论文部分内容阅读
论文建立了特征参量结合分类器的识别流程。在特征参量方面，论文采用相空间重构的方法获取和弦信号的非线性特征用于分类器的构造和相关的识别实验。由于不同和弦信号对应不同的最优相空间重构参数，而在识别未知和弦以及分类器构造过程中，需要固定延迟时间和嵌入维的数值，因此，会造成特征信息丢失的问题，影响识别准确率。为了弥补上述不足，论文在信号预处理环节中引入了EM D自适应信号分解的方法，相关实验表明，该方法可以较为准确地识别出具体的和弦种类。