基于人工神经网络的音符识别研究

针对音符识别准确率不高的问题,提出一种基于人工神经网络的音符识别方法。为提高识别准确率,首先采用归一化和汉明窗方法对音频信号进行预处理,然后采用CQT和MFCC分别提取频域特征和倒频域特征;利用BP神经网络和Softmax回归模型,提出Softmax回归结合BP神经网络音符识别模型,并构建音符识别分类器;最后通过MATLAB R2016a作为仿真软件,在自构音符库的基础上,对音符进行识别。结果表明,在CQT和MFCC共同提取特征和不同样本数量下,本研究构建的音符识别器的识别率都高于93%,且与其他参考文献的识别率相比,本研究算法也具有明显优势。由此说明,本研究构建的音符特征提取与识别方案可行。