基于节拍检测的和弦识别研究

论文摘要

计算机的出现推动了现代电子音乐技术的发展。基于计算机、电子技术的音乐识别、分类、特征提取等一系列问题,被越来越多的研究人员关注。音乐信号的识别是新兴的交叉学科,其研究涉及物理学、信号处理、音乐理论和音乐心理学等诸多学科知识。本文研究的音乐识别正是将计算机多媒体技术、信号处理与模式识别的相关知识和技术同音乐理论相结合,用计算机模拟人对音乐认知和分析的过程。音乐节拍是音乐的基本特征之一,为实现音乐按节拍进行检测,本文首先采用了一种基于CQT的节拍检测方法。该方法首先将输入信号进行预处理,根据其CQT频谱特性,结合音乐知识,采用自相关的方法进行节拍长度估计,再根据得到的音乐节拍长度,对音乐信号按节拍进行检测。经过对不同歌曲信号节拍进行检测实验表明,该方法取得了不错的效果。根据乐理知识我们知道和弦的改变往往发生在节拍处,而这种方法可以有效避免特征提取过程中跨过一些不明显的和弦。其次论文研究了在和弦识别领域中较常使用的音级轮廓(Pitch Class Profile简称PCP)特征,并介绍了具体的算法。但本文采用更精确的QPCP(constQ Pitch Class Profile)作为和弦的特征。并且基于HMM构建了音乐和弦识别系统,定义了36个状态,每个状态代表一类和弦;通过一个12维的多元高斯函数拟合观察向量的概率分布,该模型分别由高斯函数的均值向量和和协方差向量来定义。论文借助Chris Harte制作的标签文件训练得到有监督的HMM。识别过程通过Viterbi算法,对输入信号依照极大似然法来寻找最佳路径,即最佳的和弦序列。实验对五首不同歌曲的和弦进行了识别,平均识别率达到75.56%。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.1.1 计算机乐音分析的研究背景
• 1.1.2 计算机乐音分析的意义
• 1.2 研究现状综述
• 1.3 论文的主要研究内容
• 1.4 论文的组织结构
• 第二章 基本乐理及音乐表达
• 2.1 音乐特征总论
• 2.2 音高、音律和十二音平均律
• 2.3 时值与节奏
• 2.4 调式与调性
• 2.5 和弦与旋律
• 第三章 音乐信号分析常用方法
• 3.1 音乐特征描述
• 3.2 音频文件格式
• 3.3 音乐信号时域分析
• 3.3.1 短时平均过零率
• 3.3.2 短时平均能量和短时平均幅度
• 3.3.3 短时平均幅度差函数
• 3.3.4 小结
• 3.4 音乐信号频域分析
• 3.4.1 并行处理基音检测器
• 3.4.2 谐波峰值法
• 3.4.3 小波变换
• 3.4.4 线性预测分析
• 3.4.5 小结
• 第四章 基于CQT 的音乐节拍检测方法
• 4.1 节拍检测综述
• 4.2 节拍检测的主要方法
• 4.3 基于CQT 的节拍检测
• 4.3.1 预处理
• 4.3.2 ConstQ 变换
• 4.3.3 拍子长度估计
• 4.3.4 节拍检测
• 第五章 隐马尔可夫模型在和弦识别中的应用
• 5.1 引言
• 5.2 隐马尔可夫模型基本概念
• 5.2.1 马尔可夫（Markov）过程和马尔可夫链
• 5.2.2 隐马尔可夫模型
• 5.2.3 HMM 定义
• 5.3 隐马尔可夫基本算法
• 5.4 隐马尔可夫模型的选择
• 5.5 隐马尔可夫模型用于音乐和弦识别
• 5.5.1 音级轮廓特征
• 5.5.2 PCP 特征计算方法
• 5.5.4 QPCP 特征计算方法
• 5.5.3 和弦识别系统的组成
• 5.5.4 实验过程、结果及分析
• 第五章 结论与展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录