音樂(lè)和弦識(shí)別的研究_4305.pdf

1、天津大學(xué)博士學(xué)位論文音樂(lè)和弦識(shí)別的研究音樂(lè)和弦識(shí)別的研究ResearchsonMusicChdRecognitions一級(jí)學(xué)科：信息與通信工程學(xué)科專業(yè)：信號(hào)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(zhǎng)，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(lè)的存儲(chǔ)和發(fā)布越來(lái)越普遍。為了應(yīng)對(duì)用戶隨時(shí)隨地檢索的需求，基于內(nèi)容的音樂(lè)檢索應(yīng)運(yùn)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(lè)屬性的信息，對(duì)于分析音樂(lè)結(jié)構(gòu)和旋律方面具有非常重要的作用。因此，本文針對(duì)音樂(lè)和弦識(shí)別進(jìn)行了深入的研究，提出了魯棒性音樂(lè)和弦識(shí)別特征和兩種和弦估計(jì)方法。本文綜合應(yīng)用部分樂(lè)理、信號(hào)處理、模式識(shí)別等相關(guān)知識(shí)，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(shí)別方法。其主要研究?jī)?nèi)容是以信號(hào)處理為基礎(chǔ)，從特征提取和和弦估計(jì)兩方面研究和弦識(shí)別。主要完成的工作包括以下幾個(gè)方面：(1)提出了魯棒性對(duì)數(shù)音級(jí)輪廓特征。和弦識(shí)別的一個(gè)

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(shí)別率；同時(shí)為了盡可能降低歌聲的影響，在計(jì)算PCP前，對(duì)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(duì)和弦識(shí)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(lè)和弦識(shí)別方法。在稀疏表示分類中，建立和弦樣本數(shù)據(jù)庫(kù)，對(duì)輸入的音頻片段進(jìn)行和弦估計(jì)。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(diǎn)，提出序列化稀疏表示模型。在對(duì)MIREX’09的數(shù)據(jù)庫(kù)中的大小和弦識(shí)別時(shí)，本論文提出的方法在使用本文的特征進(jìn)行識(shí)別時(shí)，識(shí)別率均高于目前的識(shí)別方法。(3)提出了序列化支持向量機(jī)的音樂(lè)和弦識(shí)別方法。為了克服稀疏表示分類時(shí)間較長(zhǎng)的缺點(diǎn)，引入支持向量機(jī)用于和弦識(shí)別。該模型只需要提前訓(xùn)練好參數(shù)，用于和弦估計(jì)時(shí)間較短。同時(shí)結(jié)合音樂(lè)和弦在時(shí)域上的變化特點(diǎn)，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(shí)別；對(duì)數(shù)音級(jí)輪廓特征；魯