1、本文主要關(guān)注的內(nèi)容是如何實(shí)現(xiàn)音樂(lè)的自動(dòng)識(shí)譜。識(shí)譜是指音樂(lè)傾聽(tīng)者在聽(tīng)音樂(lè)的過(guò)程中，識(shí)別該音樂(lè)的樂(lè)譜信息并記錄下來(lái)的過(guò)程；所謂的自動(dòng)識(shí)譜指的是計(jì)算機(jī)扮演音樂(lè)傾聽(tīng)者的角色，完成上述分析和記錄樂(lè)譜的任務(wù)。在自動(dòng)識(shí)譜的過(guò)程中最重要樂(lè)譜信息是音符和所使用的樂(lè)器種類。 本文的工作主要集中于自動(dòng)識(shí)譜過(guò)程的音符識(shí)別和樂(lè)器種類的分析： ·音符最重要的屬性就是音高。本文在比較研究五種經(jīng)典的音高提取算法后，提出基于生理聲學(xué)的音高檢測(cè)算法。本文通

2、過(guò)比較分析五種經(jīng)典的音高檢測(cè)算法，包括HPS(HarmonicProductSpectrum)、Cepstrum、CBHPS(CepstrumBiasedHPS)、最大似然(MaximumLikelihood)和自相關(guān)(Autocorrelation)算法，認(rèn)識(shí)到為了進(jìn)一步完善音高提取的準(zhǔn)確度，同時(shí)為了能夠滿足大規(guī)模音樂(lè)分析系統(tǒng)的效率需求，需要具有較強(qiáng)抗噪聲能力的算法，因此本文將效率較高的自相關(guān)算法應(yīng)用到仿造人耳聽(tīng)覺(jué)特性構(gòu)造的臨界頻帶，

3、提出了基于生理聲學(xué)的音高檢測(cè)算法。該算法能夠在既保證音高提取的較高時(shí)間效率，同時(shí)又進(jìn)一步提高了音高提取的準(zhǔn)確率。 ·在提取出音高之后，為了提高音符識(shí)別的準(zhǔn)確度，本文提出了音高和音值相結(jié)合的互糾算法。在目前的音樂(lè)分析領(lǐng)域中，尚沒(méi)有非常好的專門針對(duì)音符音值的檢測(cè)算法，而廣泛采用的起始點(diǎn)(onset)檢測(cè)算法又不能理解音符的物理含義，故無(wú)法準(zhǔn)確定位音符的起始和終止點(diǎn)(offset)，因此本文提出了將音高提取和音值檢測(cè)結(jié)果相互對(duì)照和糾正

4、的算法，故稱為互糾算法，其結(jié)果能在一定程度上提高音符識(shí)別的準(zhǔn)確度。 ·采用自下而上(bottom-up)和自上而下(up-bottom)相結(jié)合的思想，以音樂(lè)的流派(Musicgenre)信息來(lái)輔助識(shí)別音樂(lè)中所使用的樂(lè)器種類，本文仔細(xì)比較分析現(xiàn)有的音樂(lè)幀、音樂(lè)段特征后，選用八個(gè)具有最強(qiáng)分類能力的特征來(lái)構(gòu)造貝葉斯網(wǎng)絡(luò)分類器，其分類效果較之流行的神經(jīng)網(wǎng)絡(luò)分類器在準(zhǔn)確率上取得了較大的提高。同時(shí)本文試驗(yàn)使用的音樂(lè)庫(kù)包含了480首歌曲；其歌