مریم خاشعی ورنامخواستی - کارشناسی ارشد مهندسی کامپیوتر، دانشگاه پیام نور
سید سعید آیت - دانشیار گروه علمی مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور

ورود صنعت موسیقی به دنیای دیجیتال به عبارتی گسترش موسیقی دیجیتال، پژوهشگران را بر آن داشت که بیش از پیش به پردازش روی داده های موسیقی بپردازند. در این مقاله، ما ابتدا برخی ویژگی های صوت (نظیر: نرخ عبور از صفر، انرژی، انتروپی انرژی، مرکز ثقل و گسترش طیف، انتروپی طیف، تغییرات سریع طیف، رول آف طیف، ضرایب کپسترال فرکانس مل، بردار رنگی، نرخ هارمونیک) را استخراج نموده و سپس برای تشخیص و دسته بندی از شبکه عصبی MLP استفاده کردیم. داده های لازم برای آموزش و آزمایش شبکه را از وب سایت رادیوی اینترنتی ایران صدا جمع آوری نمودیم. بدین منظور شش نوع سبک شامل سبک های کلاسیک، غربی، کودک، محلی، پاپ و سنتی را مورد هدف قرار دادیم. برای طراحی شبکه از 85 درصد داده ها برای مرحله آموزش شبکه و 15 درصد باقیمانده برای مرحله آزمون شبکه استفاده شد. بعد از شبیه سازی های انجام شده بر روی شبکه، دقت دسته بندی برای داده های آزمون 82.1 درصد بدست آمد که نتایج خوشایند و امیدوار کننده ای می باشد.

سبک موسیقی، استخراج ویژگی، دسته بندی، شبکه عصبی