基于神经网络的声乐演奏评价系统研究及其在钢琴教学中的应用

论文摘要

随着近年来钢琴教学的兴起,大量的人员加入到了学习钢弹奏的队伍。但昂贵的钢琴教学费用以及它特有的教师和学生一对一的教学模式造成了钢琴教育资源非常的紧缺,学习钢琴演奏成为了一项奢侈的活动。于是采用电脑多媒体软件进行钢琴教学就成为了缓解该矛盾的一种可行的方式。本文讨论了钢琴教学软件实现方法,对电脑钢琴教学中的难点（即电脑教学是单向的知识传授而缺少交互的环节）提出了采用神经网络模型对钢琴演奏进行评价的方法,并用来模拟教师指导学生进行弹奏练习。对于一首音乐的演奏,影响其效果的因素是多种多样的,对其评价的指标也有很多种,如节奏感、表现力、乐感、风格的把握等。采用电脑来模拟这个评价过程,实质上就是要找出影响音乐演奏效果的因素和评价指标之间的数理关系。神经网络是人工智能里通过模拟人类大脑思维方式提出来的一种数学模型,它具有对数据分布要求不严格、非线性的数据处理方法、强鲁棒性和动态性等优点,非常适合作为评价系统的数学模型。另外神经网络也有很强的理论基础,其在各行业中的应用也发展得基本成熟,本文尝试着把神经网络数学模型引入到钢琴演奏的评价系统中来。本论文所完成的主要工作:1、论文首先说明了神经网络的原理,然后根据音乐理论找出了影响演奏效果的因素,包括音符、节奏、节拍、旋律、调性等。然后对每一种因素进行量化,并作为神经网络的输入参数。2、根据音乐演奏的评价指标设计神经网络模型,在钢琴教师和学生的帮助下获得了钢琴演奏样本数据,完成了神经网络的训练。3、介绍了现阶段钢琴教学软件的基本情况,设计了一个钢琴教学软件的框架。然后实现了《欢乐颂》钢琴弹奏练习的功能,并采用神经网络评价模块对教师和学生的弹奏进行了评价,检验模型的性能。钢琴学习的初期功能完备的MIDI键盘和真实的钢琴相比对于演奏者的发挥并无很大的影响,因而弹奏系统采用了MIDI键盘作为获取演奏特征的工具。弹奏软件采用了VC++编写实现,运行于Win32平台上面。在六盘水“音韵琴行”邀请了一位钢琴教师和两位学生进行了弹奏试验。在比对了他们的不同的弹奏结果后得出,系统设计的各项指标均达到了要求。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 问题的提出
• 1.2 研究背景
• 1.3 研究路线及所采用的技术
• 1.4 本文的内容和组织结构
• 第二章 神经网络原理
• 2.1 人工神经网络原理
• 2.1.1 生物神经元
• 2.1.2 人工神经元
• 2.1.3 人工神经网络的学习
• 2.2 BP神经网络模型
• 2.2.1 BP神经元
• 2.2.2 BP网络
• 2.2.3 BP算法的改进
• 2.3 神经网络的应用
• 第三章 演奏音乐的特征提取
• 3.1 表征音乐的理论基础
• 3.1.1 组成音乐的最小单位
• 3.2 MIDI乐器数字化接口
• 3.2.1 基于MIDI标准的音乐演奏
• 3.2.2 MIDI信号分析
• 3.3 音特征的提取
• 3.4 节奏、节拍特征
• 3.4.1 节奏特征的提取
• 3.4.2 节拍特征的提取
• 3.5 和弦特征提取
• 3.6 旋律特征
• 第四章 构建演奏系统评价模型
• 4.1 输入参数的确定
• 4.1.1 音高特征的参数确定
• 4.1.2 节奏特征的参数确定
• 4.1.3 节拍特征参数的确定
• 4.1.4 和弦特征的参数确定
• 4.1.5 旋律特征的参数确定
• 4.2 BP神经网络参数的确定
• 4.2.1 网络结构的确定
• 4.2.2 误差的选取
• 4.3 神经网络模型的训练
• 第五章 钢琴教学应用系统实现
• 5.1 需求分析及功能设计
• 5.1.1 乐理知识教学的功能设计
• 5.1.2 弹奏练习的功能设计
• 5.1.3 功能分析框图
• 5.2 框架设计
• 5.2.1 UI界面模块
• 5.2.2 多媒体教学模块
• 5.2.3 MIDI信号处理模块
• 5.2.4 音乐评价模块及总体运行流程
• 5.3 演奏功能的实现
• 5.3.1 弹奏界面的实现
• 5.3.2 MIDI信号处理模块的实现
• 5.4 评价功能的实现
• 5.5 系统性能分析
• 第六章 总结与展望
• 6.1 论文总结
• 6.2 进一步的工作
• 致谢
• 参考文献
• 附录一