基于内容的音乐检索研究

论文摘要

在基于哼唱的音乐检索系统中,用户只需对着麦克风哼唱一首乐曲的旋律片段,就可以得到所要检索的乐曲。在模式识别领域中,音乐检索算法由于其易行和高效的特性而得到越来越多的重视,其中哼唱声音的端点检测、特征提取,音乐旋律匹配以及对环境噪声的处理是音乐检索中的难点。本文主要围绕基于内容的音乐检索开展如下研究工作:(1)特征提取:分析音频信号的时域特征和频域特征,并把不同的特征组合应用到不同类型的音频检索。(2)端点检测:在传统端点检测方法的基础上,提出了基于贝叶斯决策的端点检测算法,还实现了基于能量跟踪的端点检测算法以及中心削波后基于过零率的端点检测算法。通过实验对三种算法进行对比分析,验证了基于贝叶斯决策的端点检测算法的有效性,实现了较好的音符分割效果。(3)基音提取:在传统端点检测方法的基础上,采用自相关函数实现了对浊音段基音周期的提取。(4)旋律匹配算法:依据音乐数据的格式分类,分别论述分析了旋律的特征匹配算法,并借助DTW算法实现了旋律的特征匹配。通过端点检测对音乐信号做音符分割,提高了音符特征提取的准确性。在端点检测的基础上,改进了DTW算法,明显提高了识别效果。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究意义
• 1.2 研究现状
• 1.3 基于内容的音乐检索
• 1.4 本文的主要工作
• 2 旋律特征的提取
• 2.1 旋律的表达
• 2.2 声音信号的处理和分析
• 2.2.1 预处理
• 2.2.2 音乐信号的相关特征
• 2.3 端点检测
• 2.4 基音提取
• 2.4.1 基音提取算法
• 2.4.2 基音检测的后处理
• 2.5 本章小结
• 3 旋律特征匹配算法的研究
• 3.1 音频符号序列音乐的检索
• 3.1.1 基于串的单声部旋律检索算法
• 3.1.2 复调旋律的检索算法
• 3.2 波形音乐数据的检索
• 3.3 当前存在的一些问题和困难
• 3.4 本章小结
• 4 旋律特征提取的实现
• 4.1 贝叶斯决策
• 4.2 贝叶斯决策用于端点检测后的基音提取
• 4.3 能量跟踪方法用于端点检测后的基音提取
• 4.4 过零率用于端点检测后的基音提取
• 4.5 对比分析检测结果
• 4.6 本章小结
• 5 基于DTW算法的特征匹配
• 5.1 DTW基本原理
• 5.2 DTW搜索算法
• 5.3 动态时间规整算法的改进
• 5.4 动态时间规整算法的实现
• 5.5 本章小结
• 结论
• 致谢
• 参考文献