本文根据上述的研究，采用基于Mel倒谱系数特征的隐马尔可夫模型对音

乐进行分类。在音乐特征提取方面，以感知特征和Mel倒谱系数组成特征向量

在音乐分类方面，以隐马尔可夫模型作为分类器，对音乐进行聚类和分类。通过

有监督的学习方式进行聚类，分类时将测试样本归入似然值最大的类别，对同一

音频抽取若干样本，对样本识别结果采用投票法，判定该音频的音乐类别，使分

类的准确率得到进一步的提高。根据上述方法进行了仿真实验，并对实验结果进

行了分析。本文将音频数据分为5类，对4种分类器的分类性能进行了比较，并

对有干扰的模型进行了分类实验。实验结果表明HMM模型的分类性能还是有一

定优势的，并有较强的抗干扰性。音频分类技术是音频检索以及其他音频处理的

重要辅助手段。通过基于内容的音乐分类之后，为进一步的音乐检索和相关的分

析处理提供了便利。因此，在基于内容的音乐检索研究中，对音乐的分类研究是

一项非常重要而有意义的工作。

-speech paper，help you study