基于哼唱的MP3音乐检索研究

论文摘要

随着数字科技的发展，MP3凭借极高的压缩比与极小的失真，成为目前最受欢迎的数字音乐压缩格式，广泛在网络上流行。从大量的MP3音乐资料中检索出自己想要的歌曲，目前只能通过查询歌曲名或歌手名等信息进行检索。如果仅仅是知道一个曲调，就无法搜索到自己想要的歌曲。本文针对这种现况，主要对MP3音乐的哼唱检索进行了研究，使用户只要通过麦克风哼唱一首乐曲的旋律片段，就可以得到所要检索的MP3音乐。目前对哼唱检索系统的研究大部分都是对MIDI格式的检索，对MP3格式的处理研究的较少，另外对哼唱的要求多数是要求用特殊的哼唱方式，对于连续哼唱和带歌词哼唱研究较少。即使采用了连续哼唱的方式，也是提取出旋律轨迹信息后，使用用字符表示法表示，用字符匹配法进行匹配。在对哼唱信号的基频提取上，多数研究使用传统的方法对哼唱输入信号进行基频提取，在提取的过程中会出现种种的问题，对旋律轨迹的准确性造成一定程度的影响。由于连续哼唱方式下旋律轨迹数据量大，所以需要设计一个快速的旋律匹配算法进行旋律匹配计算。针对上面的问题，本文进行了如下的工作：在哼唱输入信号的特征提取模块中，对传统的基频提取算法进行了研究，发现了传统的基频提取算法中存在着各种各样的问题，针对要处理的带歌词哼唱和不带歌词哼唱两种哼唱输入信号，提出了一种小波变换结合自相关函数法对哼唱输入信号进行分析，提取基频轨迹的方法；在MP3旋律特征库的建立上，考虑到一首歌曲中最令人难忘的部分是人声演唱部分，所以首先对MP3音乐进行了预处理，将音乐中的人声信息提取出来，然后将人声部分的MP3音乐进行解码，在解码过程中提取基频；提出了一种精确音程表示法来表示旋律轮廓，使用音程表示法表示MP3旋律轮廓，并根据旋律轮廓建立MP3的旋律特征数据库；在旋律匹配检索模块中，提出了一种数值索引的方式，对旋律特征库中的音程信息建立索引，优化了动态时间规整(Dynamic Time Warping，DTW)算法；设计了一个基于哼唱的MP3音乐检索系统，针对各个模块进行实验模拟分析，证明了提出方法的有效性。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究目的及意义
• 1.2 国内外研究现状
• 1.3 基本乐理知识
• 1.4 哼唱检索需要解决的问题
• 1.5 本文研究的主要内容
• 2 哼唱信号基频轨迹提取技术
• 2.1 引言
• 2.2 传统的基频提取方法
• 2.2.1 自相关函数法
• 2.2.2 平均幅度差函数法
• 2.2.3 倒谱法
• 2.2.4 小波变换法
• 2.2.5 基音检测的后处理
• 2.3 小波分析用于基频提取
• 2.3.1 小波分析基本理论
• 2.3.2 传统基频提取方法存在的问题
• 2.3.3 小波变换与自相关结合基频提取法
• 2.4 本章小结
• 3 MP3音乐信息的分析与特征表示
• 3.1 MPEG概述
• 3.2 MP3的音乐格式分析
• 3.2.1 MP3的编码技术
• 3.2.2 MP3的帧格式
• 3.2.3 MP3音乐的解码算法
• 3.3 MP3音乐的基频提取与特征表示
• 3.3.1 MP3音乐的预处理
• 3.3.2 MP3音乐的基频提取
• 3.4 本章小结
• 4 基于数值索引的DTW检索算法研究
• 4.1 基于DTW的音乐检索算法
• 4.1.1 DTW算法介绍
• 4.1.2 基于DTW的音乐检索算法的缺陷
• 4.2 改进的音乐旋律表示法
• 4.3 基于数值索引的DTW音乐检索算法
• 4.3.1 数值索引方法
• 4.3.2 基于数值索引的DTW检索算法
• 4.4 本章小结
• 5 系统设计及实验分析
• 5.1 系统结构设计
• 5.2 哼唱特征提取模块
• 5.2.1 本文基频提取方法与传统自相关方法比较
• 5.2.2 哼唱输入信号特征提取
• 5.3 MP3音乐旋律的特征表示
• 5.4 DTW匹配算法实验
• 5.5 本章小结
• 6 结论与展望
• 6.1 本文结论
• 6.2 研究展望
• 参考文献
• 附录A 频率、临界频带率和绝对阈值表
• 在读期间发表的学术论文
• 论文刊用通知
• 作者简历
• 致谢