本章首先闡述了實現音樂自動分類的意義和必要性，然后介紹了已有的實現音樂自動分類的方法，接著結合西洋樂器音樂信號的分類，在深度神經網絡迅速發展的時代背景下，創新性地提出將稀疏特征和深度神經網絡模型相結合的方法，實現西洋樂器音樂信號的自動分類。進入20世紀以來，互聯網行業相較于其他傳統行業，猶如兩后春筍般迅速發展，隨著網絡越來越發達，傳統的唱片業已逐漸沒落，取而代之的是以數字形式存儲的音樂。

　　然而網絡世界上的音樂資源千姿百態，想要簡單快速地定位到自己要的音樂并不是那么容易，面對這種問題，音樂信息檢索（Music Information Retrieval，MIR）相關課題的研究已經成為人們研究的熱點之一，為了人們方便檢索，互聯網上的音樂需要有一個統一的標準進行分類。但是，這個分類目前還處于人工操作的階段，其不適用于針對海量的數字音樂量，因為人工手動分類會耗費很大的時間精力，無法及時地對每天新興的數字音樂進行人工分類，并且人工分類受主觀影響大，不能客觀地對音樂分類提供標準。因此我們需要將研究重點轉向基于內容的音樂自動分類技術。在如今的大數據背景下，基于內容的音樂自動分類技術研究價值非同一般，因為它不像之前的人工操作存在主觀性，而是采用了客觀的統一的標準對音樂自動分類。基于內容的音樂自動分類技術可以實現在大量的音樂庫中快速地搜索到自己所需要的音樂。

　　事實上，基于內容的音樂自動分類系統是有很多種分類的，但是人們研究最多的主要還是對音樂流派自動分類、對不同樂器演奏的音樂自動分類、對音樂所傳達的情感自動分類和對演唱歌手自動分類與識別。對音樂流派自動分類系統主要原理是訓練基于流派的分類器，此系統可以用來識別不同的流派，比如藍調，爵士之類。對不同樂器演奏的音樂自動分類系統可以用來區分樂器的不同。對音樂所傳達的情感自動分類系統主要是依據音樂的傳達的情感，在此基礎上進行訓練，這樣人們可以按照自己的心情而搜索到表達相應情感的歌曲。歌手自動分類系統可以根據歌手噪音特點，歌曲曲風，演唱技巧等特征進行分類，這樣可以自動識別陌生歌曲的演唱者。

　　由上述介紹可知，基于內容的音樂自動分類技術研究價值非同一般，尤其是能夠整合目前網上存在的大量音樂，形成統一有效的索引。而且實現音樂信號自動分類不僅能促進音樂領域的發展，也能促進其他交叉學科，如數學領域，信號處理領域等關聯學科的研究。

?