I tiden med store data lagres flere og flere lyddata i nettverket, og lydinrettet automatisering og intelligente klassifikasjonssystemer er etterspurt. Lydsignal klassifisering forskning er avgjørende for å fremme utviklingen av slike systemer. I lydsignal klassifisering forskning, funksjonen ekstraksjon, funksjonssett optimalisering og klassifiseringsdesign er de tre viktigste aspektene. Gjennom forskning og analyse av eksisterende lydrelaterte litteraturer, er det funnet at fokuset på lydforskning hovedsakelig omfatter: forskning om ulike egenskaper for ekstraksjonsgenerering ved funksjonutvinning; i funksjonssettoptimalisering, forskning på forskjellige funksjonsvalgalgoritmer; I klassifiseringsdesignet klassifiseres klassifiseringsytelsen av forskjellige klassifikasjonsalgoritmer. Dette papiret fokuserer på de tre ovennevnte aspektene, og det fullførte arbeidet omfatter hovedsakelig følgende deler: 1. Bruke forskjellige lydfunksjonsutvinningsmetoder, inkludert tidsdomenefunksjoner, frekvensdomenefunksjoner, cepstrum-domenefunksjoner og andre funksjoner. Totalt 89 lydfunksjoner av kategorien utgjør det opprinnelige lydfunksjonssettet. For funksjonssettoptimaliseringsproblemet blir funksjonsvalgsalgoritmen basert på Pearson korrelasjonskoeffisient, funksjonsvalgalgoritmen basert på entropiviktmetode og funksjonsvalgalgoritmen basert på Relief-algoritme, studert. En forbedret korrelasjonskoeffisientfunksjon seleksjonsalgoritme er foreslått. Gyldigheten og gjennomførbarheten av de fire funksjonaliseringsalgoritmene er verifisert av eksperimenter, og fordelene og ulempene ved algoritmene blir sammenlignet. En beslutningstreet basert klassifiserer, en K nærmeste naboklasser og en BP-nettbasert klassifikator er utformet. Problemet med at BP nevrale nettverk er lett å falle inn i lokalt optimum, studeres. En BP-neural nettverksklassifikator basert på simulert annealingsalgoritme er utformet. Det opprinnelige lydfunksjonssettet er inngått i henholdsvis fire typer lydenheter, og talen og musikklassifiseringen er fullført. Eksperimenter, musikkgenre klassifisering eksperimenter og musikk instrument klassifisering eksperimenter. De eksperimentelle resultatene viser at de gjennomsnittlige klassifikasjonsnøyaktighetsratene som er oppnådd ved bruk av forbedret BP-klassifikator, tradisjonell BP-klassifiserer, ID-3 beslutningstrender og K nærmeste naboklasser er henholdsvis 96,15%, 92,86%, 93,60% og 85,98%. Den forbedrede BP Neural Network Classifier brukes til å klassifisere de fire optimaliserte funksjonssettene. De eksperimentelle resultatene viser at klassifikasjonsresultatene som er oppnådd ved å bruke den forbedrede funksjonskoeffisientfunksjonsvalgalgoritmen, er de beste i tale og musikk. Den gjennomsnittlige klassifikasjonsnøyaktighetsgraden for klassifikasjonseksperimenter, musikkgenreklassifikasjonseksperimenter og klassifiseringseksperiment for musikkinstrumenter var henholdsvis 97,78%, 92,69% og 98,50%.
Lydeksperten er et veldig enkelt lydverktøy. Audio gir brukere lydformatkonvertering, lydfusjon og andre funksjoner. Det kan trekke ut brukerens behov for å beholde en del fra en lydtekstfil på datamaskinen, og deretter lage en ny lydfil. Det er en god hjelpemiddel for brukerne.
Audio Expert Funksjoner:
1. Musikkformat Konvertering: Du kan konvertere mellom alle MP3, WAV, WMA, AAC, AU, AIF, APE, VOC, FLAC, M4A, OGG og andre populære lydformater.
2. Musikk segmentering: dele en musikkfil i flere små musikkfiler, og støtte segmentering i henhold til tidslengde, størrelse, gjennomsnittlig distribusjonsmanual og automatisk.
3. Musikkavlytting: Trekk ut den delen som må samles inn fra et stykke lyd, og gjør det til en lydfil.
4. Musikkfusjonering: Kombiner flere forskjellige eller identiske musikkformatfiler til en musikkfil.
5. MP3-volumjustering: juster volumet av MP3-sanger uten tap av lydkvalitet. Det er mulig å analysere og justere volumet på alle MP3-sangene i samme størrelse før du brenner musikkplaten eller før du kopierer sangen til mobiltelefonen. Du trenger ikke å justere volumet av spilleren lenger når du hører på sangen.
