学位论文 > 优秀研究生学位论文题录展示

独立成分分析在音乐信号处理中的应用

作　者: 田洪伟
导　师: 李锵；关欣
学　校: 天津大学
专　业: 电路与系统
关键词: 独立成分分析音乐特征提取音符起始点检测
分类号: TN912.3
类　型: 硕士论文
年　份: 2009年
下　载: 56次
引　用: 2次
阅　读: 论文下载

内容摘要

在数字音乐数量急剧增长的今天,由于音乐本身的复杂性、音乐类属定义的模糊性和对人类听觉感知特性认识的有限性,音乐信号处理已成为信号处理领域一个新的分支,音乐信息检索已成为研究的热点,很多新的技术都已运用到音乐信息检索中。独立成分分析(Independent Component Analysis,简称ICA)是近年来统计信号处理发展起来的新技术,它着眼于信号的高阶统计特征,用于揭示信号中的隐藏成分。ICA有别于其他方法的地方是,它寻找的是既统计独立又非高斯的成分。本文主要研究了ICA在音乐信号处理中的应用,首先,将ICA方法用于音乐中的音符检测,根据音符的某些特性,用ICA模型来处理音乐数据,提出了基于概率的数学模型,定义了检测函数,当音符开始时,检测函数会有一个突变,根据这个原理,可以成功地检测音符起始点,并体现出ICA模型较传统模型的优点。其次,用ICA对音乐信号进行了特征提取,提取出来的基向量有着局部特征,用这些特征基向量可以很好表示音乐信号,并进一步给出音乐信号的稀疏表示,更好地去除了数据中的冗余信息,压缩了数据。

全文目录

摘要  3-4
ABSTRACT  4-7
第一章绪论  7-11
  1.1 音乐信号研究背景和意义  7
  1.2 音乐信号处理的现状  7-9
  1.3 独立成分分析概述  9-10
  1.4 论文的主要内容和方法  10-11
第二章音乐信号相关知识  11-23
  2.1 声学基础  11-13
    2.1.1 声音的产生  11
    2.1.2 声音的感知  11-13
  2.2 音乐的主观量  13-16
    2.2.1 响度  13-14
    2.2.2 音调  14-15
    2.2.3 音色  15-16
  2.3 音乐信号的特征分析  16-23
    2.3.1 时域特征  16-19
    2.3.2 频域分析  19-20
    2.3.3 音乐的Mel 频率倒谱分析  20-23
第三章独立成分分析简介  23-43
  3.1 独立成分分析的引出  23-26
    3.1.1 盲源分离(BSS)  23-24
    3.1.2 ICA 的定义及基本模型  24-26
  3.2 ICA 预备知识  26-30
    3.2.1 信息论基础  26-27
    3.2.2 高阶统计量  27-30
  3.3 信号预处理  30-34
    3.3.1 主成分分析（PCA）  30-33
    3.3.2 白化  33-34
  3.4 ICA 算法原理  34-40
    3.4.1 极大化非高斯性  35-38
    3.4.2 最大似然原理  38-39
    3.4.3 信息极大原理  39-40
    3.4.4 极小化互信息  40
  3.5 FastICA 算法介绍  40-43
第四章 ICA 在音乐信号处理中的应用  43-56
  4.1 引言  43
  4.2 ICA 在音符检测中的应用  43-51
    4.2.1 音符介绍  43-45
    4.2.2 基于概率模型的音符检测算法  45-48
    4.2.3 实验仿真  48-51
  4.3 ICA 在音乐特征提取中的应用  51-55
    4.3.1 ICA 特征提取的基本原理  51-52
    4.3.2 实验仿真  52-55
  4.4 本章小结  55-56
第五章总结与展望  56-58
  5.1 研究总结  56
  5.2 展望  56-58
参考文献  58-60
发表论文和参加科研情况说明  60-61
附录  61-64
致谢  64

独立成分分析在音乐信号处理中的应用

内容摘要

全文目录

相似论文