基于內(nèi)容的多音音樂檢索系統(tǒng)設計.pdf

1、如何從日益增長的多媒體資源中快速準確地定位已成為多媒體檢索領域的研究熱點,其相關技術的研究必將推動人機交互技術的發(fā)展,但目前基于內(nèi)容的音頻檢索相對于基于內(nèi)容的圖像或視頻檢索來說發(fā)展滯后。哼唱檢索是基于內(nèi)容的音頻檢索的一個重要分支,是一種最自然、最方便的音樂檢索方式,用戶只需哼唱出一段旋律,就能在音樂數(shù)據(jù)庫中檢索出想要的歌曲。當前音樂檢索支持的音樂格式主要是MIDI格式,而對MP3、WAV等格式的多音音樂檢索的研究成果很不理想。
　

2、　 本文在分析研究多音音樂檢索的關鍵技術和難點問題的基礎上,完成了哼唱輸入的端點檢測和目標音樂的音樂分割,改進并完善了基于基頻矩陣的基音提取算法,歸納了用于音樂檢索的DTW算法,實現(xiàn)了多音音樂的特征提取和特征匹配,最后設計實現(xiàn)了本文的多音音樂檢索Music-Retrieval系統(tǒng)。
　　 本文主要研究的內(nèi)容如下:
　　 (1)在分析音樂檢索的原理和音樂樂理知識的基礎上,選取了廣泛用于音樂檢索的旋律(音高、基音)特征來表

3、征音樂;設計了基于內(nèi)容的多音音樂檢索的總體框架,分析了多音音樂檢索的難點及本文研究實現(xiàn)的重點。
　　 (2)討論了音樂信號的預處理,選用了基于頻譜能量的端點檢測算法實現(xiàn)了哼唱輸入的端點檢測,完成了對目標音樂的多音音樂分割,減少了后期特征提取和特征匹配的工作量。
　　 (3)仿真分析了基本的基于時域、頻域的基音提取算法從含有復雜背景伴奏的目標多音音樂中提取基音特征的缺陷,在探討現(xiàn)有的基于基頻矩陣的基音提取算法的基礎上,改進

4、并完善了該算法,實現(xiàn)了在不能構造基頻矩陣的情況下依然能夠從目標音樂中提取到音樂的基音特征,并降低了計算的復雜度;
　　 (4)分析討論了在語音識別領域中廣泛使用的DTW算法用于多音音樂特征匹配的優(yōu)缺點,歸納了適用于音樂檢索的DTW算法,較好的克服了哼唱輸入的音調誤差,減少了匹配時間,實現(xiàn)了哼唱輸入與目標音樂的特征匹配。
　　 (5)完成了本文Music-Retrieval系統(tǒng)的功能設計,采用VC++編程實現(xiàn)了該系統(tǒng);采集