学位论文 > 优秀研究生学位论文题录展示

基于稀疏表示分类器的和弦识别研究

作　者: 董丽梦
导　师: 李锵; 关欣
学　校: 天津大学
专　业: 信息与通信工程
关键词: 和弦识别节拍检测音级轮廓特征稀疏表示分类器
分类号: TN912.3
类　型: 硕士论文
年　份: 2012年
下　载: 1次
引　用: 0次
阅　读: 论文下载

内容摘要

随着数字音乐的快速发展，基于关键词的传统音频检索方式在实际应用中受到越来越多的限制。基于内容的音乐检索不受关键词的限制，而是根据音乐的固有属性对音频进行检索，因而被越来越多的研究人员所关注。和弦作为一种典型的中层特征，包含了大量能够表现音乐属性的信息，在分析音乐结构和旋律方面具有非常重要的作用。因此，本文针对基于内容的音乐检索技术进行了深入的研究，提出了一种音乐和弦特征的表示方法以及识别算法。本文综合应用基本乐理、信号处理、模式识别的相关知识，提出了一种基于稀疏表示分类器的和弦识别方法，其主要研究内容是以和弦为基本单位建立稀疏表示模型，进而构建一套完整的和弦识别系统。主要完成的工作包括以下几个方面：首先，由乐理知识可知和弦往往在节拍处发生改变，因此本文提出了一种基于节拍检测的特征提取方法。该方法根据Daniel Ellis提出的节拍检测方法，将输入的整个音频文件划分为不同的节拍（音频片段），以节拍作为和弦变化的最小时间间隔。其次，论文研究了和弦识别领域中通常使用的音级轮廓特征（pitch classprofile），并介绍了具体的算法。结合最新的理论，本文确定采用识别效果更好的QPCP作为和弦的特征，从而使机器能够更好的表达和识别音频文件。第三，本文建立了基于稀疏表示分类器的音乐和弦识别系统。该系统将和弦的类型分为大三和弦和小三和弦等共24种，对于每一种和弦，分别建立一个数据库，并提取特征平均值。最后将输入的音频文件作为测试样本进行识别。最后，本论文借助Chris Harte制作的标签文件训练得到有监督的稀疏表示分类模型，并与经典的基于模板匹配的和弦识别方法进行对比。识别结果表明，本文提出的基于稀疏表示分类器的和弦识别方法的平均识别率达到78.6%，比模板匹配的方法高2.7%。

全文目录

摘要  3-4
ABSTRACT  4-8
第一章绪论  8-15
  1.1 和弦识别技术的研究背景  8-9
    1.1.1 基于内容的音频检索技术  8
    1.1.2 音乐和弦识别技术  8-9
  1.2 研究目的及意义  9-10
  1.3 国内外研究现状  10-14
    1.3.1 和弦特征研究进展  11-12
    1.3.2 模式识别研究进展  12-14
  1.4 本文的主要工作和组织结构  14-15
第二章音乐基础知识及音乐信号表示  15-20
  2.1 声音的基本物理量  15-16
  2.2 音高、音律与十二平均律  16-17
  2.3 节奏与节拍  17-18
  2.4 音级、音程与和弦  18-19
  2.5 音乐的表示形式  19-20
第三章基于节拍检测的音级轮廓特征提取  20-33
  3.1 音乐和弦特征  20-21
  3.2 音乐节拍检测  21-26
  3.3 音级轮廓特征  26-33
    3.3.1 PCP 特征计算  27-29
    3.3.2 CQT 的优点及计算方法  29-30
    3.3.3 基于节拍的 QPCP 特征的计算方法  30-33
第四章基于稀疏表示分类器的和弦识别系统  33-48
  4.1 基于模板匹配的和弦识别方法  33-37
    4.1.1 识别方法  33-34
    4.1.2 和弦模板  34-35
    4.1.3 匹配方法  35-36
    4.1.4 后处理滤波器  36-37
    4.1.5 识别效果  37
  4.2 基于稀疏表示分类器的和弦识别方法  37-48
    4.2.1 稀疏表示模型  39-42
    4.2.2 识别方法  42
    4.2.3 基于稀疏表示的识别实验  42-45
    4.2.4 实验结果及分析  45-48
第五章总结与展望  48-49
参考文献  49-53
发表论文和参加科研情况说明  53-54
致谢  54

基于稀疏表示分类器的和弦识别研究

内容摘要

全文目录

相似论文