古往今来,音乐一直是人们生活中不可或缺的一部分,随着科技水平的进步,数字音乐变得愈加普遍,更多的人选择从互联网检索并收听音乐,而音乐是情感的载体,许多人以情感作为检索音乐的依据。因此,音乐情感分类问题的研究变得极其重要,针对该问题的研究对于音乐信息检索领域的发展有着极大的推动作用。本文基于音频信号处理技术,将音乐情感与音乐基本要素建立联系,并计算相关音频特征;运用机器学习领域中的分类模型,初步设计了一个双层音乐情感分类系统。本文的主要工作内容有:1、对音乐信号进行时频域分析,将影响音乐情感的主要因素映射为音频特征。设计并实现了在常数Q变换下色度向量的提取,提高了色度向量提取的准确性;提出了一种基于互相关运算的调式特征的计算方式;设计并实现了针对嘈杂音乐的每分钟节拍数特征的计算;选取梅尔倒谱系数等特征对乐曲的音色进行分析。2、从时间维度对短时音频特征进行压缩降维,以便和长时音频特征融合,使用长短时融合特征进行音乐情感分类训练,并比较不同分类模型的性能,测试结果表明随机森林和神经网络有相对较好的分类性能。3、为改进分类效果,提出了双层音乐情感分类模型:第一层模型使用短时特征训练得到,用于粗分类乐曲,使用“情感奇点纠错算法”提升分类准确率;第二层模型使用长时特征训练得到,用于细分类乐曲,同时对于较难区分情感的乐曲提供另一个参考情感类别。并与(2、)中最佳单层分类模型进行了性能对比,整体分类准确率提高了 3.6%,且双层分类模型在各类别都保持着一个相对较高的召回率和精确率,验证了该双层多音乐情感分类模型行之有效。