一种用于大提琴的演奏音准检测方法及系统

摘要

本发明公开了一种用于大提琴的演奏音准检测方法及系统，涉及人工智能领域，其中，所述方法包括：获得声音监测数据、演奏控制监测数据和演奏环境监测数据；获得目标演奏声音信号，并对其进行音准检测，获得演奏音准失点算子；获得演奏音准分析结果；基于演奏控制监测数据和演奏环境监测数据进行异常检测，获得演奏控制异常系数和演奏环境异常系数；基于演奏控制异常系数和演奏环境异常系数进行加权融合，获得特征演奏异常系数，并根据其对演奏音准分析结果进行修正，获得修正演奏音准分析结果。解决了现有技术中针对大提琴的演奏音准检测分析准确度低，继而造成大提琴的演奏音准检测分析效果不佳的技术问题。

说明书

技术领域

本发明涉及人工智能领域，具体地，涉及一种用于大提琴的演奏音准检测方法及系统。

背景技术

随着大提琴演奏的不断发展，如何提高大提琴的演奏效果受到人们的广泛关注。音准检测对于大提琴的演奏效果具有重要影响。现有技术中，存在针对大提琴的演奏音准检测分析准确度低，继而造成大提琴的演奏音准检测分析效果不佳的技术问题。

发明内容

本申请提供了一种用于大提琴的演奏音准检测方法及系统。解决了现有技术中针对大提琴的演奏音准检测分析准确度低，继而造成大提琴的演奏音准检测分析效果不佳的技术问题。达到了通过对大提琴进行多维度演奏音准检测分析，提高大提琴的演奏音准检测分析准确度，提升大提琴的演奏音准检测分析质量的技术效果。

鉴于上述问题，本申请提供了一种用于大提琴的演奏音准检测方法及系统。

第一方面，本申请提供了一种用于大提琴的演奏音准检测方法，其中，所述方法应用于一种用于大提琴的演奏音准检测系统，所述方法包括：基于数据采集设备对目标人员使用目标大提琴的目标曲目演奏过程进行实时监测，获得演奏监测数据集合，其中，所述演奏监测数据集合包括声音监测数据、演奏控制监测数据和演奏环境监测数据；基于所述声音监测数据进行噪音分离，获得目标演奏声音信号；基于音准检测平台对所述目标演奏声音信号进行音准检测，获得演奏音准失点算子；基于所述演奏音准失点算子进行演奏音准分析，获得演奏音准分析结果；基于所述演奏控制监测数据和所述演奏环境监测数据进行异常检测，获得演奏控制异常系数和演奏环境异常系数；基于所述演奏控制异常系数和所述演奏环境异常系数进行加权融合，获得特征演奏异常系数；基于所述特征演奏异常系数对所述演奏音准分析结果进行修正，获得修正演奏音准分析结果。

第二方面，本申请还提供了一种用于大提琴的演奏音准检测系统，其中，所述系统包括：演奏监测模块，所述演奏监测模块用于基于数据采集设备对目标人员使用目标大提琴的目标曲目演奏过程进行实时监测，获得演奏监测数据集合，其中，所述演奏监测数据集合包括声音监测数据、演奏控制监测数据和演奏环境监测数据；噪音分离模块，所述噪音分离模块用于基于所述声音监测数据进行噪音分离，获得目标演奏声音信号；音准检测模块，所述音准检测模块用于基于音准检测平台对所述目标演奏声音信号进行音准检测，获得演奏音准失点算子；演奏音准分析模块，所述演奏音准分析模块用于基于所述演奏音准失点算子进行演奏音准分析，获得演奏音准分析结果；异常检测模块，所述异常检测模块用于基于所述演奏控制监测数据和所述演奏环境监测数据进行异常检测，获得演奏控制异常系数和演奏环境异常系数；加权融合模块，所述加权融合模块用于基于所述演奏控制异常系数和所述演奏环境异常系数进行加权融合，获得特征演奏异常系数；修正模块，所述修正模块用于基于所述特征演奏异常系数对所述演奏音准分析结果进行修正，获得修正演奏音准分析结果。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

通过数据采集设备对目标人员使用目标大提琴的目标曲目演奏过程进行实时监测，获得声音监测数据、演奏控制监测数据和演奏环境监测数据；通过对声音监测数据进行噪音分离，获得目标演奏声音信号；通过音准检测平台对目标演奏声音信号进行音准检测，获得演奏音准失点算子；根据演奏音准失点算子进行演奏音准分析，获得演奏音准分析结果；通过对演奏控制监测数据和演奏环境监测数据进行异常检测，获得演奏控制异常系数和演奏环境异常系数；通过对演奏控制异常系数、演奏环境异常系数进行加权融合，获得特征演奏异常系数，并按照特征演奏异常系数对演奏音准分析结果进行修正，获得修正演奏音准分析结果。达到了通过对大提琴进行多维度演奏音准检测分析，提高大提琴的演奏音准检测分析准确度，提升大提琴的演奏音准检测分析质量的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

为了更清楚地说明本公开实施例的技术方案,下面将对本公开实施例的附图作简单地介绍。明显地，下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。

图1为本申请一种用于大提琴的演奏音准检测方法的流程示意图；

图2为本申请一种用于大提琴的演奏音准检测方法中获得目标演奏声音信号的流程示意图；

图3为本申请一种用于大提琴的演奏音准检测系统的结构示意图。

附图标记说明：演奏监测模块11，噪音分离模块12，音准检测模块13，演奏音准分析模块14，异常检测模块15，加权融合模块16，修正模块17。

具体实施方式

本申请通过提供一种用于大提琴的演奏音准检测方法及系统。解决了现有技术中针对大提琴的演奏音准检测分析准确度低，继而造成大提琴的演奏音准检测分析效果不佳的技术问题。达到了通过对大提琴进行多维度演奏音准检测分析，提高大提琴的演奏音准检测分析准确度，提升大提琴的演奏音准检测分析质量的技术效果。

实施例一

请参阅附图1，本申请提供一种用于大提琴的演奏音准检测方法，其中，所述方法应用于一种用于大提琴的演奏音准检测系统，所述方法具体包括如下步骤：

步骤S100：基于数据采集设备对目标人员使用目标大提琴的目标曲目演奏过程进行实时监测，获得演奏监测数据集合，其中，所述演奏监测数据集合包括声音监测数据、演奏控制监测数据和演奏环境监测数据；

具体而言，在目标人员使用目标大提琴进行目标曲目的演奏时，通过数据采集设备进行实时监测，获得演奏监测数据集合。其中，所述数据采集设备包括现有技术中的声音监测传感器、图像采集装置、大提琴的琴弦张力测量仪、环境温度监测传感器、环境湿度传感器。所述目标人员可以为使用目标大提琴进行目标曲目的演奏的任意大提琴演奏专业人员。所述目标大提琴包括使用所述一种用于大提琴的演奏音准检测系统进行智能化演奏音准检测的任意大提琴。例如，所述目标大提琴可以为现有技术中的五弦大提琴。目标曲目可以为任意大提琴演奏曲目。例如，目标曲目可以为具有宫、商、角、徵、羽的国乐音律。所述演奏监测数据集合包括声音监测数据、演奏控制监测数据和演奏环境监测数据。目标大提琴具有基础标识信息，基础标识信息包括目标大提琴的多个结构部件信息。多个结构部件信息包括目标大提琴的结构部件组成信息、材料组成信息。例如，多个结构部件信息包括目标大提琴的复合蜂窝板的钛合金成分比例信息。所述声音监测数据包括目标人员使用目标大提琴的目标曲目的演奏过程，对应的多个实时声音监测信号。所述演奏控制监测数据包括目标人员使用目标大提琴的目标曲目的演奏过程，对应的图像监测数据、琴弦张力监测数据。所述图像监测数据包括目标人员使用目标大提琴进行目标曲目的演奏时，对应的多个演奏姿势信息。琴弦张力监测数据包括目标人员使用目标大提琴进行目标曲目的演奏时，目标大提琴的多个琴弦张力信息。每个琴弦张力信息包括琴弦类型、琴弦张力位置、琴弦张力大小、琴弦张力方向。所述演奏环境监测数据包括目标人员使用目标大提琴进行目标曲目的演奏时，对应的多个实时演奏环境温度、多个实时演奏环境湿度。达到了确定演奏监测数据集合，为后续对目标大提琴进行演奏音准分析奠定基础的技术效果。

步骤S200：基于所述声音监测数据进行噪音分离，获得目标演奏声音信号；

进一步的，如附图2所示，本申请步骤S200还包括：

步骤S210：基于频谱分析平台对所述声音监测数据进行频谱分析，获得声音监测频谱图；

步骤S220：基于所述目标曲目，获得目标曲目频谱图；

具体而言，将声音监测数据上传至频谱分析平台，通过频谱分析平台对声音监测数据进行频谱分析，获得声音监测频谱图。同时，基于目标曲目进行标准频谱查询，获得目标曲目频谱图。其中，所述频谱分析平台可以为现有技术中的声音频谱分析软件。通过频谱分析平台对声音监测数据进行频谱分析，可以对声音监测数据进行更客观的认识。声音监测频谱图是表征声音监测数据中各个实时声音监测信号的频率成分分布的图形。声音监测频谱图的横轴为频率值，纵轴为声音音量。声音监测频谱图既代表声音监测数据的频率构成，也反映了各频率分量的比重。所述声音监测频谱图包括声音监测数据中的多个实时声音监测信号对应的多个声音频谱信号。每个声音频谱信号包括每个实时声音监测信号对应的声音频率参数、声音音量参数。目标曲目频谱图为目标曲目对应的标准声音监测频谱图。目标曲目频谱图包括目标曲目的多个标准声音监测信号对应的多个标准声音频谱信号。每个标准声音频谱信号包括每个标准声音频谱信号对应的标准声音频率参数、标准声音音量参数。达到了确定声音监测频谱图和目标曲目频谱图，为后续对声音监测数据进行噪音分离提供数据支持的技术效果。

步骤S230：基于所述声音监测频谱图和所述目标曲目频谱图进行频谱偏离分析，获得频谱偏离信号；

进一步的，本申请步骤S230还包括：

步骤S231：基于所述声音监测频谱图和所述目标曲目频谱图进行频谱偏离分析，获得多个第一声音频谱偏离信号；

步骤S232：判断所述多个第一声音频谱偏离信号是否满足频谱偏离约束区间，获得多个频谱偏离判断结果；

步骤S233：基于所述多个频谱偏离判断结果，根据所述多个第一声音频谱偏离信号，生成所述频谱偏离信号。

具体而言，将声音监测频谱图和目标曲目频谱图进行频谱偏离分析，即，将声音监测频谱图和目标曲目频谱图进行比对，当声音监测频谱图中的声音频谱信号与对应的标准声音频谱信号不一致时，将该声音频谱信号设置为第一声音频谱偏离信号。所述多个第一声音频谱偏离信号包括与对应的多个标准声音频谱信号不一致的多个声音频谱信号。且，每个第一声音频谱偏离信号具有对应的频谱偏离标识系数。频谱偏离标识系数是用于表征第一声音频谱偏离信号的频谱偏离程度的数据信息。声音频谱信号与对应的标准声音频谱信号之间的声音频率差异越大、声音音量差距越大，对应的频谱偏离标识系数越高。

进一步，分别判断多个第一声音频谱偏离信号是否满足频谱偏离约束区间，获得多个频谱偏离判断结果。频谱偏离约束区间包括预先设置确定的频谱偏离标识系数范围信息。当第一声音频谱偏离信号对应的频谱偏离标识系数满足频谱偏离约束区间时，对应的频谱偏离判断结果为第一声音频谱偏离信号满足频谱偏离约束区间。当第一声音频谱偏离信号对应的频谱偏离标识系数不满足频谱偏离约束区间时，对应的频谱偏离判断结果为第一声音频谱偏离信号不满足频谱偏离约束区间。继而，根据多个频谱偏离判断结果对多个第一声音频谱偏离信号进行筛选，获得频谱偏离信号。所述频谱偏离信号包括频谱偏离判断结果为第一声音频谱偏离信号满足频谱偏离约束区间的多个第一声音频谱偏离信号。达到了通过将声音监测频谱图与目标曲目频谱图进行频谱偏离分析，从而对声音监测数据进行噪音筛选，获得准确的频谱偏离信号，从而提高对声音监测数据进行噪音分离的精确度的技术效果。

步骤S240：基于所述频谱偏离信号进行降噪参数匹配，获得匹配降噪参数；

步骤S250：基于所述匹配降噪参数，根据噪音分离平台对所述声音监测数据进行噪音分离，获得所述目标演奏声音信号。

步骤S300：基于音准检测平台对所述目标演奏声音信号进行音准检测，获得演奏音准失点算子；

具体而言，根据频谱偏离信号进行降噪参数匹配，获得匹配降噪参数，并按照匹配降噪参数控制噪音分离平台对声音监测数据进行噪音分离，获得目标演奏声音信号。继而，将目标演奏声音信号上传至音准检测平台，通过音准检测平台对目标演奏声音信号进行音准检测，获得演奏音准失点算子。

其中，所述噪音分离平台可以为现有技术中的噪音分离软件。所述目标演奏声音信号包括声音监测数据中的多个大提琴声音监测信号。所述音准检测平台可以为现有技术中的音准检测软件。所述演奏音准失点算子包括目标演奏声音信号对应的总失点数。总失点数可用于表征目标演奏声音信号的音准精确度高低。总失点数越少，则，目标演奏声音信号的音准精确度越高。

示例性地，在获得匹配降噪参数时，对噪音分离平台进行参数查询，获得噪音分离控制数据库。噪音分离控制数据库包括多个历史频谱偏离信号、多个历史匹配降噪参数。将频谱偏离信号输入噪音分离控制数据库，通过噪音分离控制数据库对频谱偏离信号进行降噪参数匹配，获得匹配降噪参数。

达到了通过音准检测平台对完成噪音分离的目标演奏声音信号进行音准检测，获得准确的演奏音准失点算子，从而提高大提琴的演奏音准检测分析精确度的技术效果。

进一步的，本申请步骤S300还包括：

步骤S310：获得标准演奏音准失点算子；

步骤S320：判断所述演奏音准失点算子是否大于所述标准演奏音准失点算子；

步骤S330：当所述演奏音准失点算子大于所述标准演奏音准失点算子时，基于所述演奏音准失点算子和所述标准演奏音准失点算子进行标准偏离计算，获得音准失点偏离算子，并将所述音准失点偏离算子添加至所述演奏音准失点算子。

具体而言，对演奏音准失点算子是否大于标准演奏音准失点算子进行判断。当演奏音准失点算子大于标准演奏音准失点算子时，基于演奏音准失点算子和标准演奏音准失点算子进行标准偏离计算，即，将演奏音准失点算子和标准演奏音准失点算子进行差值计算，获得音准失点标准差，将音准失点标准差与标准演奏音准失点算子进行比值计算，获得音准失点偏离算子，并将音准失点偏离算子添加至演奏音准失点算子。其中，所述标准演奏音准失点算子包括预先设置确定演奏音准失点算子阈值。所述音准失点偏离算子包括音准失点标准差与标准演奏音准失点算子之间的比值信息。当演奏音准失点算子不大于标准演奏音准失点算子时，对应的音准失点偏离算子为零。达到了在演奏音准失点算子大于标准演奏音准失点算子时，对演奏音准失点算子进行标准偏离分析，获得准确的音准失点偏离算子，提高大提琴的演奏音准检测分析的全面性的技术效果。

步骤S400：基于所述演奏音准失点算子进行演奏音准分析，获得演奏音准分析结果；

进一步的，本申请步骤S400还包括：

步骤S410：基于所述演奏音准失点算子进行数据采集，获得多个样本演奏音准失点算子和多个样本演奏音准分析结果；

步骤S420：基于所述多个样本演奏音准失点算子和所述多个样本演奏音准失点算子进行映射关系分析，获得样本特征映射关系；

步骤S430：基于样本演奏音准失点算子，获得演奏音准分析索引特征；

步骤S440：基于样本演奏音准分析结果，获得演奏音准分析响应特征；

步骤S450：基于所述多个样本演奏音准失点算子，获得多个演奏音准分析索引特征参数；

步骤S460：基于所述多个样本演奏音准分析结果，获得多个演奏音准分析响应特征参数；

步骤S470：基于知识图谱，根据所述样本特征映射关系、所述演奏音准分析索引特征、所述演奏音准分析响应特征、所述多个演奏音准分析索引特征参数和所述多个演奏音准分析响应特征参数，获得演奏音准分析模型；

步骤S480：将所述演奏音准失点算子输入所述演奏音准分析模型，生成所述演奏音准分析结果。

具体而言，基于演奏音准失点算子进行历史数据采集，获得多个样本演奏音准失点算子和多个样本演奏音准分析结果。每个样本演奏音准失点算子包括历史演奏音准失点算子，以及历史演奏音准失点算子对应的历史音准失点偏离算子。每个样本演奏音准分析结果包括每个样本演奏音准失点算子对应的历史演奏音准指数。历史演奏音准失点算子越小，历史音准失点偏离算子越小，对应的历史演奏音准指数越高。

进一步，对多个样本演奏音准失点算子和多个样本演奏音准失点算子进行映射关系分析，获得样本特征映射关系。将样本演奏音准失点算子设置为演奏音准分析索引特征，将样本演奏音准分析结果设置为演奏音准分析响应特征。继而，将多个样本演奏音准失点算子设置为多个演奏音准分析索引特征参数，将多个样本演奏音准分析结果设置为多个演奏音准分析响应特征参数。进而，基于知识图谱，根据样本特征映射关系、演奏音准分析索引特征、演奏音准分析响应特征、多个演奏音准分析索引特征参数和多个演奏音准分析响应特征参数，获得演奏音准分析模型。将演奏音准失点算子、音准失点偏离算子输入演奏音准分析模型，得到演奏音准分析结果。

其中，所述样本特征映射关系包括多个样本演奏音准失点算子和多个样本演奏音准失点算子之间的对应关系。所述知识图谱是一种数据信息的表达方式。所述知识图谱包括模式层、数据层。数据层由一系列的事实组成；模式层构建在数据层之上，主要用于对数据层的一系列事实进行规范表达。所述演奏音准分析模型包括由按照样本特征映射关系进行排列的演奏音准分析索引特征、演奏音准分析响应特征、多个演奏音准分析索引特征参数、多个演奏音准分析响应特征参数构成的知识图谱。所述演奏音准分析结果包括演奏音准失点算子、音准失点偏离算子对应的演奏音准指数。演奏音准指数是用于表征目标演奏声音信号的音准精确度的数据信息。演奏音准指数越高，则，目标演奏声音信号的音准精确度越大。达到了通过演奏音准分析模型对演奏音准失点算子、音准失点偏离算子进行音准精确度分析，获得准确的演奏音准分析结果，提高大提琴的演奏音准检测分析的可靠性的技术效果。

步骤S500：基于所述演奏控制监测数据和所述演奏环境监测数据进行异常检测，获得演奏控制异常系数和演奏环境异常系数；

进一步的，本申请步骤S500还包括：

步骤S510：基于所述演奏控制监测数据，构建演奏控制异常检测模型；

进一步的，本申请步骤S510还包括：

步骤S511：基于所述演奏控制监测数据，获得演奏控制异常检测记录；

步骤S512：基于所述演奏控制异常检测记录进行预设比例的数据划分，获得训练数据序列和测试数据序列；

步骤S513：基于BP神经网络，对所述训练数据序列和所述测试数据序列进行训练、测试，获得符合预设条件的所述演奏控制异常检测模型。

具体而言，基于演奏控制监测数据进行历史数据查询，获得演奏控制异常检测记录。演奏控制异常检测记录包括多组演奏控制异常检测数据。每组演奏控制异常检测数据包括历史演奏控制监测数据、历史演奏控制异常系数。继而，按照预设比例对演奏控制异常检测记录进行数据划分，获得训练数据序列和测试数据序列。例如，预设比例为8:2。则，将演奏控制异常检测记录中随机的80％的数据信息划分为训练数据序列。将演奏控制异常检测记录中随机的20％的数据信息划分为测试数据序列。

进一步，基于BP神经网络，将训练数据序列进行不断的自我训练学习至收敛状态，即可获得演奏控制异常检测模型。将测试数据序列输入演奏控制异常检测模型，通过测试数据序列对演奏控制异常检测模型进行测试，当测试数据序列对应的输出信息符合预设条件时，获得符合预设条件的演奏控制异常检测模型。其中，BP神经网络是一种按照误差逆向传播算法进行训练的多层前馈神经网络。BP神经网络包括输入层、多层神经元、输出层。BP神经网络可以进行正向计算、反向计算。正向计算时，输入信息从输入层经过多层神经元逐层处理，转向输出层，每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出，则转入反向计算，将误差信号沿原来的连接通路返回，通过修改各神经元的权值，使得误差信号最小。所述预设条件包括预先设置确定的演奏控制异常检测模型的输出准确率阈值。所述演奏控制异常检测模型包括输入层、隐含层、输出层。达到了通过对演奏控制异常检测记录进行训练、测试，获得符合预设条件的演奏控制异常检测模型，为后续对演奏控制监测数据进行异常检测夯实基础的技术效果。

步骤S520：基于所述演奏环境监测数据，构建演奏环境异常检测模型；

步骤S530：基于所述演奏控制异常检测模型和所述演奏环境异常检测模型，获得特征异常检测模型；

步骤S540：基于所述特征异常检测模型对所述演奏控制监测数据和所述演奏环境监测数据进行异常检测，获得所述演奏控制异常系数和所述演奏环境异常系数。

具体而言，基于演奏环境监测数据，构建演奏环境异常检测模型。将演奏控制异常检测模型和演奏环境异常检测模型进行连接，获得特征异常检测模型。所述特征异常检测模型包括演奏控制异常检测模型和演奏环境异常检测模型。继而，将演奏控制监测数据输入演奏控制异常检测模型，通过演奏控制异常检测模型对演奏控制监测数据进行异常影响分析，获得演奏控制异常系数。将演奏环境监测数据输入演奏环境异常检测模型，通过演奏环境异常检测模型对演奏环境监测数据进行异常影响分析，获得演奏环境异常系数。其中，演奏环境异常检测模型与演奏控制异常检测模型的构建方式相同，为了说明书的简洁，在此不再赘述。所述演奏控制异常系数是用于表征演奏控制监测数据对目标演奏声音信号的音准精确度的干扰性的数据信息。演奏控制异常系数越大，则，演奏控制监测数据对目标演奏声音信号的音准精确度的干扰性越强。所述演奏环境异常系数是用于表征演奏环境监测数据对目标演奏声音信号的音准精确度的干扰性的数据信息。演奏环境异常系数越高，则，演奏环境监测数据对目标演奏声音信号的音准精确度的干扰性越大。达到了通过特征异常检测模型对演奏控制监测数据和演奏环境监测数据进行异常检测，获得准确的演奏控制异常系数和演奏环境异常系数，从而提高大提琴的演奏音准检测分析的准确性的技术效果。

步骤S600：基于所述演奏控制异常系数和所述演奏环境异常系数进行加权融合，获得特征演奏异常系数；

步骤S700：基于所述特征演奏异常系数对所述演奏音准分析结果进行修正，获得修正演奏音准分析结果。

具体而言，对演奏控制异常系数和演奏环境异常系数进行加权融合，获得特征演奏异常系数，并按照特征演奏异常系数对演奏音准分析结果进行修正，获得修正演奏音准分析结果。

示例性地，在获得特征演奏异常系数时，将预先设置确定的演奏控制异常权重值与演奏控制异常系数进行乘法计算，获得加权演奏控制异常系数。同理，将预先设置确定的演奏环境异常权重值与演奏环境异常系数进行乘法计算，获得加权演奏环境异常系数。对加权演奏控制异常系数、加权演奏环境异常系数进行加和计算，获得特征演奏异常系数。

示例性地，在获得修正演奏音准分析结果时，将特征演奏异常系数与特征演奏异常系数的乘积输出为修正演奏音准分析结果。

达到了通过演奏控制异常系数和演奏环境异常系数对演奏音准分析结果进行适应性修正，提高大提琴的演奏音准检测分析质量的技术效果。

综上所述，本申请所提供的一种用于大提琴的演奏音准检测方法具有如下技术效果：

1.通过数据采集设备对目标人员使用目标大提琴的目标曲目演奏过程进行实时监测，获得声音监测数据、演奏控制监测数据和演奏环境监测数据；通过对声音监测数据进行噪音分离，获得目标演奏声音信号；通过音准检测平台对目标演奏声音信号进行音准检测，获得演奏音准失点算子；根据演奏音准失点算子进行演奏音准分析，获得演奏音准分析结果；通过对演奏控制监测数据和演奏环境监测数据进行异常检测，获得演奏控制异常系数和演奏环境异常系数；通过对演奏控制异常系数、演奏环境异常系数进行加权融合，获得特征演奏异常系数，并按照特征演奏异常系数对演奏音准分析结果进行修正，获得修正演奏音准分析结果。达到了通过对大提琴进行多维度演奏音准检测分析，提高大提琴的演奏音准检测分析准确度，提升大提琴的演奏音准检测分析质量的技术效果。

2.通过音准检测平台对完成噪音分离的目标演奏声音信号进行音准检测，获得准确的演奏音准失点算子，从而提高大提琴的演奏音准检测分析精确度。

3.通过演奏音准分析模型对演奏音准失点算子、音准失点偏离算子进行音准精确度分析，获得准确的演奏音准分析结果，提高大提琴的演奏音准检测分析的可靠性。

实施例二

基于与前述实施例中一种用于大提琴的演奏音准检测方法，同样发明构思，本发明还提供了一种用于大提琴的演奏音准检测系统，请参阅附图3，所述系统包括：

演奏监测模块11，所述演奏监测模块11用于基于数据采集设备对目标人员使用目标大提琴的目标曲目演奏过程进行实时监测，获得演奏监测数据集合，其中，所述演奏监测数据集合包括声音监测数据、演奏控制监测数据和演奏环境监测数据；

噪音分离模块12，所述噪音分离模块12用于基于所述声音监测数据进行噪音分离，获得目标演奏声音信号；

音准检测模块13，所述音准检测模块13用于基于音准检测平台对所述目标演奏声音信号进行音准检测，获得演奏音准失点算子；

演奏音准分析模块14，所述演奏音准分析模块14用于基于所述演奏音准失点算子进行演奏音准分析，获得演奏音准分析结果；

异常检测模块15，所述异常检测模块15用于基于所述演奏控制监测数据和所述演奏环境监测数据进行异常检测，获得演奏控制异常系数和演奏环境异常系数；

加权融合模块16，所述加权融合模块16用于基于所述演奏控制异常系数和所述演奏环境异常系数进行加权融合，获得特征演奏异常系数；

修正模块17，所述修正模块17用于基于所述特征演奏异常系数对所述演奏音准分析结果进行修正，获得修正演奏音准分析结果。

进一步的，所述系统还包括：

声音监测频谱图获得模块，所述声音监测频谱图获得模块用于基于频谱分析平台对所述声音监测数据进行频谱分析，获得声音监测频谱图；

目标曲目频谱图获得模块，所述目标曲目频谱图获得模块用于基于所述目标曲目，获得目标曲目频谱图；

频谱偏离分析模块，所述频谱偏离分析模块用于基于所述声音监测频谱图和所述目标曲目频谱图进行频谱偏离分析，获得频谱偏离信号；

降噪参数匹配模块，所述降噪参数匹配模块用于基于所述频谱偏离信号进行降噪参数匹配，获得匹配降噪参数；

第一执行模块，所述第一执行模块用于基于所述匹配降噪参数，根据噪音分离平台对所述声音监测数据进行噪音分离，获得所述目标演奏声音信号。

进一步的，所述系统还包括：

第一声音频谱偏离信号获得模块，所述第一声音频谱偏离信号获得模块用于基于所述声音监测频谱图和所述目标曲目频谱图进行频谱偏离分析，获得多个第一声音频谱偏离信号；

频谱偏离判断模块，所述频谱偏离判断模块用于判断所述多个第一声音频谱偏离信号是否满足频谱偏离约束区间，获得多个频谱偏离判断结果；

第二执行模块，所述第二执行模块用于基于所述多个频谱偏离判断结果，根据所述多个第一声音频谱偏离信号，生成所述频谱偏离信号。

进一步的，所述系统还包括：

标准算子获得模块，所述标准算子获得模块用于获得标准演奏音准失点算子；

算子判断模块，所述算子判断模块用于判断所述演奏音准失点算子是否大于所述标准演奏音准失点算子；

第三执行模块，所述第三执行模块用于当所述演奏音准失点算子大于所述标准演奏音准失点算子时，基于所述演奏音准失点算子和所述标准演奏音准失点算子进行标准偏离计算，获得音准失点偏离算子，并将所述音准失点偏离算子添加至所述演奏音准失点算子。

进一步的，所述系统还包括：

第四执行模块，所述第四执行模块用于基于所述演奏控制监测数据，构建演奏控制异常检测模型；

第五执行模块，所述第五执行模块用于基于所述演奏环境监测数据，构建演奏环境异常检测模型；

第六执行模块，所述第六执行模块用于基于所述演奏控制异常检测模型和所述演奏环境异常检测模型，获得特征异常检测模型；

异常系数确定模块，所述异常系数确定模块用于基于所述特征异常检测模型对所述演奏控制监测数据和所述演奏环境监测数据进行异常检测，获得所述演奏控制异常系数和所述演奏环境异常系数。

进一步的，所述系统还包括：

演奏控制异常检测记录获得模块，所述演奏控制异常检测记录获得模块用于基于所述演奏控制监测数据，获得演奏控制异常检测记录；

数据划分模块，所述数据划分模块用于基于所述演奏控制异常检测记录进行预设比例的数据划分，获得训练数据序列和测试数据序列；

训练测试模块，所述训练测试模块用于基于BP神经网络，对所述训练数据序列和所述测试数据序列进行训练、测试，获得符合预设条件的所述演奏控制异常检测模型。

进一步的，所述系统还包括：

第七执行模块，所述第七执行模块用于基于所述演奏音准失点算子进行数据采集，获得多个样本演奏音准失点算子和多个样本演奏音准分析结果；

样本特征映射关系获得模块，所述样本特征映射关系获得模块用于基于所述多个样本演奏音准失点算子和所述多个样本演奏音准失点算子进行映射关系分析，获得样本特征映射关系；

索引特征确定模块，所述索引特征确定模块用于基于样本演奏音准失点算子，获得演奏音准分析索引特征；

响应特征确定模块，所述响应特征确定模块用于基于样本演奏音准分析结果，获得演奏音准分析响应特征；

索引特征参数确定模块，所述索引特征参数确定模块用于基于所述多个样本演奏音准失点算子，获得多个演奏音准分析索引特征参数；

响应特征参数确定模块，所述响应特征参数确定模块用于基于所述多个样本演奏音准分析结果，获得多个演奏音准分析响应特征参数；

第八执行模块，所述第八执行模块用于基于知识图谱，根据所述样本特征映射关系、所述演奏音准分析索引特征、所述演奏音准分析响应特征、所述多个演奏音准分析索引特征参数和所述多个演奏音准分析响应特征参数，获得演奏音准分析模型；

演奏音准分析结果生成模块，所述演奏音准分析结果生成模块用于将所述演奏音准失点算子输入所述演奏音准分析模型，生成所述演奏音准分析结果。

本发明实施例所提供的一种用于大提琴的演奏音准检测系统可执行本发明任意实施例所提供的一种用于大提琴的演奏音准检测方法，具备执行方法相应的功能模块和有益效果。

所包括的各个模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

本申请提供了一种用于大提琴的演奏音准检测方法，其中，所述方法应用于一种用于大提琴的演奏音准检测系统，所述方法包括：通过数据采集设备对目标人员使用目标大提琴的目标曲目演奏过程进行实时监测，获得声音监测数据、演奏控制监测数据和演奏环境监测数据；通过对声音监测数据进行噪音分离，获得目标演奏声音信号；通过音准检测平台对目标演奏声音信号进行音准检测，获得演奏音准失点算子；根据演奏音准失点算子进行演奏音准分析，获得演奏音准分析结果；通过对演奏控制监测数据和演奏环境监测数据进行异常检测，获得演奏控制异常系数和演奏环境异常系数；通过对演奏控制异常系数、演奏环境异常系数进行加权融合，获得特征演奏异常系数，并按照特征演奏异常系数对演奏音准分析结果进行修正，获得修正演奏音准分析结果。解决了现有技术中针对大提琴的演奏音准检测分析准确度低，继而造成大提琴的演奏音准检测分析效果不佳的技术问题。达到了通过对大提琴进行多维度演奏音准检测分析，提高大提琴的演奏音准检测分析准确度，提升大提琴的演奏音准检测分析质量的技术效果。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。