一种用于在线教育的音乐旋律识别方法及装置

技术领域

本发明涉及在线教育技术领域，尤其涉及一种用于在线教育的音乐旋律识别方法及装置。

背景技术

在线教育顾名思义，是以网络为介质的教学方式，通过网络，学员与教师即使相隔万里也可以开展教学活动；此外，借助网络课件，学员还可以随时随地进行学习，真正打破了时间和空间的限制，对于工作繁忙，学习时间不固定的职场人而言网络远程教育是最方便不过的学习方式。

而在现有的技术中，当学员进行音乐课程在线学习时，无法很好的掌握音乐当中的音准及旋律，无法准确的对音乐课程进行学习，大大影响了在线教育中音乐课程的教学质量及效率。

发明内容

为了现有技术存在的上述技术缺陷，本发明提供了一种用于在线教育的音乐旋律识别方法及装置，可以有效解决背景技术中的问题。

为了解决上述技术问题，本发明提供的技术方案具体如下：

本发明实施例公开了一种用于在线教育的音乐旋律识别方法，所述方法包括以下步骤：

对待学习的歌曲语音进行分段式旋律分析，并将分析得出的歌曲音准和音乐旋律发送至学员端；

实时获取学员端的歌声，并对歌声进行降噪处理；

将降噪后的学员端歌声音准和音乐旋律与待学习歌曲的音准和音乐旋律进行对比，判断学员端的歌声是否符合标准。

在上述任一方案中优选的是，歌曲包括乐段，所述乐段包括小节，所述小节包括音符，所述音符的特征包括音高P、音强I、和音长D，小节的特征向量为BV＝(b

在上述任一方案中优选的是，通过对M I D I音乐文件进行解析，获得歌曲信息，歌曲信息包括音符特征、节拍特征及小节线的位置信息，在音符特征的基础上构建小节的特征向量BV＝(Pa，Ps，I a，I s，Da，Ds)，

在上述任一方案中优选的是，预先设置特征向量相似阈值EST、最大长度阈值MALT和最小长度阈值MNLT，特征向量相似阈值EST为两个相邻小节的相似程度；最大长度阈值MALT为最多有多少小节连接到一起，最小长度阈值MNLT为最少有多少小节连接到一起，通过欧式距离判断若干相邻小节的相似性，将歌曲划分成若干独立乐段进行分析。

在上述任一方案中优选的是，通过以下方式对若干相邻小节的相似性进行判断：

1)：若i≥MB，跳到5)；若i

2)：若d(BV

3)：若PB

4)：若PB

5)：退出循环，算法结束；其中，PB为乐段中小节的个数，MB为歌曲中小节的总的个数。

在上述任一方案中优选的是，将识别分析后的待学习歌曲发送至学员端进行播放，在播放过程中，进行分段式视频教学，将待学习歌曲中标记的各独立乐段进行单独播放，同时将独立乐段中标记的音乐旋律及各音符的特征变化进行表示。

在上述任一方案中优选的是，通过以下方式对学员端的歌声完成降噪：

对学员端歌声进行小波分解，得到干燥歌声信号y＝x+n，其中x为有用歌声信号，n为叠加在x上的高斯白噪声，n～N(0，σ

设置阈值

对分解后的各个子波进行阈值分析，小于阈值σ的系数置零，保留高于阈值σ的系数，从而实现对学员端歌声完成降噪。

在上述任一方案中优选的是，通过对待学习的歌曲语音进行分段式旋律分析的方法，对获取的学员端降噪后的歌声再次进行分段式旋律分析，并提取学员端歌声特征向量BV

在上述任一方案中优选的是，通过公式

一种用于在线教育的音乐旋律识别装置，所述装置包括：

分析模块，用于对待学习的歌曲语音进行分段式旋律分析，并将分析得出的歌曲音准和音乐旋律发送至学员端；

处理模块，用于实时获取学员端的歌声，并对歌声进行降噪处理；

判断模块，用于将降噪后的学员端歌声音准和音乐旋律与待学习歌曲的音准和音乐旋律进行对比，判断学员端的歌声是否符合标准。

与现有技术相比，本发明的有益效果：

本发明提供的一种用于在线教育的音乐旋律识别方法及装置，通过对待学习的歌曲语音进行分段式旋律分析，并将分析得出的歌曲音准和音乐旋律发送至学员端；实时获取学员端的歌声，并对歌声进行降噪处理；将降噪后的歌声音准和音乐旋律与录入歌曲的音准和音乐旋律进行对比，判断学员端的歌声是否符合标准；能够准确的分析出歌曲的旋律及音准，使歌曲旋律可视化，大大提高了学员音准的准确性，可以更好的帮助学员建立歌曲旋律。

附图说明

附图用于对本发明的进一步理解，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。

图1是本发明一种用于在线教育的音乐旋律识别方法的流程示意图；

图2是本发明一种用于在线教育的音乐旋律识别装置的模块示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至该另一个元件上。

在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

为了更好地理解上述技术方案，下面将结合说明书附图及具体实施方式对本发明技术方案进行详细说明。

本发明提供了一种用于在线教育的音乐旋律识别方法，如图1所示，所述方法包括以下步骤：

步骤1，对待学习的歌曲语音进行分段式旋律分析，并将分析得出的歌曲音准和音乐旋律发送至学员端。

具体的，将待学习的歌曲进行录入，由于歌曲当中音乐的旋律是随着乐曲的演奏不断变化的，基于整首音乐的分析难以准确的表达音乐旋律的跌宕起伏，需先将整首歌曲进行分段。

进一步的，所述歌曲包括乐段，所述乐段包括小节，所述小节包括音符，所述音符的特征包括音高P、音强I、和音长D，小节的特征向量为BV＝(b

在上述任一方案中优选的是，通过对M I D I音乐文件进行解析，获得歌曲信息，包括音符特征、节拍特征及小节线的位置信息，进而在音符特征的基础上构建小节的特征向量BV＝(Pa，Ps，I a，I s，Da，Ds)，

进一步的，预先设置特征向量相似阈值EST、最大长度阈值MALT和最小长度阈值MNLT，特征向量相似阈值EST为两个相邻小节的相似程度；最大长度阈值MALT为最多有多少小节连接到一起，最大长度阈值MALT的设定与乐曲的长短有关，通常乐曲是由2至4种情感组成，乐曲表达的情感最多不能超过4种，根据乐曲的长短和类型综合设定最大长度阈值MALT的取值；最小长度阈值MNLT为最少有多少小节连接到一起，在现有歌曲中有很多情感过渡的小节，这种小节仅仅起到过渡作用，不能独立表达情感内涵，通常将这些小节归到情感转换中的下一个情感类型；进而通过欧式距离判断若干相邻小节的相似性，将歌曲划分成若干独立乐段进行分析。

进一步的，通过以下方式对若干相邻小节的相似性进行判断：

1)：若i≥MB，跳到5)；若i

2)：若d(BV

3)：若PB

4)：若PB

5)：退出循环，算法结束。

其中，PB为乐段中小节的个数，MB为歌曲中小节的总的个数。

进一步的，将歌曲划分成若干独立乐段后，对每一个独立的乐段进行分析，通过字符串匹配算法统计出乐段中的大三度n

由于不同调性的乐曲之所以能够表达不同的情感，与乐曲中大三度n

进一步的，将识别分析后的待学习歌曲发送至学员端进行播放，在播放过程中，进行分段式视频教学，将待学习歌曲中标记的各独立乐段进行单独播放，同时将独立乐段中标记的音乐旋律及各音符的特征变化进行表示，以实现帮助学员更快的理解歌曲；例如当音乐旋律高昂时，用以向上箭头标识，当音乐旋律低沉时，用以向下箭头标识。

步骤2，实时获取学员端的歌声，并对歌声进行降噪处理。

具体的，学员在每一个独立乐段教学后，将自己歌声录入至学员端，由于学员端的歌声在传输过程中，环境噪声对歌声信号的干扰时不可避免的，需对学员端的歌声进行降噪，以实现准确的分析学员歌声，提高识别率。

进一步的，通过以下方式对学员端的歌声完成降噪：

(Ⅰ)对学员端歌声进行小波分解，得到干燥歌声信号y＝x+n，其中x为有用歌声信号，n为叠加在x上的高斯白噪声，n～N(0，σ

(Ⅱ)设置阈值

(Ⅲ)对分解后的各个子波进行阈值分析，小于阈值σ的系数置零，保留高于阈值σ的系数，从而实现对学员端歌声完成降噪。

步骤3，将降噪后的歌声音准和音乐旋律与录入歌曲的音准和音乐旋律进行对比，判断学员端的歌声是否符合标准。

具体的，通过对待学习的歌曲语音进行分段式旋律分析的方法，对获取的学员端降噪后的歌声再次进行分段式旋律分析，并提取学员端歌声特征向量BV

进一步的，通过公式

本发明还提供了一种用于在线教育的音乐旋律识别装置，如图2所示，所述装置包括：

分析模块，用于对待学习的歌曲语音进行分段式旋律分析，并将分析得出的歌曲音准和音乐旋律发送至学员端；

处理模块，用于实时获取学员端的歌声，并对歌声进行降噪处理；

判断模块，用于将降噪后的歌声音准和音乐旋律与录入歌曲的音准和音乐旋律进行对比，判断学员端的歌声是否符合标准。

与现有技术相比，本发明提供的有益效果是：

本发明提供的一种用于在线教育的音乐旋律识别方法及装置，通过对待学习的歌曲语音进行分段式旋律分析，并将分析得出的歌曲音准和音乐旋律发送至学员端；实时获取学员端的歌声，并对歌声进行降噪处理；将降噪后的歌声音准和音乐旋律与录入歌曲的音准和音乐旋律进行对比，判断学员端的歌声是否符合标准；能够准确的分析出歌曲的旋律及音准，使歌曲旋律可视化，大大提高了学员音准的准确性，可以更好的帮助学员建立歌曲旋律。

以上仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。