基于哼唱的音樂檢索技術(shù)研究與實現(xiàn).pdf

1、隨著多媒體技術(shù)和網(wǎng)絡(luò)的迅速發(fā)展，數(shù)字化的視頻、音頻信息已取代模擬視頻、音頻信息遍及INTERNET，如何從海量的數(shù)字信息中檢索出我們需要的內(nèi)容，是當(dāng)前研究的熱點問題之一。傳統(tǒng)的音樂信息檢索方法是基于曲名、作者、演奏者等等這樣的屬性。但這種方式并不是最理想的檢索方式。這些信息本質(zhì)上講不是音樂內(nèi)容本身，而是音樂的附屬特征。一般情況下人們通過音樂的旋律特征來記憶音樂[1]，所以很自然的想到利用哼唱歌曲旋律的方式來進行音樂的查找?；趦?nèi)容的音樂

2、檢索技術(shù)是近年來的研究熱點之一，它試圖通過提取音頻流中音高、音長等特征來表達和識別音樂的內(nèi)容，并按照相似度量的方法檢索音樂。其中最主要的兩個問題是音樂特征提取和旋律的檢索匹配。 本文以音樂檢索為背景，主要對哼唱容易發(fā)生的錯誤，音高的提取和檢索算法進行了研究，在此基礎(chǔ)上設(shè)計了一種音高提取方法，并從降低哼唱錯誤和特征提取不精確對檢索的影響出發(fā)，提出了一種峰值對齊匹配算法。主要工作如下： (1)研究與檢索相關(guān)的音樂知識。對聲音

3、的四要素，樂曲的定調(diào)規(guī)則，半音與聲音頻率的對應(yīng)關(guān)系等進行了深入的研究，在此基礎(chǔ)上總結(jié)了哼唱的音調(diào)與標(biāo)準音調(diào)之間的差異。這些工作確定了提取何種特征，特征的量化，以及如何降低哼唱錯誤對檢索的影響。 (2)研究數(shù)字信號處理在特征提取中的應(yīng)用。對時域分析和頻域分析作了細致的分析和研究。由于歌曲聲中混雜著人聲、各種樂器聲、掌聲以及環(huán)境噪聲等問題，因此設(shè)計了一種復(fù)雜聲音環(huán)境下的主旋律音高提取算法。在音長提取方面，本文設(shè)計了一種不限定哼唱方式

4、的音符分割方法，該方法也適用于從一般歌曲中提取的音高特征序列。因為兩種算法的設(shè)計，使得本文所設(shè)計的原型系統(tǒng)中音樂庫可以使用wav等格式的音樂，而非多數(shù)人使用的midi格式。 (3)提出了峰值對齊匹配法。此算法與(U,D,R)算法[2]，N-gram算法[3]等字符串模糊匹配算法[4]以及基于HMM的檢索算法等統(tǒng)計模型的算法[5-7]相比較屬于輪廓比較算法[8]。該算法可以較容易的降低哼唱中多種錯誤對檢索過程的影響。算法速度優(yōu)于以