基于最大最小距離法的音樂節(jié)拍跟蹤算法研究.pdf

1、隨著因特網與網絡技術的快速發(fā)展，人們可以接觸到大量的在線音樂數據，比如音樂原聲信號、歌詞、音樂曲風或者內容的分類以及其他網絡用戶的歌單等等。這種科技的進步讓用戶在聽音樂時有了越來越多的樂趣，同時，也對數據的處理提出了更高的要求，如何讓計算機更好地豐富用戶的音樂體驗成為一個熱門問題，也促進了音樂信息檢索領域的深入研究。音樂信息檢索，是一個跨學科的研究領域，涉及到音樂學、心理學、音樂學術研究、信號處理、機器學習等等。
　　節(jié)拍跟蹤是音

2、樂信息檢索的基礎問題之一。人們會不自主的跟隨音樂跺腳或者點頭的過程稱為節(jié)拍跟蹤，計算機的節(jié)拍跟蹤算法正是對人類這一感知過程的模擬。過去的二十多年中，節(jié)拍跟蹤研究領域已有大量深入的研究，也有越來越多的節(jié)拍跟蹤算法應用于實際生活中。
　　本文在認真研究節(jié)拍跟蹤相關研究成果的基礎上，結合音樂基本理論與音頻信號技術，提出一種基于最大最小距離法的節(jié)拍跟蹤算法，核心為起始節(jié)拍點的確定、BPM特征值提取和有效峰值提取三部分。本文的創(chuàng)新點在于將聚

3、類算法應用于節(jié)拍跟蹤研究，將峰值提取問題抽象為分類問題，從聚類的角度完成節(jié)拍序列的提取。具體研究步驟可概括為以下幾個方面：
　　首先，對音樂信號進行預處理，統一采樣頻率及幅度范圍。提取音樂信號的1-2s片段進行時域處理，通過分析該片段的能量譜變化，確定起始節(jié)拍點。
　　其次，對音樂信號進行短時傅里葉變換得到頻譜，根據人類聽覺系統的感知特性，對頻譜幅度進行對數處理，通過半波整流輸出端點強度曲線及其峰值的相位信息。根據端點強度曲

4、線的自相關特性提取BPM特征值。
　　最后，根據音樂的節(jié)拍和速度的關系以及周期信號的性質，利用最大最小距離法對端點強度曲線的峰值點進行有效聚類，輸出節(jié)拍序列。
　　本文采用MIREX2006測試數據進行實驗，將本文的提出算法與MIREX2013節(jié)拍跟蹤比賽中性能較好的算法進行對比。實驗結果表明，本文提出的基于最大最小距離法節(jié)拍跟蹤算法對于不同曲風、不同節(jié)奏類型的音樂信號，四項算法評估指標P-Score、Cemgil、CMLc