在本文中，我们提出了一种基于概率混合模型分解的方法，该方法可以同时识别乐器类型，估计音高并将每个音高分配给包含多个音源的单声道复音音频。 在提出的系统中，将观察到的混合音符的概率密度函数（PDF）视为所有可能音符模型的加权和近似值。 这些音符模型涵盖了14种乐器及其所有可能的音高，并根据概率描述了它们的动态频率包络线。 表示特定类型乐器音高存在概率的权重系数是使用最大期望（EM）算法估算的。 权重系数用于检测源乐器的类型和音高。 涉及在指定的音高范围F3-F6（37个音高）内的14台乐器的实验结果显示出良好的辨别能力，尤其是在乐器识别和乐器音高识别方面。 对于包括音符起音检测工具的整个系统，使用四重和弦录音，乐器音高识别，乐器识别和音高估计的平均F测量值分别为55.4、62.5和86％。

matlab不同乐器识别代码abraDAQ National Instruments MATLAB 数据采集和实验模态分析库。 注意：这个库在很大程度上处于实验状态，即它被用来收集用于研究的实验数据，很多代码只是在尝试不同的算法，这些算法都已经被推送到存储库中。 代码保留了上次实验的原样，但清理了一些文件。 测量功能： 监控传感器活动 数据记录 冲击试验 周期性输入 阶梯窦 多正弦 附加功能： 报告生成（进行中） 可以生成 HTML 格式的报告，其中包括所有测量信息，如果测试对象、测试团队和单个传感器的图像可用，也包括在内。 此功能包括测量详细信息，但输出没有样式，有时不包括图像。 稍后可以在保存的数据文件上运行报告生成，因为数据对象中的 UserData 结构与所有信息一起保存。 所需的 MATLAB 工具箱： 数据采集​​工具箱 系统识别工具箱 图像采集工具箱（为什么？） 信号处理工具箱 MATLAB 报告生成器（如果使用） 所需的 MATLAB 版本： 2015a 主要在这个版本中开发。 在 2014b AutoSyncDSA 不起作用。 在 2014a 中，由于缺少核心 MAT

这是基于matlab程序的一个研究，课题是“乐器识别”，其中应用了数字语音处理的技术，包括MFCC及LPC等等。