本文轉(zhuǎn)載至知乎ID：Charles（白露未晞）知乎個人專欄

下載W3Cschool手機App，0基礎隨時隨地學編程>>戳此了解

偶遇了一篇文章：

“Mapping Your Music Collection”

https://www.christianpeccei.com/musicmap/

感覺頗有緣分，似有命中注定之感，于是想著用一些簡單的音頻處理、機器學習和可視化技術，簡單地分析一下自己的音樂收藏。當然我對樂理知識一無所知，所以分析將不涉及任何與樂理知識相關的內(nèi)容，純屬“瞎玩”性質(zhì)的分析。T_T

那么就讓我們愉快地開始吧~~~

相關文件

百度網(wǎng)盤下載鏈接: https://pan.baidu.com/s/16lZb3JbHeC__k_oP8RMXUg

密碼: nxpt

相關工具

Python版本：3.6.4

相關模塊：

numpy模塊；

sklearn模塊；

matplotlib模塊；

以及一些Python自帶的模塊。

mpg123：

1.25.10

環(huán)境搭建

安裝Python并添加到環(huán)境變量，pip安裝需要的相關模塊；

將相關文件中提供的mpg123.zip文件解壓后添加到環(huán)境變量中，例如：

開始分拆

方便起見，所有的音樂文件均先轉(zhuǎn)為.wav格式后再做分析。

從最簡單的開始吧！讓我們先來看看不同歌手的聲音波形圖：

周杰倫：

感覺波形圖好混亂，似乎是數(shù)據(jù)量太大引起的，于是我打算換一個策略，只畫出每首歌曲前10秒的波形圖來作比較，畢竟良好的開端是成功的一半？

周杰倫：

許嵩：

陳奕迅：

Interesting...

好像還是挺有意思的，但并看不出什么端倪來的樣子，同一個歌手唱的歌的波形結(jié)構(gòu)之間的差異和不同歌手唱的歌的波形結(jié)構(gòu)之間的差異仿佛都挺大的。雖然并沒有規(guī)定說同一個歌手唱的歌的波形結(jié)構(gòu)之間的差異一定很小，不同歌手唱的歌的波形結(jié)構(gòu)之間的差異一定很大。

好吧，有些混亂，還是隨意點的好。那么我們來嘗試性地提取一下歌曲的特征吧。我們打算提取的歌曲特征有：

① 歌曲波形的統(tǒng)計矩，包括均值、標準差、偏態(tài)和峰態(tài)，同時，我們通過平滑窗(遞增平滑，長度分別為1,10,100,1000)來獲取這些特征在不同時間尺度上的表現(xiàn)；

② 為了體現(xiàn)信號的短時變化，我們可以計算一下波形一階差分幅度的統(tǒng)計矩，同樣也通過平滑窗來獲取這些特征(均值、標準差、偏態(tài)和峰態(tài))在不同時間尺度上的表現(xiàn)；

③ 最后，我們計算一下波形的頻域特征，這里我們只計算歌曲在不同頻段(將整個頻段均分為10份)的能量占比，不過直接對歌曲的波形數(shù)據(jù)作快速傅里葉變換的話其計算量過于龐大了，因此先讓波形數(shù)據(jù)通過長度為5的平滑窗再對其作快速傅里葉變換。

綜上所述，我們已經(jīng)獲得了歌曲的42個特征值。下面我們嘗試利用這些特征值對我這幾天下載的43首歌曲進行k均值聚類。首先，為了便于結(jié)果的可視化，我們利用PCA對數(shù)據(jù)進行降維(42維特征到2維特征)，為了方便起見，我們直接調(diào)庫(sklearn)實現(xiàn)，結(jié)果打印如下：

OK，接下來我們就可以對降維后的數(shù)據(jù)進行聚類了，這里我們將自己實現(xiàn)一下k均值聚類算法而不是簡單地調(diào)庫，最終的聚類結(jié)果如下圖所示(k=4)：

接下來我們嘗試先對歌曲的42個特征值進行歸一化處理，然后再進行上面的PCA和聚類操作，同時令k=3，最終的聚類結(jié)果如下圖所示：

Emmm，好像效果更差了。

不過我發(fā)現(xiàn)我喜歡了8年的歌“尾戒”竟然一枝獨秀了！還是很棒的，哈哈~~~

當然，這里有一個問題，歌曲的42個特征值是人工選取的，也許并不很好的表現(xiàn)出歌曲特征，且這些特征之間的相關系數(shù)是不為0的，也就是存在冗余特征。

https://www.christianpeccei.com/musicmap/一文利用了遺傳算法從42個特征值中篩選出了18個特征值作為歌曲最終的特征向量，其結(jié)果如下：

懶得復現(xiàn)了，直接用他的結(jié)論重新進行聚類，結(jié)果如下(k=3)：

Emmm，好像半斤八兩。

那就這樣吧，就當學點基礎的音頻處理、機器學習和可視化技術了。

所有源代碼和素材均在相關文件中提供了，End。