音樂(lè)結(jié)構(gòu)自動(dòng)分析研究.pdf

1、音樂(lè)是目前音頻處理領(lǐng)域重要的研究對(duì)象之一，其是多種可感知信息的良好載體。而音樂(lè)結(jié)構(gòu)是音樂(lè)組織表達(dá)信息的一種表現(xiàn)手段，對(duì)它的分析是理解音樂(lè)的重要途徑之一，是目前音樂(lè)檢索技術(shù)的熱點(diǎn)之一。
　　本文從兩個(gè)角度將流行音樂(lè)的結(jié)構(gòu)分為前奏(intro)、主歌(verse)、副歌(chorus)、過(guò)門(mén)音樂(lè)(bridge)和結(jié)尾(outro)五部分。一個(gè)角度是流行音樂(lè)中人聲的識(shí)別；另一角度是基于相似性矩陣的流行音樂(lè)結(jié)構(gòu)分析。由于除了主歌、副歌，其

2、他部分基本都是純音樂(lè)組成，因此流行音樂(lè)中人聲的識(shí)別對(duì)于流行音樂(lè)的結(jié)構(gòu)分析有著很大的輔助作用。對(duì)于此問(wèn)題，我們使用SVM分類(lèi)器針對(duì)MFCC特征進(jìn)行訓(xùn)練和分類(lèi)，基于音頻連續(xù)性的考慮，后期對(duì)于分類(lèi)結(jié)果低通濾波，使識(shí)別率平均提高11.9％。實(shí)驗(yàn)結(jié)果表明，在幀的基礎(chǔ)上識(shí)別率可以達(dá)到85.76%。相似性矩陣將處理一維的音頻問(wèn)題轉(zhuǎn)化為處理二維圖像的問(wèn)題，其中由于主歌和副歌在音樂(lè)中會(huì)重復(fù)出現(xiàn)，所以?xún)烧咴谙嗨菩跃仃噲D像中呈現(xiàn)為一些水平直線，這樣將問(wèn)題轉(zhuǎn)化

3、為圖像中直線的發(fā)現(xiàn)問(wèn)題。這里我們把這樣一個(gè)灰度圖像內(nèi)的直線發(fā)現(xiàn)問(wèn)題從反問(wèn)題的角度來(lái)考慮。這里的反問(wèn)題是建立在拉東變換的基礎(chǔ)上。這樣做的優(yōu)點(diǎn)是我們可以從一個(gè)正規(guī)化的框架內(nèi)來(lái)解決這個(gè)問(wèn)題,而正規(guī)化可以比較自然的結(jié)合先驗(yàn)知識(shí)，從而提高基于拉東變換的直線檢測(cè)方法的性能。這樣，我們通過(guò)流行音樂(lè)中人聲的識(shí)別確定了intro、bridge和outro的位置，通過(guò)基于相似性矩陣的流行音樂(lè)的結(jié)構(gòu)分析確定了verse和chorus的位置。最后綜合兩方面的結(jié)