復(fù)合音樂中歌聲旋律的提取_2061.pdf

1、復(fù)合音樂中歌聲旋律的提取是音頻信息檢索領(lǐng)域的重點(diǎn)和難點(diǎn)。歌聲旋律的提取在歌聲分離、歌手識別以及哼唱檢索中應(yīng)用廣泛。歌聲旋律提取的主要任務(wù)是提取復(fù)合音樂中歌聲的基頻軌跡。本文的研究可在一定程度上提高歌聲旋律提取的準(zhǔn)確度。
　　本文利用頻域和倒頻域特征對復(fù)合音樂進(jìn)行歌聲檢測。本文考察梅爾頻率倒譜系數(shù)(Mel Frequency Cepstrum Coefficient，MFCC)和基于線性預(yù)測譜的梅爾倒譜系數(shù)(LPc-derived

2、Mel Cepstrum Coefficient, LPMCC)對歌聲檢測的效果。實(shí)驗(yàn)結(jié)果表明，LPMCC的檢測結(jié)果優(yōu)于MFCC?？疾鞂?shù)頻率功率系數(shù)(LogFrequency Power Coefficient，LFPC)以及在此基礎(chǔ)上提出了梅爾頻率功率系數(shù)(Mel Frequency Power Coefficient，MFPC)和Gammatone頻率功率系數(shù)(Garnmatone Frequency Power Coeffici

3、ent，GFPC)的檢測效果。實(shí)驗(yàn)結(jié)果表明，25維的LFPC的歌聲檢測準(zhǔn)確率最好。
　　本文采用迭代譜減算法和改進(jìn)的諧波乘積譜算法(Modified Harmonic ProductSpectrum，MHPS)對復(fù)合音樂進(jìn)行多基頻估計(jì)，并比較這兩種算法的性能。迭代譜減算法主要解決多基頻估計(jì)中諧波重疊的問題，而MHPS算法在一定程度上解決了多基頻估計(jì)中基頻丟失和八度錯誤的問題。實(shí)驗(yàn)結(jié)果表明，迭代譜減算法每幀估計(jì)的基頻個數(shù)明顯小于MH

4、PS算法，而且迭代譜減算法能得到更好的原始基頻準(zhǔn)確率。
　　本文對得到的多基頻集合根據(jù)時間連續(xù)性和頻率連續(xù)性進(jìn)行基頻軌跡的跟蹤，通過實(shí)驗(yàn)發(fā)現(xiàn):經(jīng)過基頻軌跡跟蹤之后，原始基頻跟蹤準(zhǔn)確率略有提高，而且排除了較多的野點(diǎn)。本文提出了基于諧波能量比的方法確定歌聲的旋律，并總結(jié)了兩種已有的方法，分別是基于頻率調(diào)制的方法和基于特征組合的方法。對比這三種方法的性能發(fā)現(xiàn):基于特征組合的方法能夠更好地確定基頻軌跡中的歌聲基頻軌跡，提高了歌聲基頻提取的