基于隱馬爾科夫模型的鋼琴音符識別算法研究.pdf

1、鋼琴音符識別是將音樂音頻文件自動轉(zhuǎn)換到數(shù)字音樂文件(MIDI)的過程,在鋼琴輔助教學、樂譜自動記錄等工作中具有重要作用。本課題主要研究鋼琴音符識別的問題,即根據(jù)鋼琴演奏所錄制的音頻文件,通過特定算法來確定某時段內(nèi)的聲音是由哪些單音符組合而成。根據(jù)實際應(yīng)用需求和音符識別算法自身的限制,本課題將鋼琴音符識別任務(wù)分為:實時穩(wěn)健的單音符識別、非實時的多音符識別。對于單音符的識別,本課題側(cè)重于實時性和穩(wěn)健性兩個方面。為此,本文提出采用局部能量的端

2、點檢測、多樣本字典、多樣本字典后處理等算法來提高單音符識別的實時性和穩(wěn)健性;對于多音符的識別,由于無法通過單音符所采用的時域法,本課題轉(zhuǎn)而采用模式識別法,即以多音符為基本建模單位,建立基于隱馬爾可夫過程的多音符模型,進而重新編譯HTK中相關(guān)模塊來搭建多音符識別系統(tǒng)。
　　本課題的主要內(nèi)容包括以下幾個方面:
　　1)提取多音符音頻文件的特征。在分析常用音頻文件參數(shù)化原理的基礎(chǔ)上,結(jié)合多音符音頻的特性,對HTK中已有特征提取模塊

3、進行優(yōu)化;
　　2)判斷確定音頻中音符端點的位置。在分析常用端點檢測的基礎(chǔ)上,根據(jù)單音符、多音符不同的任務(wù)需求,分別為單音符識別系統(tǒng)和多音符識別系統(tǒng)設(shè)計或該寫端點檢測算法;
　　3)研究基于HMM模型的語音識別原理,找出語音識別與多音符識別之間的共性與差異,建立多音符HMM聲學模型和多音符間模型;
　　4)根據(jù)MIDI文件以及對應(yīng)的鋼琴音頻文件,構(gòu)建訓(xùn)練、測試波形數(shù)據(jù)以及相應(yīng)的標注文件。在此基礎(chǔ)上,利用重新改寫編譯后的

4、HTK相關(guān)工具對各個多音符隱馬爾可夫模型進行初始化和訓(xùn)練,進而構(gòu)建出完整的多音符識別系統(tǒng)。最后根據(jù)實驗結(jié)果與對應(yīng)標注文件之間的比對,對多音符系統(tǒng)進行性能評價。
　　本文成功地實現(xiàn)了單音符的實時穩(wěn)健識別、多音符的HMM建模以及多音符HMM模型識別。對于單音符的識別,與線性模型法相比,正確率提高了3％,達到了98%,且平均識別幀數(shù)達到4幀,即穩(wěn)健性方面提高近2倍;對于多音符的識別,與時頻域、統(tǒng)計法等相比,本文所采用得基于HMM的音符識