摘要：在过去的十年中，在线音乐数据库和用户交互式应用程序已经大大增加，因此，开发用于分类和检索音乐内容的快速有效的自动工具已成为一个基本问题。

本文对乐器识别的基本技术进行概述，包括乐器的一些基本知识，特征参数的提取以及乐器音频信号的声学特征；对深度置信网络进行研究的基础上，对受限玻尔兹曼机器模型进行数学描述；最后，研究深度置信神经网络在乐器识别中的应用，通过MATLAB实现乐器的识别。在抽取特征参数的过程中，我们需要对音频信号进行一系列的预处理，从而获得能用于我们研究实验的特征参数，这是进行乐器识别的基础任务，同时，对于提取出来的音频信号的特征参数的优劣性，将直接影响最终实验结果的准确性。

实验结果证明，本文采用的基于受限玻尔兹曼机器模型的深度置信网络算法能有效识别不同的乐器，本文的研究对于音乐的分类识别具有重要参考价值。

关键词：深度置信神经网络；受限玻尔兹曼机器模型；乐器识别

目录

摘要

Abstract

1 绪论-1

1.1 研究背景与意义-1

1.2 国内外研究现状-1

1.3 课题研究内容-2

2 乐器识别的基础知识-3

2.1 MATLAB简介-3

2.2 乐器的基础知识-3

2.1.1 乐器音色-3

2.1.2 乐器音频-4

2.2.3 乐器分类-5

2.3 特征参数提取-5

2.3.1 采样和量化-6

2.3.2 预加重-6

2.3.3 分帧加窗-6

2.3.4 常用窗函数介绍-7

2.4 乐器音频信号的声学特征-8

2.4.1 倒谱系数-8

2.4.2 线性预测倒谱参数LPCC-9

2.4.3 梅尔频率倒谱系数MFCC-10

3 基于深度置信网络的乐器分类识别-11

3.1 深度学习算法-11

3.1.1 深度置信网络（DBN）-11

3.1.2 受限玻尔兹曼机器-11

3.1.3 深度神经网络-13

3.2 音频预处理-13

3.2.1 预加重-13

3.2.2 分帧-14

3.2.3 加窗-14

3.2.4 乐器音乐的原始特征参数提取-14

3.3 基于深度置信网络的乐器识别算法-15

3.3.1 预训练-16

3.3.2 网络微调-17

3.4 乐器识别实验结果与分析-18

结    论-24

参 考 文 献-25

致    谢-26