中国五声性调式和声自动配置的研究

论文摘要

算法作曲是人工智能领域中一个研究方向,从作曲家的角度去模拟为旋律乐曲配伴奏,作为一门交叉学科,具有深远的理论研究价值。本文正是从这一点出发,以中国民族风格化的五声性调式和声理论为依据,建立了中国民歌(旋律)配钢琴伴奏的HMM模型。这个模型从一定程度上模拟了作曲家对旋律配伴奏的思维活动过程。我们首先通过收集中国民族五声性调式中各种调式的和弦,建立了调式和弦字典库,同时将由作曲家石夫编集的80余首带有钢琴伴奏的中国西部民歌谱例作为训练数据集合,分别建立了旋律配和声以及旋律音型配置相应钢琴伴奏音型的隐马尔可夫模型。前者以一拍或一小节(可选择)的旋律片段中的骨干音序列为观察值,而旋律片段相对应的和弦标识为隐含状态。后者以确定的旋律片段中的音符时值序列为观察值,对应的钢琴伴奏之伴奏音型为隐含状态。在训练过程及为旋律配伴奏过程中,我们还考虑了曲式(乐曲的形式结构)分析策略。制定了一种分割乐曲(切分样本乐曲)成若干乐句、乐段的方法。并在此基础上,分别以拍子或小节作为和声功能的分析及配置的基本单位。即,对切分后的乐曲,我们从和弦字典库中为乐曲中的和弦配置基本单位选择某一和弦作为其特征和弦,然后我们利用建立的模型对样本乐曲进行学习、训练。最后,考虑到旋律乐曲的整体性,在训练后的结果基础上,我们使用Viterbi算法为任一输入的旋律配出以中国民族风格化的五声性调式和声为基础的钢琴伴奏谱。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 旋律配调式和声概述
• 1.2 算法作曲定义
• 第二章 相关研究概况
• 2.1 基于规则的知识库系统
• 2.2 遗传算法
• 2.3 序列预测
• 2.4 神经网络
• 2.5 其他方法
• 2.6 主要创新点
• 第三章 隐Markov 模型
• 3.1 隐Markov 模型简介
• 3.1.1 HMM 的基本概念
• 3.1.2 HMM 的定义
• 3.2 HMM 的三个基本问题
• 3.3 HMM 基本算法
• 3.3.1 前向—后向算法（概率估值）
• 3.3.2 Viterbi 算法
• 3.4 HMM 的各种结构
• 3.5 拓扑形式
• 第四章 改进的隐Markov 模型
• 4.1 音符的形式描述
• 4.2 和弦的表达
• 4.3 旋律Mi的k-MP 及特征和弦Hi及和弦特征
• 4.4 音型figure
• 4.5 旋律配和声及配置伴奏音型的隐马尔可夫模型
• 4.5.1 收束乐段
• 4.5.2 和声的隐马尔可夫模型
• 4.5.3 伴奏音型的隐马尔可夫模型
• 4.6 五声性调式旋律的钢琴伴奏自动配置模型
• 4.6.1 HMM 参量的训练
• 4.7 钢琴伴奏自动配置以及Viterbi 算法的应用
• 第五章 系统及实验结果
• 5.1 系统说明
• 5.1.1 音乐时值
• 5.1.2 音乐符号描述形式
• 5.1.3 样本乐曲及旋律乐曲组织形式
• 5.1.4 收束乐段
• 5.1.5 乐曲切分
• 5.1.6 划分后的小节程序组织形式
• 5.1.7 K 声调式音阶特征
• 5.1.8 音型织体Figure
• 5.1.9 计算和弦序列
• 5.2 训练过程
• 5.3 实验结果
• 第六章 总结
• 附录一 各种调式和弦字典库
• 附录二 算法配伴奏的实验结果
• 参考文献
• 附中文参考文献
• 硕士期间所参与的科研课题与发表论文
• 致谢