歌曲風(fēng)格與歌手音質(zhì)自動分析研究.pdf

1、隨著計算機技術(shù)與通信技術(shù)的飛速發(fā)展，網(wǎng)絡(luò)上的多媒體數(shù)據(jù)成幾何級數(shù)增長，歌曲是眾多數(shù)據(jù)的一種，為了快速有效的組織這些數(shù)據(jù)，就需要有高效的方法對歌曲風(fēng)格與歌手音質(zhì)進行自動的分類。
　　本文主要針對歌曲風(fēng)格與歌手音質(zhì)的分類方法進行了研究，主要有以下幾個方面的工作。
　　首先對歌曲風(fēng)格與歌手音質(zhì)研究中特征的提取方法進行了研究。提出了使用適合于對歌曲處理的CQT（Constant Q Transform）特征和節(jié)奏方面的節(jié)拍直方圖特征

2、對歌曲風(fēng)格進行分類，并對二者的特征提取方法進行了深入的研究。還研究了MFCC（Mel-Frequency Cepstrum Coefficients）及其一階二階差分、LPCC（Linear Prediction Cepstral Coefficients）及其一階二階差分、短時能量以及共振峰等廣泛使用的特征。
　　其次提出歌曲風(fēng)格向量的表示方法以及用雷達圖提供可視化分析。根據(jù)高斯混合模型的似然比建立歌曲風(fēng)格向量，進而繪出雷達圖，

3、對類別之間的混識程度和雙重風(fēng)格歌曲的研究提供可視化分析。
　　最后建立歌曲風(fēng)格與歌手音質(zhì)識別系統(tǒng)，對歌曲風(fēng)格與歌手音質(zhì)進行了深入的研究。歌曲風(fēng)格方面，既研究了單一風(fēng)格歌曲，又研究了雙重風(fēng)格歌曲，通過比較短時音質(zhì)特征的識別率大小，找出適合于歌曲風(fēng)格分類的短時特征，進而與長時特征進行融合，通過長短時特征的融合，取得了不錯的識別率。還討論了高斯混合數(shù)的變化對識別率的影響，CQT作用于歌曲風(fēng)格分類的效果。歌手音質(zhì)方面，研究了MFCC及其一