基于內(nèi)容的音樂(lè)檢索關(guān)鍵技術(shù)研究.pdf

1、音樂(lè)是一類重要的音頻數(shù)據(jù)，傳統(tǒng)的音樂(lè)檢索都是基于關(guān)鍵詞的檢索，使用受限。隨著互聯(lián)網(wǎng)的快速發(fā)展及數(shù)字化設(shè)備的普及，基于內(nèi)容的音頻檢索研究得到廣泛的關(guān)注。本文以國(guó)家自然科學(xué)基金項(xiàng)目“基于Web的音頻識(shí)別與檢索關(guān)鍵技術(shù)研究(N0.60673100)”為背景，針對(duì)基于內(nèi)容的音樂(lè)檢索關(guān)鍵技術(shù)展開了深入的研究：提出了適合音樂(lè)檢索的特征提取方法、相似度度量方法和檢索算法，并研究語(yǔ)音識(shí)別中端點(diǎn)檢測(cè)及連續(xù)詞識(shí)別等技術(shù)，研究成果已應(yīng)用于基于內(nèi)容的音樂(lè)檢索系

2、統(tǒng)中。主要的研究進(jìn)展如下： 1)構(gòu)建了音樂(lè)檢索的處理框架和符號(hào)體系。在分析音樂(lè)檢索存在問(wèn)題的基礎(chǔ)上，給出了研究思路；定義了歌譜映射方法及音樂(lè)檢索中的符號(hào)體系，為基于內(nèi)容的音樂(lè)檢索打下基礎(chǔ)。 2)針對(duì)音樂(lè)特征的算法研究。將音樂(lè)特征分為低級(jí)特征(旋律輪廓)和高級(jí)特征(音樂(lè)歌譜)兩部分。 針針對(duì)低級(jí)特征提出了一種旋律輪廓提取算法。此算法能準(zhǔn)確地提取出哼唱曲子的旋律輪廓特征，當(dāng)輸入為基本音級(jí)時(shí)得出的特征值符合音程特征。但

3、此算法要求用戶對(duì)音調(diào)的把握要準(zhǔn)確。 b針針對(duì)高級(jí)特征將語(yǔ)音識(shí)別技術(shù)應(yīng)用于音樂(lè)檢索。為從包含歌譜的一段連續(xù)語(yǔ)音信號(hào)中確定出音符的起點(diǎn)和終點(diǎn)，需要使用端點(diǎn)檢測(cè)技術(shù)，本文提出了一種基于熵和時(shí)間序列方法PAA的端點(diǎn)檢測(cè)算法-PAAEPD(Piecewise Aggregate Approximation End Point Detection)，用戶可直接哼唱歌譜檢索目標(biāo)音樂(lè)，對(duì)音調(diào)把握要求不高，只要發(fā)音準(zhǔn)確即可實(shí)現(xiàn)檢索。 3)

4、音樂(lè)檢索算法的研究。 a)針對(duì)音樂(lè)的時(shí)序特征定義了字符距離及特征字符串距離，并提出了一個(gè)字符串相似度計(jì)算方法。分析了音頻等復(fù)雜數(shù)據(jù)近似檢索的必要性以及現(xiàn)有的字符串近似匹配算法和時(shí)間序列相似檢索的局限性，提出了本方法并應(yīng)用于音樂(lè)檢索中，對(duì)音調(diào)把握準(zhǔn)確者獲得92％的前十位檢出率。 b)提出了以句為單位的分層檢索算法。音樂(lè)是以句為單位的，并且每句音樂(lè)的旋律波動(dòng)和句子長(zhǎng)度都是固定的。本文利用旋律波動(dòng)和句子長(zhǎng)度縮小搜索范圍，使瞼索

5、時(shí)間減少了25％。 c)針針對(duì)用戶的哼唱習(xí)慣提出了跨句檢索算法。用戶哼唱多句時(shí)，數(shù)據(jù)庫(kù)中保存的單句旋律輪廓信息不能使用，需要多句旋律特征，文中給出了候選音樂(lè)片段及特征生成算法，實(shí)現(xiàn)了跨句檢索。 4)音樂(lè)數(shù)據(jù)庫(kù)的研究。本文采用音樂(lè)的原始歌譜作為庫(kù)中數(shù)據(jù)來(lái)源，給出了音樂(lè)歌譜數(shù)據(jù)庫(kù)的構(gòu)成及數(shù)據(jù)庫(kù)中的特征及含義和計(jì)算方法。 5)將所研究的算法應(yīng)用于音樂(lè)檢索，實(shí)現(xiàn)了基于內(nèi)容的音樂(lè)哼唱檢索系統(tǒng)，取得較好的效果。研究成果可應(yīng)用于其它類