HMM模型在哼唱检索中的应用

论文摘要

计算机检索音频片段,可使用基于标题或文件名的文本标注方式,但由于文件名和文本描述的不完整性和主观性,很难找到满足具体要求的音频片段。哼唱音乐检索作为一种最自然的音乐检索方式,目前已被国内外专家普遍关注。HMM作为一种统计模型,由于有坚实的理论基础,已经被引入哼唱音乐检索领域。但大部分的研究成果都是以音符为基础建立模型,以音符为处理单位来进行训练和识别,通过音符切分来获取旋律中每个音符的音长等,这样会导致哼唱方式不自然。针对以上问题,本文对哼唱检索理论和HMM模型进行了深入研究,在已有研究成果基础上,分析了HMM模型在哼唱检索中的可行性和理论优势,并对其在音乐检索中的模型和相关算法进行了改进,设计出音乐检索原型系统。通过对旋律信号作短时分帧,提取旋律特征向量,考察这些特征向量序列在统计上的规律,在检索前对每首旋律分别训练建模,然后计算待测旋律在这些模型上的概率,挑选概率最大的作为检索结果,实现了有效的音乐检索。具体工作如下:1.对基于内容的音乐检索结构分析,给出音频信息特征的表示方法和MIDI音乐旋律的常用表示方法。2.分析了HMM模型的基本原理,简述了该模型的三个核心问题和解决三个问题的基本算法,提出HMM模型在哼唱检索特征提取及识别中的可行性及理论优势。3.分析了HTK工具包进行训练和识别某类物体的过程,以HMM作为分类器,对哼唱的音乐内容进行分类,实现了基于LFPC的HMM分类算法研究。4.讨论了MID音乐特征的提取与选择,以连续隐马尔可夫模型(CHMM)为基础建立旋律模型,以帧为单位进行训练和识别,并通过实验验证了HMM模型进行哼唱检索的有效性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究目的及意义
• 1.2 国内外研究现状
• 1.3 本论文主要研究的问题和论文结构
• 第2章 音频信号的特征提取与表达
• 2.1 音频信号的特征提取与表达
• 2.1.1 音频信号的数字化
• 2.1.2 音频信号的时域分析
• 2.1.3 音频信号的频域分析
• 2.2 音乐的旋律及表达
• 2.2.1 音符及其特征
• 2.2.2 旋律轮廓的表达
• 2.3 本章小结
• 第3章 隐马尔可夫模型基本理论及算法
• 3.1 隐马尔可夫模型定义
• 3.2 隐马尔可夫模型原理
• 3.2.1 隐马尔可夫过程参数集合
• 3.2.2 隐马尔可夫过程经典问题
• 3.3 隐马尔可夫模型经典问题的基本解法
• 3.3.1 评估问题
• 3.3.2 解码问题
• 3.3.3 参数辩识问题
• 3.4 HMM的类型
• 3.5 HMM在实际应用中的改进
• 3.6 HMM在哼唱检索中的可行性
• 3.7 本章小结
• 第4章 基于LFPC的HMM的哼唱分类算法研究
• 4.1 音频处理工具HTK简介
• 4.2 基于LFPC的HMM的哼唱分类算法研究
• 4.3 本章小结
• 第5章 HMM模型在哼唱检索系统中的应用
• 5.1 乐曲库建立
• 5.2 HMM模型中特征值的选取
• 5.3 HMM模型的创建
• 5.4 HMM参数的初始化
• 5.5 HMM的训练
• 5.6 旋律的识别
• 5.7 实验结果
• 5.8 本章小结
• 第6章 音乐哼唱检索设计及实现
• 6.1 系统总体实现步骤
• 6.2 系统结构
• 6.3 系统实现
• 6.4 系统性能分析
• 6.5 本章小结
• 第7章 总结与展望
• 参考文献
• 附录
• 致谢