音频节奏的分析与应用

论文摘要

音乐随着互联网广泛而深入的应用,与我们日常生活的联系愈发紧密。音乐的节奏是音乐的骨架,是描述音乐结构的基础,对音乐的表达,基于内容的音乐检索等方面具有重要的意义。本文面向音乐的节奏分析和音符重音起始点的检测方法进行了研究,以及探索了将这种音乐中的检测方法应用于语音中的可行性,主要包含以下几方面的工作。提出了一种使用MFCC(Mel Frequency Cepstrum Coefficients),LPCC(Linear Prediction Cepstral Coefficients)等特征的音符重音起始点检测方法。不同于传统的单纯基于能量和相位的方法,通过这种方法可以更好的适应音乐的频谱特性。还研究了Chroma等音乐分析中常用的特征在音符重音起始点检测中的应用。其次,提出使用MFCC等音频特征的节拍类型分类,以及使用自相关方法的节拍时长计算,在这两种方法的基础上,对音乐重音起始点检测做出了改进,然后提出了一种基于ANN(人工神经网络)的动态节拍划分方法,实现对音频进行按节奏的划分。最后建立了音乐的节奏划分系统,比较了使用不同的音频特征对音乐中重音起始点位置检测和节奏划分效果的影响,证明了本文所提出的音乐节奏划分方法具有良好的适应性和准确率。而且将这种方法对语音音频进行了分析,结果表明系统对于语音信号的节奏也具有一定的分析能力。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题背景和意义
• 1.2 音乐节奏分析当前研究现状
• 1.2.1 音乐节奏定义
• 1.2.2 音乐节奏分析方法研究现状
• 1.2.3 当前存在的问题
• 1.3 本文研究内容及全文结构
• 第2章 音符重音起始点检测技术
• 2.1 音乐信号预处理
• 2.1.1 采样与量化
• 2.1.2 预加重处理
• 2.1.3 分帧与加窗
• 2.1.4 全相位处理
• 2.2 音乐重音起始点检测
• 2.2.1 重音起始点检测方法
• 2.2.2 MFCC 特征及其提取方法
• 2.2.3 差分全相位MFCC 及其提取方法
• 2.2.4 LPCC 特征及其提取方法
• 2.2.5 Chroma 特征及其提取方法
• 2.3 重音起始点检测结果及准确性分析
• 2.3.1 实验数据
• 2.3.2 评价标准
• 2.3.3 实验结果及分析
• 2.4 本章小结
• 第3章 基于ANN 的动态节奏分析方法
• 3.1 基于ANN 的节拍类型分类
• 3.1.1 人工神经网络ANN 简介
• 3.1.2 网络隐层节点数设定
• 3.1.3 输入音频时间长度设定
• 3.2 音乐节拍周期计算
• 3.3 重音起始点检测改进方法
• 3.4 基于PSOLA 算法的节拍合成
• 3.5 本章小结
• 第4章 音乐节拍分析系统实现及准确性分析
• 4.1 音乐节奏分析系统构建
• 4.2 实验数据
• 4.3 实验结果分析
• 4.3.1 使用不同特征的节拍类型分类实验结果
• 4.3.2 改进的起始点检测方法实验结果分析
• 4.3.3 音乐及律诗节拍分析实验结果
• 4.4 本章小结
• 结论
• 参考文献
• 致谢