哼唱轉(zhuǎn)MIDI自動記譜系統(tǒng)研究.pdf

1、音樂旋律的簡譜或五線譜表示是人們常見的音樂旋律的標(biāo)準(zhǔn)符號化表達(dá)。而MIDI音樂文件則是音樂旋律的另一種符號化表達(dá)形式。哼唱轉(zhuǎn)MIDI自動記譜(Automatic Music Transcription)是一種讓計(jì)算機(jī)抽取人聲哼唱音頻信號中所描述的旋律信息（音符音高序列及其時(shí)長序列）并將其自動轉(zhuǎn)化為符號化的MIDI樂譜的技術(shù)。這項(xiàng)技術(shù)的主要難點(diǎn)在于如何讓計(jì)算機(jī)在一個(gè)哼唱得不是太準(zhǔn)確的人聲哼唱音頻信號中尋找哼唱者所期望的正確旋律表達(dá)，并將其

2、轉(zhuǎn)化成MIDI樂譜格式?，F(xiàn)有不少哼唱轉(zhuǎn)MIDI自動記譜系統(tǒng)(如WIDI Recognition Syste等）由于無法對出現(xiàn)在結(jié)果中的大量不正確的短時(shí)音符進(jìn)行合并、規(guī)整以及泛音過濾等方面的處理，以致其結(jié)果無法轉(zhuǎn)化為利于管理、分析和應(yīng)用的符號化、標(biāo)準(zhǔn)化的MIDI樂譜。
　　 本文提出一種基于倍音列的音高計(jì)算模型。在此基礎(chǔ)上，針對Krumhans1[1.2]調(diào)式識別模型的缺陷，提出一種基于哼唱的調(diào)式音階參數(shù)訓(xùn)練方法，訓(xùn)練得到的參數(shù)模

3、型能夠使調(diào)式識別的第一命中率達(dá)到90％（參見附錄調(diào)式識別實(shí)驗(yàn)結(jié)果），最后根據(jù)人聽覺的差異特性，即相對聽覺誤差，提出了一種浮動音高的規(guī)整方法，用于調(diào)整旋律音高識別過程中出現(xiàn)的半音到全音的識別誤差，從而最終有效的實(shí)現(xiàn)旋律音符75%左右的正確識別（其余的誤識音符可以通過人機(jī)交互來調(diào)整）。
　　 在哼唱轉(zhuǎn)MIDI自動記譜技術(shù)應(yīng)用方面，探索性地提出了一種哼唱識別檢索系統(tǒng)數(shù)據(jù)庫的構(gòu)建方法，該方法具有較強(qiáng)的實(shí)用性。
　　 結(jié)合以上的理