基于旋律的音頻特征提取與旋律表示方法研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的不斷發(fā)展,越來(lái)越多的人們希望通過(guò)網(wǎng)絡(luò)尋找到他們感興趣的東西,如音樂(lè)、圖片等。人們的這種需求對(duì)多媒體檢索提出了新的要求。音樂(lè)檢索是繼圖像檢索之后在基于內(nèi)容的檢索領(lǐng)域中發(fā)展起來(lái)的研究新熱點(diǎn)。作為基于內(nèi)容的音樂(lè)檢索的一個(gè)分支,哼唱檢索為用戶提供了一種全新的檢索方式,使得用戶可以通過(guò)哼唱音樂(lè)片段的方式,在大規(guī)模的音樂(lè)數(shù)據(jù)庫(kù)中快速的尋找到目標(biāo)歌曲。
　　 目前對(duì)哼唱檢索系統(tǒng)的研究大部分都是針對(duì)MIDI格式的檢索,對(duì)WAV等波

2、形文件格式的處理研究的較少。本文以基于語(yǔ)義的多媒體資源庫(kù)中的音頻檢索為背景,針對(duì)波形文件進(jìn)行研究,研究的三個(gè)主要問(wèn)題是哼唱聲音的特征提取和表示,聲音和旋律的檢索匹配以及哼唱檢索測(cè)試系統(tǒng)的搭建。本文緊緊圍繞著這三個(gè)問(wèn)題,開展了以下研究工作:
　　 1.在對(duì)哼唱檢索理論進(jìn)行較深入的研究基礎(chǔ)上,結(jié)合多種音樂(lè)的樂(lè)理特點(diǎn)和音樂(lè)的數(shù)字化表示,給出了哼唱檢索引擎核心模塊的具體研究方案。
　　 2.研究數(shù)字信號(hào)處理和語(yǔ)音識(shí)別技術(shù)在旋律特

3、征提取中的應(yīng)用。對(duì)時(shí)域分析法和頻域分析法作了細(xì)致的分析和研究。在哼唱片段處理過(guò)程中,給出了信號(hào)預(yù)處理、基音提取、提取后處理等相關(guān)步驟的具體實(shí)現(xiàn)方法。提出了將端點(diǎn)檢測(cè)應(yīng)用到基音提取算法中以區(qū)分哼唱聲中混雜的無(wú)聲段和噪聲段,使得音符切分的結(jié)果更為準(zhǔn)確。
　　 3.通過(guò)對(duì)音樂(lè)信號(hào)基本理論的研究,使用音高差和音長(zhǎng)差的方法來(lái)表示音樂(lè)旋律,盡可能多的保留了音樂(lè)的旋律信息,極大的提高了旋律匹配模塊的準(zhǔn)確度。同時(shí),采用線性對(duì)齊匹配算法計(jì)算哼唱旋

4、律與數(shù)據(jù)庫(kù)中樂(lè)曲的相關(guān)度,通過(guò)對(duì)音符單位的線性擴(kuò)展和對(duì)齊匹配,有效提高了系統(tǒng)檢索的準(zhǔn)確性。
　　 4.最后,設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于內(nèi)容的音樂(lè)哼唱檢索測(cè)試系統(tǒng),通過(guò)多項(xiàng)測(cè)試,對(duì)系統(tǒng)的檢索效果進(jìn)行了評(píng)價(jià)和分析,并總結(jié)了對(duì)檢索結(jié)果產(chǎn)生影響的各種因素。測(cè)試數(shù)據(jù)表明,本文研究的旋律特征提取與旋律表示方法確實(shí)能夠提高系統(tǒng)檢索的準(zhǔn)確度,平均能將檢索成功率提高5個(gè)百分點(diǎn)左右。
　　 本文圍繞旋律的特征提取和表示、旋律的檢索匹配以及哼唱檢索