用来区分不同（音乐？）音调的方法

我正在尝试研究并弄清楚如何最好地解决这个问题。它横跨音乐处理，图像处理和信号处理，因此有无数种查看方法。我想询问最佳方法，因为在纯sig-proc域中看似复杂的事情可能对进行图像或音乐处理的人来说是简单的（并且已经解决了）。无论如何，问题如下：

如果您原谅我的手绘图，我们可以看到以下内容：

从上图中，我有3个不同的信号“类型”。第一个是一个脉冲，其频率从$ f_1 $逐渐增加到$ f_4 $，然后重复。它具有特定的脉冲持续时间和特定的脉冲重复时间。

第二个仅存在于$ f_1 $，但脉冲长度较短，脉冲重复频率较快。

最后，第三个只是$ f_1 $的基调。

问题是，我以何种方式解决此问题，以便可以编写分类器可以区分信号1，信号2和信号3。就是说，如果您向它提供信号之一，它应该能够告诉您该信号是这样的。最好的分类器是什么给我一个对角混淆矩阵？

一些额外的上下文以及到目前为止我一直在想的是：

正如我所说的，它跨越了许多领域。我想询问在坐下来与之作战之前可能已经存在的方法论。我不想无意中重新发明轮子。以下是我从不同角度看过的一些想法。

信号处理观点：我看过的一件事是进行倒频谱分析，然后可能使用倒频谱的Gabor带宽来区分信号3与其他信号2，然后测量倒频谱的最高峰来区分信号-信号2中为1。那是我当前的信号处理工作解决方案。

图像处理的观点：我在想，因为我实际上可以针对频谱图创建图像，也许我可以利用该领域的某些东西？我对这部分不是很熟悉，但是如何使用霍夫变换进行“线”检测，然后以某种方式“计数”线（如果它们不是线和斑点呢？）然后从那里开始呢？当然，在我拍摄频谱图的任何时间点，您看到的所有脉冲都可能沿时间轴移动，那么这有关系吗？不确定...

音乐处理的观点：可以肯定的是信号处理的一个子集，但是在我看来，signal-1具有一定的，也许是重复的（音乐？）质量音乐过程始终可见，并且已经在辨别器中解决了吗？不确定，但是这种想法确实发生在我身上。也许，这种立场是看待它的最好方法，它占用了大部分时域并调高了这些步进率？再说一次，这不是我的领域，但是我非常怀疑这是以前见过的东西...我们可以将所有三种信号视为不同类型的乐器吗？

我还应该补充一点我拥有大量的训练数据，所以也许使用其中一些方法可能会让我进行一些特征提取，然后可以与K-Nearest Neighbor一起使用，但这仅是一个想法。

无论如何，这就是我现在的立场，我们将不胜感激。

谢谢！

基于注释的编辑：


是的，$ f_1 $，$ f_2 $，$ f_3 $，$ f_4 $都是已知的。 （有些差异，但很少。例如，假设我们知道$ f_1 $ = 400 Khz，但它可能以401.32 Khz出现。但是到$ f_2 $的距离很高，因此$ f_2 $可能在500 Khz比较。）Signal-1将始终踩到这4个已知频率。 Signal-2将始终具有1个频率。
所有三类信号的脉冲重复频率和脉冲长度也都事先已知。 （再有一些变化，但很少）。尽管有些警告，但信号1和2的脉冲重复频率和脉冲长度始终是已知的，但它们是一个范围。幸运的是，这些范围根本不重叠。
输入是连续的实时时间序列，但是我们可以假设信号1、2和3是互斥的，因为其中只有一个存在于任何时间点。对于在任何时间点要花费多少时间块，我们也具有很大的灵活性。
数据可能是嘈杂的，在我们已知的$ f_1 $，$ f_2 $，$ f_3 $，$ f_4 $以外的频段中可能会有虚假的声音等。这是完全有可能的。我们可以假设中等信噪比只是为了“开始”解决问题。