1、0、+l、+2来表示。 本试验选取60位在读大学生或具有本科学历的在职人员作为测试对象，在室温+26C。 芹右的环境F接受测试。试验采用Web方式进行调查，增强了测试的交互性。被测试者在 欣赏音乐的同时，对其各种情感色彩进行评价。 为了了解音乐的主要情感表现特征及各测试音乐样本的评价结果，本文运用多元分析方 法对测试数据进行处理。 2．2因子分析 +北京市自然科学基金资助项目(No303313) 226 首先计算各测试变量的基本统计量，由于814％的测试变量的标准偏差都小于1，所以 将川60位被测试对象的评价均值作为冈予分析的输入数据。 网子分析的基本思想是通过分析变量的相关系数矩阵的内部结构，用少数几个能控制所 仃变量的随机变鼙柬描述多个变量之间的相关关系，然后根据相关性的大小把变量分组，使 得刚组内的变量之间相关性较高，不同组的变量相关性较低。每组内的变量都代表一个菇I司 的意义，可以定义一个冈予来代替这些变量。本文采用因r分析目的是从描述音乐情感的多 种测试变量中提取其主要情感表现因子。 经过冈了分析得到各公共因子的方差贡献卣分比如表1所示，其中Vl表示各公共因子 的方差贡献百分比，v2表示公共因子的累积方差贡献百分比。从表1中ar以看出，总方差 的9505％可山第·、第二和第三个公共因子解释，困此可以选取这三个公莛因子来替代原 始测试变量所表达的情感信息。 为1r明确各凼子的意义，本文采用方差最大旋转法对所得的因子载荷矩阵进行旋转。表 2为经旋转后的冈予载荷矩阵，其中Fl、F2、F3分别为旋转后的三个公共因子。 表1完全变量解释 表2旋转后的因子载荷矩阵 序号 vl(％)v2(％) 由表2可知：第一一个公共因子主要表示起伏一平坦、舒缓一激越、强烈一微弱、婉约 一豪放、喧闹一恬静、柔和一生硬和零乱～整齐变量所描述的音乐的缓急情感特征，因此 定义第一个因子为缓急因子。第二个公共因子主要表征变量好听一难听、饱满一干瘪、悦 耳一刺耳、和谐不和谐、自然一呆板、流畅一生涩和典雅一粗俗，这些变量测试的是音 乐悦耳与否的信息，因此第二个因子可定义为悦耳因子。测试变量哀一乐、欢快一沉重、 严肃一活泼和明快～晦涩综合为第三个公共因子，定义为悲喜因子，用来表示音乐的悲伤 欢喜情感色彩。 表3为因子得分矩阵。其中，s1、s2、s3表示测试音乐样本在第一、第二和第一个公 共因子上的得分。 通过上述分析可知，在音乐欣赏过程中人的感觉主要表现为对音乐的缓急、悦耳与否和 227 悲喜情感色彩的评价。而悦耳情感色彩是对音乐整体欣赏的一种描述，因此第二个公共因子 所代表的悦耳与否情感特征在音乐欣赏过程中表示对音乐的整体感觉。第二因子得分值S2 是人们对音乐悦耳与否的评价。本文选取各测试音乐样本的第二因子得分值S2来进行聚类 分析。 2．3聚类分析 聚类分析是根据事物性质的相近程度将其分类。通过聚类分析，20首音乐被分成两类， 分类结果如表3所示，P表示测试音乐样本的分类结果，1表示第一类，2表示第二类。观 察表3中各测试音乐样本的第二因子得分值s2可以发现：第一类中测试音乐样本的因子得 分值较小，说明第一类是人们认为比较悦耳的音乐；而第二类中测试音乐样本的因子得分值 远远大于第一类，说明人们认为第二类的音乐相对第一类杂乱。 表3因子得分矩阵 3音乐信号的短时分析 旋律是音乐的灵魂，是音乐表现情感的最主要的方式”】。音乐欣赏一般都是指对其旋律 的欣赏。旋律是由不同音高在时间中有机结合而构成，而音高是由声音的频率所决定。本文 首先通过以下方法提取音乐的旋律。 读入wav 格式 pdf格式笔记格式下载页码格式下载公文格式下载简报格式下载 的音乐信号，用加窗方法将其分帧。本文选取哈明窗对每帧信号进行窗 处理。哈明窗的表达式如下(其中N为帧长)： r ，n w(n)：Jo54+064。08{[(蒿寻一1批“=o“(N一1) f11 10 ， n：其它值 为了提高帧序列之间的相关性，在加窗处理时使帧与帧之间有交叠部分，称为帧移。帧 228 移一般取为0+05倍的帧长。本文选取帧长为2048点，帧移为半个帧长，即为1024点。 对加窗处理后的每帧信号分别作傅里叶变换，提取该帧中能量最大值所对应的频率点 作为该帧的参数。对所有帧信号进行处理就得到一个频率序列，该频率序列可认为是音乐 的旋律。 接着，对提取的音乐旋律按照下式求其功率谱密度。 ^ 1 ． JDmRf女)=二lX。(女)I 2 (2) ～ 其中N是音乐旋律的长度，X。(≈)是音乐旋律的离散傅里叶变换。 对功率谱密度的低频部分作拟和，得到特征值“。按照上述分析方法对所有测试音乐样 本进行分析，发现经聚类分析得到的两种类别的音乐其特征值u存在着明显的不同。表4 给⋯两种类别音乐的特征值Ⅱ的均值、标准偏差、最大值及最小值。选取两种类别中典型的 功率谱密度图如图2所示，图中还给出功率谱密度的拟合结果。 第一类(a=183869) 第二类(n一0457471) 图2旋律的功率谱密度图 表4特征值的基本统计量描述 分析表4可以看出：两种类别音乐的特征值有明显不同，第一类音乐的特征值“的均值 为I272659，第二类为04961560。并且这两类特征值的标准偏差都较小，分别为O304和 00547，因此特征值a可以用于判断音乐是否悦耳。当特征值大于1或是在】左右时，说明该 音乐比较悦耳；当特征值比较小，接近于0时，则说明该音乐相对杂乱。基于上述结论，计 算机通过计算音乐的特征值就可以判断该音乐是否悦耳，从而使其具有欣赏音乐的能力。 4结论 本文通过分析人类对音乐的评价信息，提取了描述音乐悦耳与否的情感因子，并根据各 测试音乐样本在该因子上的得分将音乐分成两类。然后，从数字信号处理角度描述两类音乐 所具有的特征，从而使计算机能够像人一样评价音乐的悦耳情感特征。 参考文献 [11ARDamasl0DeⅫtes’Error：Emotion，ReasonandtheHumanBrain[M]Oosse“PutnamPress，New YorLNY，1994 [2]RWPicardAffectiveComputingMITPress，London，England，1997 【3J￡次昭音乐美学[MI北京：高等教育出版社，i9946 【4]SumiyaM，AguM FactorAnalysisoftheHumanPMasantFeelingof1／fControlledElectricFanand Massager[J]JournalofJapanSocietyforInstituteofElectron,s，VolJ73一D—II,NO3，PP478—485，19903 【卅于秀林，任雪松，多元统计分析【M】中国统计出版社，1999 229 P0jk鼍4∞-I舌t 音乐情感特征分析 作者： 张娜， 孙斌， 毛峡 作者单位： 北京航空航天大学电子信息工程学院 本文读者也读过(5条) 1. 王愈.蔡锐.蔡莲红 音乐情感分类中关键问题的研究[会议 论文 政研论文下载论文大学下载论文大学下载关于长拳的论文浙大论文封面下载 ]-2005 2. 张娜.孙赟.毛峡 音乐情感特征的提取与识别[会议论文]-2003 3. 张伟.谢湘 基于HMM的音乐情感识别研究[会议论文]-2007 4. 王雪珠 浅谈音乐的情感特征[期刊论文]-大众文艺2010(19) 5. 屈天喜 基于情感识别的实时交互式音乐可视化研究[学位论文]2008 本文链接：http://d.g.wanfangdata.com.cn/Conference_4503797.aspx