音樂和弦識別的研究_4305.pdf

1、天津大學博士學位論文音樂和弦識別的研究音樂和弦識別的研究ResearchsonMusicChdRecognitions一級學科：信息與通信工程學科專業(yè)：信號與信息處理研究生：饒中洋指導教師：滕建輔教授天津大學電子信息工程學院二零一六年五月中文摘要中文摘要隨著互聯網帶寬的增長，以及多媒體信息壓縮技術的不斷發(fā)展，互聯網上數字音樂的存儲和發(fā)布越來越普遍。為了應對用戶隨時隨地檢索的需求，基于內容的音樂檢索應運而生。MIR中的中層特征就包括和弦，

2、它包含了大量能夠表現音樂屬性的信息，對于分析音樂結構和旋律方面具有非常重要的作用。因此，本文針對音樂和弦識別進行了深入的研究，提出了魯棒性音樂和弦識別特征和兩種和弦估計方法。本文綜合應用部分樂理、信號處理、模式識別等相關知識，提出了序列化稀疏表示分類和序列化支持向量機的和弦識別方法。其主要研究內容是以信號處理為基礎，從特征提取和和弦估計兩方面研究和弦識別。主要完成的工作包括以下幾個方面：(1)提出了魯棒性對數音級輪廓特征。和弦識別的一個

3、關鍵是特征，在基于節(jié)拍的基礎上提出了LPCP，使得LPCP能夠更好地表達音頻內容，提高和弦識別率；同時為了盡可能降低歌聲的影響，在計算PCP前，對音頻文件進行歌聲伴奏分離，使得伴奏能夠更好地包含和弦特征，這樣音頻文件對和弦識別具有更好的魯棒性；(2)本文提出了基于序列化稀疏表示分類器的音樂和弦識別方法。在稀疏表示分類中，建立和弦樣本數據庫，對輸入的音頻片段進行和弦估計。在此基礎上，結合隱形馬爾科夫鏈模型，克服需要大量訓練得到模型參數的缺

4、點，提出序列化稀疏表示模型。在對MIREX’09的數據庫中的大小和弦識別時，本論文提出的方法在使用本文的特征進行識別時，識別率均高于目前的識別方法。(3)提出了序列化支持向量機的音樂和弦識別方法。為了克服稀疏表示分類時間較長的缺點，引入支持向量機用于和弦識別。該模型只需要提前訓練好參數，用于和弦估計時間較短。同時結合音樂和弦在時域上的變化特點，進一步改進支持向量機，提出序列化支持向量機模型。關鍵詞：關鍵詞：和弦識別；對數音級輪廓特征；魯