基于稀疏分解的音符識別研究.pdf

1、音樂是人們?nèi)粘Ｉ畹闹匾M成部分,可謂是人類精神生活的潤滑劑,從古至今音樂的熏陶與鼓舞從未間斷。分析音樂信號對研究音樂有積極的促進作用,而音樂信號音符識別在自動音樂標注、音樂分離、音樂檢索等研究領(lǐng)域扮演重要角色。
　　 目前主要使用信號時域分析、頻譜分析等技術(shù)估計音樂信號的基頻,從而得到混合音的音符組成,但由于音樂信號存在高次諧波頻率偏移,基頻消失,低音基頻間隔太小,頻譜重疊等基頻提取過程中的難點,導(dǎo)致現(xiàn)有時域、頻域信號處理方法

2、檢測多基頻混合音樂信號基頻時都存在或多或少的不足之處。
　　 盡管如此,現(xiàn)有的音樂信號多基頻提取算法從不同的角度出發(fā),為解決音樂多基頻估計的難點提供了諸多的思路,如采用人耳濾波器解決頻率偏移問題,用周期或較高的頻率分辨率識別低音區(qū)音符組成的音樂信號。
　　 在這些優(yōu)秀的成果基礎(chǔ)上,本文主要做了如下工作:
　　 1、稀疏分解作為一種新興算法,在信號處理領(lǐng)域中有著諸多的優(yōu)良特性。文中將信號稀疏分解算法引入到音樂信號多

3、基頻估計領(lǐng)域,圍繞音樂基頻定義和音樂信號的數(shù)學模型,利用音符基頻分布的頻域稀疏性,采用匹配追蹤(Match Pursuit,MP)法提取音符的頻譜分布特征。
　　 2、引入人耳的聽覺響應(yīng)模型,模擬人耳的頻率響應(yīng)特性,采用多分辨率分析技術(shù)建立起模擬聽覺特征的原子庫。將信號分解到模擬聽覺特征的原子庫上,用MP分解系數(shù)反應(yīng)音樂信號的聽覺特征,得到與音符一一對應(yīng)的簡化表述,從而提取出音符的聽覺頻域分布特征。
　　 3、應(yīng)用琴弦振

4、動發(fā)聲類樂器的音樂人工合成技術(shù),推導(dǎo)得到鋼琴音符的基頻及其各次諧波的能量呈指數(shù)規(guī)律衰減。按此規(guī)律,用MP算法提取到的音符聽覺特征,重建各音符的音色即頻譜分布。根據(jù)音色,使用目前學術(shù)界廣泛認同的音樂信號正弦模型重建出音符時域信號,建立起音符原子庫。
　　 4、提取混合信號的聽覺響應(yīng)特征,再由此特征對信號進行簡化的重表述,采用基追蹤(Base Pursuit,BP)算法將混合信號分解到音符原子庫上,取分解系數(shù)實現(xiàn)混合音樂信號的多基頻