音樂(lè)要素自動(dòng)分析關(guān)鍵技術(shù)研究.pdf

1、音樂(lè)，這種人類(lèi)最古老、最普及的藝術(shù)形式，是人們的文化與精神生活中不可或缺的一部分。隨著現(xiàn)今互聯(lián)網(wǎng)時(shí)代的到來(lái)，音樂(lè)已經(jīng)成為一種以海量、無(wú)序、分散為特點(diǎn)的全新的網(wǎng)絡(luò)音樂(lè)形式，這也使研究對(duì)海量的網(wǎng)絡(luò)音樂(lè)(數(shù)據(jù)庫(kù))資源進(jìn)行搜索與瀏覽的音樂(lè)信息檢索技術(shù)成為了熱點(diǎn)課題。與此同時(shí)，在音樂(lè)教學(xué)與創(chuàng)作領(lǐng)域，呼喚音樂(lè)理論的計(jì)算化、智能化應(yīng)用來(lái)輔助原始的教學(xué)與創(chuàng)作方式的需求也日益增加，從而使基于樂(lè)理的音樂(lè)智能計(jì)算技術(shù)的研究具有急迫性。而上述兩種技術(shù)的一個(gè)共同

2、關(guān)鍵的核心研究問(wèn)題是：如何智能地分析并獲取音頻音樂(lè)內(nèi)容的各種要素(構(gòu)成音樂(lè)結(jié)構(gòu)的基本音樂(lè)要素與構(gòu)成音樂(lè)表現(xiàn)形式的形式音樂(lè)要素)。
　　于是，針對(duì)目前音樂(lè)音頻處理的研究狀況與實(shí)用需求，本文認(rèn)為，音樂(lè)要素分析技術(shù)是本領(lǐng)域的研究關(guān)鍵，并在此基礎(chǔ)上提出了一個(gè)全新的音樂(lè)處理體系框架——音樂(lè)計(jì)算體系，其核心目標(biāo)是研究智能地、自動(dòng)地識(shí)別音樂(lè)的各種要素信息，并將這些信息應(yīng)用于構(gòu)建音樂(lè)內(nèi)容的分析、檢索與轉(zhuǎn)譯的智能方法。為了達(dá)成上述核心研究目標(biāo)，本文

3、主張將音樂(lè)理論與計(jì)算方法的緊密結(jié)合，提倡綜合運(yùn)用音樂(lè)理論、認(rèn)知心理學(xué)、音樂(lè)認(rèn)知學(xué)、神經(jīng)科學(xué)、人工智能、信號(hào)處理等理論來(lái)解決音樂(lè)信號(hào)的分析識(shí)別問(wèn)題。
　　本文的關(guān)鍵研究?jī)?nèi)容具體包括如下幾個(gè)方面：
　　1)提出了音樂(lè)計(jì)算體系框架，并從理論、方法、任務(wù)、應(yīng)用這四個(gè)層次對(duì)其進(jìn)行了詳細(xì)的闡述。在理論層，本文提出了一種音樂(lè)內(nèi)涵的分析方法，將音樂(lè)內(nèi)涵劃分為聲響屬性、理性認(rèn)知屬性、非理性認(rèn)知屬性三個(gè)維度，并從這一結(jié)構(gòu)出發(fā)解釋音樂(lè)計(jì)算體系的理

4、論基礎(chǔ)；在方法層，本文進(jìn)一步將研究方法所涉及到的音樂(lè)要素劃分為三層次，并聯(lián)合音樂(lè)內(nèi)涵分析法，將音樂(lè)計(jì)算所涉及到的研究方法歸為八類(lèi)，同時(shí)指出了本文重點(diǎn)研究的方法；而在任務(wù)層，本文延續(xù)使用音樂(lè)要素的分類(lèi)方法，將研究任務(wù)進(jìn)行分類(lèi)，并重點(diǎn)闡述了各個(gè)研究任務(wù)之間的聯(lián)系；最后，在應(yīng)用層，本文明確提出了音樂(lè)計(jì)算體系框架期望的兩大應(yīng)用方向，并闡述了在這兩方向上所涉及的關(guān)鍵技術(shù)。
　　2)針對(duì)音樂(lè)信號(hào)所需的獨(dú)特的信號(hào)處理技術(shù)，本文深入研究常數(shù)Q變換

5、等具有音樂(lè)特性表達(dá)能力的技術(shù)，提出了一種音高校正技術(shù)，利用統(tǒng)計(jì)方法對(duì)音樂(lè)頻譜特征進(jìn)行判斷來(lái)修正由物理?xiàng)l件造成的演奏音高偏移現(xiàn)象。同時(shí)，本文提出了一種具有獨(dú)特的時(shí)間延遲、集成及幀間集成機(jī)制、可以有效處理時(shí)序模式識(shí)別問(wèn)題的時(shí)間集成人工神經(jīng)網(wǎng)絡(luò)，來(lái)處理音樂(lè)要素識(shí)別中所提取的樂(lè)音特征序列；并針對(duì)時(shí)間集成網(wǎng)的特點(diǎn)設(shè)計(jì)了熵誤差函數(shù)訓(xùn)練算法，增強(qiáng)了網(wǎng)絡(luò)訓(xùn)練的效率、收斂及泛化能力。
　　3)在音樂(lè)調(diào)性核心要素的分析方法研究上，本文基于人類(lèi)對(duì)音樂(lè)認(rèn)

6、知的分布式認(rèn)知理論假設(shè)模型，提出了適合調(diào)性音樂(lè)要素特性描述的音級(jí)分布矩陣特征。這里，音級(jí)分布矩陣不僅從音級(jí)的角度描述了各個(gè)音級(jí)頻譜分布特征，還描述了每一八度內(nèi)部各頻帶(半音)的頻譜特性，是一種兼具認(rèn)知分布式思想與結(jié)構(gòu)式觀點(diǎn)的認(rèn)知音樂(lè)特征。綜合運(yùn)用音樂(lè)信號(hào)處理技術(shù)，本文將此特征運(yùn)用于真實(shí)音樂(lè)的調(diào)式及和弦要素識(shí)別上。
　　4)利用新穎的長(zhǎng)短時(shí)音頻特征融合的方法，本文對(duì)音樂(lè)風(fēng)格分類(lèi)問(wèn)題進(jìn)行了研究：提出MFCC等描述音質(zhì)的經(jīng)典特征及節(jié)拍直

7、方圖作為音樂(lè)長(zhǎng)時(shí)韻律的特征構(gòu)成混合特征，并配合高斯混合模型，對(duì)音樂(lè)風(fēng)格進(jìn)行分類(lèi)；同時(shí)，我們提出歌曲風(fēng)格向量的表示方法，并用雷達(dá)圖提供可視化分析——雷達(dá)圖對(duì)類(lèi)別之間的混識(shí)程度和雙重風(fēng)格歌曲的分類(lèi)提供了有效的幫助。此外，本文還利用支持向量機(jī)作為分類(lèi)器，基于音樂(lè)結(jié)構(gòu)信息的背景知識(shí)，對(duì)音樂(lè)中人聲與純音樂(lè)的分類(lèi)問(wèn)題進(jìn)行了研究。
　　5)根據(jù)腦神經(jīng)科學(xué)及認(rèn)知心理學(xué)關(guān)于人類(lèi)對(duì)音樂(lè)感知的研究成果，本文提出了一套基于選擇性注意認(rèn)知理論的音樂(lè)聲響顯著

8、部分度量方法，提出了聲學(xué)聽(tīng)覺(jué)顯著度特征——它是通過(guò)建立統(tǒng)計(jì)模型描述樂(lè)音子帶結(jié)構(gòu)差異及時(shí)序差異的三維特征向量，而本文將其應(yīng)用于旋律部分的識(shí)別技術(shù)中；而對(duì)于旋律分析的結(jié)果表示，本文提出了更加接近人類(lèi)的實(shí)際聽(tīng)感與感知目標(biāo)的旋律流。同時(shí)，本文利用音樂(lè)理論、經(jīng)典認(rèn)知學(xué)樂(lè)理模型，進(jìn)一步將顯著度特征進(jìn)行擴(kuò)充：從音樂(lè)的上下文相關(guān)性及和聲結(jié)構(gòu)特性出發(fā)，提出了樂(lè)理聽(tīng)覺(jué)顯著度特征，與之前的聲學(xué)聽(tīng)覺(jué)顯著度特征形成補(bǔ)充，并印證了本文提出的音樂(lè)內(nèi)涵分析理論。最后，