音樂和弦識別的研究_4305.pdf

1、天津大學(xué)博士學(xué)位論文音樂和弦識別的研究音樂和弦識別的研究ResearchsonMusicChdRecognitions一級學(xué)科：信息與通信工程學(xué)科專業(yè)：信號與信息處理研究生：饒中洋指導(dǎo)教師：滕建輔教授天津大學(xué)電子信息工程學(xué)院二零一六年五月中文摘要中文摘要隨著互聯(lián)網(wǎng)帶寬的增長，以及多媒體信息壓縮技術(shù)的不斷發(fā)展，互聯(lián)網(wǎng)上數(shù)字音樂的存儲和發(fā)布越來越普遍。為了應(yīng)對用戶隨時隨地檢索的需求，基于內(nèi)容的音樂檢索應(yīng)運而生。MIR中的中層特征就包括和弦，

2、它包含了大量能夠表現(xiàn)音樂屬性的信息，對于分析音樂結(jié)構(gòu)和旋律方面具有非常重要的作用。因此，本文針對音樂和弦識別進(jìn)行了深入的研究，提出了魯棒性音樂和弦識別特征和兩種和弦估計方法。本文綜合應(yīng)用部分樂理、信號處理、模式識別等相關(guān)知識，提出了序列化稀疏表示分類和序列化支持向量機(jī)的和弦識別方法。其主要研究內(nèi)容是以信號處理為基礎(chǔ)，從特征提取和和弦估計兩方面研究和弦識別。主要完成的工作包括以下幾個方面：(1)提出了魯棒性對數(shù)音級輪廓特征。和弦識別的一個

3、關(guān)鍵是特征，在基于節(jié)拍的基礎(chǔ)上提出了LPCP，使得LPCP能夠更好地表達(dá)音頻內(nèi)容，提高和弦識別率；同時為了盡可能降低歌聲的影響，在計算PCP前，對音頻文件進(jìn)行歌聲伴奏分離，使得伴奏能夠更好地包含和弦特征，這樣音頻文件對和弦識別具有更好的魯棒性；(2)本文提出了基于序列化稀疏表示分類器的音樂和弦識別方法。在稀疏表示分類中，建立和弦樣本數(shù)據(jù)庫，對輸入的音頻片段進(jìn)行和弦估計。在此基礎(chǔ)上，結(jié)合隱形馬爾科夫鏈模型，克服需要大量訓(xùn)練得到模型參數(shù)的缺

4、點，提出序列化稀疏表示模型。在對MIREX’09的數(shù)據(jù)庫中的大小和弦識別時，本論文提出的方法在使用本文的特征進(jìn)行識別時，識別率均高于目前的識別方法。(3)提出了序列化支持向量機(jī)的音樂和弦識別方法。為了克服稀疏表示分類時間較長的缺點，引入支持向量機(jī)用于和弦識別。該模型只需要提前訓(xùn)練好參數(shù)，用于和弦估計時間較短。同時結(jié)合音樂和弦在時域上的變化特點，進(jìn)一步改進(jìn)支持向量機(jī)，提出序列化支持向量機(jī)模型。關(guān)鍵詞：關(guān)鍵詞：和弦識別；對數(shù)音級輪廓特征；魯