CN109359212A - 一种基于属性偏序理论的五音疗法曲子分类方法 - Google Patents
一种基于属性偏序理论的五音疗法曲子分类方法 Download PDFInfo
- Publication number
- CN109359212A CN109359212A CN201811023209.4A CN201811023209A CN109359212A CN 109359212 A CN109359212 A CN 109359212A CN 201811023209 A CN201811023209 A CN 201811023209A CN 109359212 A CN109359212 A CN 109359212A
- Authority
- CN
- China
- Prior art keywords
- song
- partial order
- notes
- traditional chinese
- attribute
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Processing of the speech or voice signal to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/06—Transformation of speech into a non-audible representation, e.g. speech visualisation or speech processing for tactile aids
- G10L21/10—Transforming into visible information
- G10L21/14—Transforming into visible information by displaying frequency domain information
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于属性偏序理论的五音疗法曲子分类方法,本发明首先通过matlab程序编译生成每首曲子的谱密度图像对比1/f规律找到相对符合1/f分布规律的曲子,然后对初步筛选好的这些曲子通过编译的频谱分析软件得到每首曲子的频谱图和频率数据值,最后对得到的数据进行形式背景的构建,进而生成属性偏序图,得到每首曲子的偏序结构图,对同一音调的曲子进行分析,进一步知识发现。本发明实现了五音对应五脏曲子系统化分类并可对每首曲子进行可视化;构建偏序图后也可以针对中西方、不同乐器等各个方面进一步对比后进行知识发现。
Description
技术领域
本发明涉及音乐疗法技术领域,特别是一种基于属性偏序理论的五音疗法曲子分类方法。
背景技术
随着社会的进步和飞速发展,传统的医学从以生物本身为主导的医学模式向“生物-环境-社会-医疗”的新模式转变。在生活压力大、节奏快的今天,有关使用音乐来治疗疾病的研究不断受到人们的关注。国外,如美国早在1944年和1946年先后建立了专门的音乐治疗课程来训练专门的音乐治疗师。德国、英国及俄国的科学家已经在水果上有成功的音乐疗法的案例。在选曲算法领域现阶段,已经有越来越多的研究人员将K-means算法、高斯混合模型、马尔科夫模型、贝叶斯算法等统计学习方法成功实践于音乐分类当中。但这些算法一般通过相关性描述曲子之间的联系及曲子分类,对于曲子自身的信息可视化问题并不能很好的展示。
发明内容
本发明的目的是要解决现有技术中存在的不足,提供一种基于属性偏序理论的五音疗法曲子分类方法,解决了不同曲子对身体五脏及各个身体机能不同影响的可视化问题。
为达到上述目的,本发明是按照以下技术方案实施的:
一种基于属性偏序理论的五音疗法曲子分类方法,包括以下步骤:
步骤一、首先利用matlab程序编译音乐频谱分析软件,得到每首曲子相应的频率数据值,以坐标点的形式体现出每首曲子的频谱图;
步骤二、分别对初步筛选好的曲子生成对应的谱密度图像,将每首曲子的谱密度图像和频谱图像结合在一起对比,初步筛选既满足1/f波动规律,低频又相对比较集中的曲子,即选出人体听起来相对比较舒服的曲子,对筛选后的曲子进行构建形式背景后生成属性偏序结构图,对曲子按照五音对应五脏的特点进行分类;
步骤三、通过步骤二对每首曲子构建属性偏序结构图,将五音的曲子分别构建形式偏序图后进行对比分析,进行知识发现。
进一步,所述步骤一中,以坐标点的形式体现出每首曲子的频谱图具体步骤为:设曲子共取得点数N,其中每秒取44100个点,泄露问题选择重叠数据为100,加窗hamming(1024),矩阵的列数为:(N-100)/924。
进一步,所述步骤二中,构建形式背景之前,首先针对不同曲子时间长短进行缩减,形式背景的对象为约减后的点数,属性目前以五脏的共振频率范围为基准。
与现有技术相比,本发明首先通过matlab程序编译生成每首曲子的谱密度图像对比1/f规律找到相对符合1/f分布规律的曲子,然后对初步筛选好的这些曲子通过编译的频谱分析软件得到每首曲子的频谱图和频率数据值,最后对得到的数据进行形式背景的构建,进而生成属性偏序图,得到每首曲子的偏序结构图,对同一音调的曲子进行分析,进一步知识发现。本发明实现了五音对应五脏曲子系统化分类并可对每首曲子进行可视化;构建偏序图后也可以针对中西方、不同乐器等各个方面进一步对比后进行知识发现。
附图说明
图1为本发明实施例中《梅花三弄》的频谱分析图。
图2为本发明实施例中《梅花三弄》的谱密度分析图。
图3为本发明实施例中《梅花三弄》的属性偏序结构图。
图4为本发明实施例中《红豆》的频谱分析图。
图5为本发明实施例中《红豆》的谱密度分析图。
图6为本发明实施例中《娄兰古道》的频谱分析图。
图7为本发明实施例中《娄兰古道》的谱密度分析图。
具体实施方式
下面结合具体实施例对本发明作进一步描述,在此发明的示意性实施例以及说明用来解释本发明,但并不作为对本发明的限定。
首先,从一些论文中得知羽调曲子分别有《红豆》、《娄兰古道》、《梅花三弄》等十几首曲子,我们首先通过以下方法选曲比较适合人们听的羽调曲子(这步曲子的筛选后既符合大众,又使后期实验更加有意义)。
如图1-7所示,本实施例的一种基于属性偏序理论的五音疗法曲子分类方法,具体步骤如下:
步骤一、首先利用matlab程序编译音乐频谱分析软件,得到每首曲子相应的频率数据值,以便后期构建形式背景;如图1为《梅花三弄》的频谱分析图,如图4为《红豆》的频谱分析图、如图6为《娄兰古道》的频谱分析图。
所述的音乐频谱分析软件,目前已经有很成熟的音频分析软件如spek音频软件。而本实施例编译目的为了得到每首曲子的数据值,不同点本实施例主要是以坐标点的形式体现出曲子的频谱图。当获取每首曲子的频率值后关键是构建形式背景。主要是通过加窗后获得一个y矩阵。如若:设曲子共取得点数N(每秒取44100个点),泄露问题选择重叠数据为100,加窗hamming(1024),矩阵的列数为:(N-100)/924。因此通过音频软件我们获得了一个513行,(N-100)/924列的矩阵。
步骤二、分别对初步筛选好的曲子生成对应的谱密度图像,如图2为《梅花三弄》的谱密度分析图,如图5为《红豆》的谱密度分析图,如图7为《娄兰古道》的谱密度分析图,将每首曲子的谱密度图像和频谱图像结合在一起对比,初步筛选既满足1/f波动规律,低频又相对比较集中的曲子,即选出人体听起来相对比较舒服的曲子,对筛选后的曲子进行构建形式背景后生成属性偏序结构图具体过程为:首先利用频谱分析中横坐标时间作为对象,纵坐标频率作为属性,对于形势背景的对象时间在研究一首曲子的规律时一般选用一秒左右(可调)为一个对象,在研究同一音调时一般选择5秒左右(可调)为一个对象。对于纵坐标属性在矩阵中每个数值均可遍历一遍。形势背景中的属性范围区间人为设置在0-1之间(一般可调)这样便构成了生成偏序图的形势背景。进而在excel表格的生成偏序图的插件中生成指定曲子的偏序结构图;然后对曲子按照五音对应五脏的特点进行分类;所述的数据获取后构建形式背景。音频数据获取是一个庞大的数据,首先针对不同曲子时间长短进行例如225*375的缩减,此部分的缩减一般不同曲子缩减比例不同,目的是得到构建形式背景的合适数据量。形式背景的对象为约减后的点数(目前只要2000内即可),属性目前以五脏的共振频率范围为基准,当然也可以对整首曲子进行分段构建形式背景。本发明主要是根据偏序图的属性对曲子进行五脏对应五音分类。
步骤三、通过步骤二对初步筛选好的曲子构建属性偏序结构图,将五音的曲子分别构建形式偏序图后进行对比分析。对比了羽调曲目十几首发现它们的属性偏序图的宏观布局是相似的。本发明选用羽调代表曲子《梅花三弄》作为实例说明。由于肾属水,在音为羽。如图1为本发明实施例中《梅花三弄》的频谱分析图,图2为本发明实施例中《梅花三弄》的谱密度分析图,图3为本发明实施例中《梅花三弄》的属性偏序结构图;首先根据其频谱图及谱密度图可知,此曲目是满足人们听起来比较舒适的曲子。进而将该曲子构建形式背景,构建属性偏序结构图,根据《梅花三弄》的属性偏序结构图宏观分析可发现对于羽调代表曲子《梅花三弄》的频率范围基本分布在220-261Hz之间,而肾经的共振频率为48Hz,膀胱经的共振频率为98Hz,进而验证两者的共同倍频在羽调范围内。进而证实了《梅花三弄》是羽调的代表乐曲。进而从微观分析可知整首曲子除去在对象{o33}={3分3秒时刻},其它时刻的共振频率都存在{a9,a10}={44.5-45.5Hz段},这一特点也可以作为羽调曲子的一个共有属性。羽调偏序结构图还有另一个特点即对于时刻{o30,o31,o32}={1分54秒,2分6秒,2分8秒}存在最大的共有频段范围。以上是对一首曲子的整体分析,除去这些还可以将一首曲子生成n个(随机可调)偏序图,对比一首曲子不同时刻的区别。进而发现每首曲子内在的规律和联系。
本发明的技术方案不限于上述具体实施例的限制,凡是根据本发明的技术方案做出的技术变形,均落入本发明的保护范围之内。
Claims (3)
1.一种基于属性偏序理论的五音疗法曲子分类方法,其特征在于,包括以下步骤:
步骤一、首先利用matlab程序编译音乐频谱分析软件,得到每首曲子相应的频率数据值,以坐标点的形式体现出每首曲子的频谱图;
步骤二、分别对初步筛选好的曲子生成对应的谱密度图像,将每首曲子的谱密度图像和频谱图像结合在一起对比,初步筛选既满足1/f波动规律,低频又相对比较集中的曲子,即选出人体听起来相对比较舒服的曲子,对筛选后的曲子进行构建形式背景后生成属性偏序结构图,对曲子按照五音对应五脏的特点进行分类;
步骤三、通过步骤二对每首曲子构建属性偏序结构图,将五音的曲子分别构建形式偏序图后进行对比分析,进行知识发现。
2.根据权利要求1所述的基于属性偏序理论的五音疗法曲子分类方法,其特征在于:所述步骤一中,以坐标点的形式体现出每首曲子的频谱图具体步骤为:设曲子共取得点数N,其中每秒取44100个点,泄露问题选择重叠数据为100,加窗hamming(1024),矩阵的列数为:(N-100)/924。
3.根据权利要求1所述的基于属性偏序理论的五音疗法曲子分类方法,其特征在于:所述步骤二中,构建形式背景之前,首先针对不同曲子时间长短进行缩减,形式背景的对象为约减后的点数,属性目前以五脏的共振频率范围为基准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811023209.4A CN109359212A (zh) | 2018-09-04 | 2018-09-04 | 一种基于属性偏序理论的五音疗法曲子分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811023209.4A CN109359212A (zh) | 2018-09-04 | 2018-09-04 | 一种基于属性偏序理论的五音疗法曲子分类方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109359212A true CN109359212A (zh) | 2019-02-19 |
Family
ID=65350570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811023209.4A Pending CN109359212A (zh) | 2018-09-04 | 2018-09-04 | 一种基于属性偏序理论的五音疗法曲子分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109359212A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112603266A (zh) * | 2020-12-23 | 2021-04-06 | 新绎健康科技有限公司 | 一种用于获取目标五音特征的方法及系统 |
CN113198106A (zh) * | 2021-04-01 | 2021-08-03 | 未来穿戴技术有限公司 | 可穿戴按摩仪的控制方法、装置及可穿戴按摩仪 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1581290A (zh) * | 2003-08-06 | 2005-02-16 | 雅马哈株式会社 | 歌唱声音合成方法 |
CN102370542A (zh) * | 2010-08-12 | 2012-03-14 | 上海中医药大学附属岳阳中西医结合医院 | 耳鸣治疗系统 |
CN103377656A (zh) * | 2012-04-16 | 2013-10-30 | 联想(北京)有限公司 | 一种音频文件的五音分析方法、播放器及电子设备 |
CN103961254A (zh) * | 2014-05-22 | 2014-08-06 | 中国人民解放军第306医院 | 五音五行变化取穴图谱 |
CN104899447A (zh) * | 2015-06-08 | 2015-09-09 | 华北电力大学(保定) | 电力大数据预处理的属性约简方法 |
CN105303167A (zh) * | 2008-01-23 | 2016-02-03 | 加州大学评议会 | 用于行为监测及校正的系统和方法 |
CN106464998A (zh) * | 2014-03-26 | 2017-02-22 | 伯斯有限公司 | 用来掩蔽干扰性噪声在耳机与源之间协作处理音频 |
CN107530023A (zh) * | 2015-03-31 | 2018-01-02 | 塞勒尼恩有限公司 | 用于脑电图检查的装置和方法 |
-
2018
- 2018-09-04 CN CN201811023209.4A patent/CN109359212A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1581290A (zh) * | 2003-08-06 | 2005-02-16 | 雅马哈株式会社 | 歌唱声音合成方法 |
CN105303167A (zh) * | 2008-01-23 | 2016-02-03 | 加州大学评议会 | 用于行为监测及校正的系统和方法 |
CN102370542A (zh) * | 2010-08-12 | 2012-03-14 | 上海中医药大学附属岳阳中西医结合医院 | 耳鸣治疗系统 |
CN103377656A (zh) * | 2012-04-16 | 2013-10-30 | 联想(北京)有限公司 | 一种音频文件的五音分析方法、播放器及电子设备 |
CN106464998A (zh) * | 2014-03-26 | 2017-02-22 | 伯斯有限公司 | 用来掩蔽干扰性噪声在耳机与源之间协作处理音频 |
CN103961254A (zh) * | 2014-05-22 | 2014-08-06 | 中国人民解放军第306医院 | 五音五行变化取穴图谱 |
CN107530023A (zh) * | 2015-03-31 | 2018-01-02 | 塞勒尼恩有限公司 | 用于脑电图检查的装置和方法 |
CN104899447A (zh) * | 2015-06-08 | 2015-09-09 | 华北电力大学(保定) | 电力大数据预处理的属性约简方法 |
Non-Patent Citations (4)
Title |
---|
毛峡等: "1/f 波动数据的产生及其舒适感分析", 《北京航空航天大学学报》 * |
洪文学等: "基于偏序结构理论的知识发现方法", 《燕山大学学报》 * |
郝连旺等: "基于优选特征属性偏序结构分析的白细胞图像分类规则发现", 《高技术通讯》 * |
马越等: "基于《黄帝内经》五音理论的中医音乐疗法探讨", 《中华中医药杂志》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112603266A (zh) * | 2020-12-23 | 2021-04-06 | 新绎健康科技有限公司 | 一种用于获取目标五音特征的方法及系统 |
CN113198106A (zh) * | 2021-04-01 | 2021-08-03 | 未来穿戴技术有限公司 | 可穿戴按摩仪的控制方法、装置及可穿戴按摩仪 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | Timbretron: A wavenet (cyclegan (cqt (audio))) pipeline for musical timbre transfer | |
CN115120835B (zh) | 用于重复性运动活动的增强性音乐 | |
Krumhansl | The cognition of tonality–as we know it today | |
CN111601433B (zh) | 舞台灯光效果控制策略的预测方法及装置 | |
Bhat et al. | An efficient classification algorithm for music mood detection in western and hindi music using audio feature extraction | |
Chen et al. | Diagnose Parkinson’s disease and cleft lip and palate using deep convolutional neural networks evolved by IP-based chimp optimization algorithm | |
CN109359212A (zh) | 一种基于属性偏序理论的五音疗法曲子分类方法 | |
Ebner et al. | Audio inpainting with generative adversarial network | |
Titze et al. | Acoustics of the tenor high voice | |
Macret et al. | Automatic design of sound synthesizers as pure data patches using coevolutionary mixed-typed cartesian genetic programming | |
Schmidt et al. | Learning Rhythm And Melody Features With Deep Belief Networks. | |
Schneider | Pitch and pitch perception | |
Wang et al. | An intelligent music generation based on Variational Autoencoder | |
Cariani | Musical intervals, scales, and tunings: auditory representations and neural codes | |
CN111921061B (zh) | 一种分形与掩蔽结合的耳鸣康复音合成方法及系统 | |
Kirke et al. | Emergent Construction of melodic pitch and hierarchy through agents communicating emotion without melodic intelligence. | |
Garoufis et al. | Multi-Source Contrastive Learning from Musical Audio | |
Wang et al. | Beijing opera synthesis based on straight algorithm and deep learning | |
Capobianco et al. | Assessing Acoustic Parameters in Early Music and Romantic Operatic Singing | |
Mazurkiewicz | Softcomputing Approach to Music Generation Check for updates | |
Gilbert et al. | Does the elephant trumpet like a trumpet? | |
Vulliard | Music from Aura | |
Ardana et al. | Reconstruction of Harmony Concept in Karawitan through Re-Reading the Meaning of Angkep-angkepan Gamelan Bali | |
Mazurkiewicz | Sofcomputing approach to melody generation based on harmonic analysis | |
Gaona | Perturbation Theory |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190219 |