自动音乐识谱系统中的音符检测与流派分类

论文摘要

本文主要关注的内容是如何实现音乐的自动识谱。识谱是指音乐倾听者在听音乐的过程中,识别该音乐的乐谱信息并记录下来的过程;所谓的自动识谱指的是计算机扮演音乐倾听者的角色,完成上述分析和记录乐谱的任务。在自动识谱的过程中最重要乐谱信息是音符和所使用的乐器种类。本文的工作主要集中于自动识谱过程的音符识别和乐器种类的分析:●音符最重要的属性就是音高。本文在比较研究五种经典的音高提取算法后,提出基于生理声学的音高检测算法。本文通过比较分析五种经典的音高检测算法,包括HPS（Harmonic Product Spectrum）、Cepstrum、CBHPS（Cepstrum BiasedHPS）、最大似然（Maximum Likelihood）和自相关（Autocorrelation）算法,认识到为了进一步完善音高提取的准确度,同时为了能够满足大规模音乐分析系统的效率需求,需要具有较强抗噪声能力的算法,因此本文将效率较高的自相关算法应用到仿造人耳听觉特性构造的临界频带,提出了基于生理声学的音高检测算法。该算法能够在既保证音高提取的较高时间效率,同时又进一步提高了音高提取的准确率。●在提取出音高之后,为了提高音符识别的准确度,本文提出了音高和音值相结合的互纠算法。在目前的音乐分析领域中,尚没有非常好的专门针对音符音值的检测算法,而广泛采用的起始点（onset）检测算法又不能理解音符的物理含义,故无法准确定位音符的起始和终止点（offset）,因此本文提出了将音高提取和音值检测结果相互对照和纠正的算法,故称为互纠算法,其结果能在一定程度上提高音符识别的准确度。●采用自下而上（bottom-up）和自上而下（up-bottom）相结合的思想,以音乐的流派（Music genre）信息来辅助识别音乐中所使用的乐器种类,本文仔细比较分析现有的音乐帧、音乐段特征后,选用八个具有最强分类能力的特征来构造贝叶斯网络分类器,其分类效果较之流行的神经网络分类器在准确率上取得了较大的提高。同时本文试验使用的音乐库包含了480首歌曲;其歌曲分别属于6个流派,即Jazz、Rap、Blues、Rock and Roll、Country Music、Cha Cha,具有一定的通用性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究的背景
• 1.1.1 研究意义
• 1.1.2 研究现状
• 1.2 本文的主要工作内容和方法
• 1.3 本文的组织
• 第二章 音乐基本知识
• 2.1 基本乐理知识
• 2.2 分析音乐感知属性的原因
• 2.3 人耳感受机制
• 2.4 人类主观听觉感知属性
• 2.4.1 音高
• 2.4.2 响度
• 2.4.3 音色
• 2.5 本章小结
• 第三章 自动识谱系统结构的设计
• 3.1 总结已有系统
• 3.2 系统的组织
• 3.3 模块功能
• 3.4 本章小结
• 第四章 音高检测算法的比较与设计
• 4.1 音高检测算法的比较研究
• 4.1.1 HPS
• 4.1.2 Cepstrum
• 4.1.3 CBHPS
• 4.1.4 Maximum Likelihood
• 4.1.5 Autocorrelation
• 4.1.6 音高提取算法总结
• 4.2 基于心理声学的音高检测算法的设计
• 4.2.1 算法描述
• 4.2.2 试验
• 4.2.3 优缺点分析
• 4.3 本章小结
• 第五章 提取音符的互纠算法
• 5.1 音值检测
• 5.1.1 基于时域的音值检测
• 5.1.2 基于频谱的音值检测
• 5.2 互纠算法
• 5.2.1 算法描述
• 5.2.2 试验
• 5.3 本章小结
• 第六章 基于有监督的流派分类算法的设计
• 6.1 音乐特征提取
• 6.1.1 音乐帧特征
• 6.1.2 音乐段特征
• 6.2 基于神经网络的分类
• 6.2.1 神经网络介绍
• 6.2.2 BP神经网络分类
• 6.2.3 试验
• 6.3 基于朴素贝叶斯网络的分类
• 6.3.1 贝叶斯网络简介
• 6.3.2 试验
• 6.4 本章小结
• 第七章 总结和展望
• 致谢
• 参考文献
• 攻硕期间取得的研究成果