基于隱馬爾科夫模型的鋼琴音符識(shí)別算法研究.pdf

1、鋼琴音符識(shí)別是將音樂(lè)音頻文件自動(dòng)轉(zhuǎn)換到數(shù)字音樂(lè)文件(MIDI)的過(guò)程,在鋼琴輔助教學(xué)、樂(lè)譜自動(dòng)記錄等工作中具有重要作用。本課題主要研究鋼琴音符識(shí)別的問(wèn)題,即根據(jù)鋼琴演奏所錄制的音頻文件,通過(guò)特定算法來(lái)確定某時(shí)段內(nèi)的聲音是由哪些單音符組合而成。根據(jù)實(shí)際應(yīng)用需求和音符識(shí)別算法自身的限制,本課題將鋼琴音符識(shí)別任務(wù)分為:實(shí)時(shí)穩(wěn)健的單音符識(shí)別、非實(shí)時(shí)的多音符識(shí)別。對(duì)于單音符的識(shí)別,本課題側(cè)重于實(shí)時(shí)性和穩(wěn)健性兩個(gè)方面。為此,本文提出采用局部能量的端

2、點(diǎn)檢測(cè)、多樣本字典、多樣本字典后處理等算法來(lái)提高單音符識(shí)別的實(shí)時(shí)性和穩(wěn)健性;對(duì)于多音符的識(shí)別,由于無(wú)法通過(guò)單音符所采用的時(shí)域法,本課題轉(zhuǎn)而采用模式識(shí)別法,即以多音符為基本建模單位,建立基于隱馬爾可夫過(guò)程的多音符模型,進(jìn)而重新編譯HTK中相關(guān)模塊來(lái)搭建多音符識(shí)別系統(tǒng)。
　　本課題的主要內(nèi)容包括以下幾個(gè)方面:
　　1)提取多音符音頻文件的特征。在分析常用音頻文件參數(shù)化原理的基礎(chǔ)上,結(jié)合多音符音頻的特性,對(duì)HTK中已有特征提取模塊

3、進(jìn)行優(yōu)化;
　　2)判斷確定音頻中音符端點(diǎn)的位置。在分析常用端點(diǎn)檢測(cè)的基礎(chǔ)上,根據(jù)單音符、多音符不同的任務(wù)需求,分別為單音符識(shí)別系統(tǒng)和多音符識(shí)別系統(tǒng)設(shè)計(jì)或該寫端點(diǎn)檢測(cè)算法;
　　3)研究基于HMM模型的語(yǔ)音識(shí)別原理,找出語(yǔ)音識(shí)別與多音符識(shí)別之間的共性與差異,建立多音符HMM聲學(xué)模型和多音符間模型;
　　4)根據(jù)MIDI文件以及對(duì)應(yīng)的鋼琴音頻文件,構(gòu)建訓(xùn)練、測(cè)試波形數(shù)據(jù)以及相應(yīng)的標(biāo)注文件。在此基礎(chǔ)上,利用重新改寫編譯后的

4、HTK相關(guān)工具對(duì)各個(gè)多音符隱馬爾可夫模型進(jìn)行初始化和訓(xùn)練,進(jìn)而構(gòu)建出完整的多音符識(shí)別系統(tǒng)。最后根據(jù)實(shí)驗(yàn)結(jié)果與對(duì)應(yīng)標(biāo)注文件之間的比對(duì),對(duì)多音符系統(tǒng)進(jìn)行性能評(píng)價(jià)。
　　本文成功地實(shí)現(xiàn)了單音符的實(shí)時(shí)穩(wěn)健識(shí)別、多音符的HMM建模以及多音符HMM模型識(shí)別。對(duì)于單音符的識(shí)別,與線性模型法相比,正確率提高了3％,達(dá)到了98%,且平均識(shí)別幀數(shù)達(dá)到4幀,即穩(wěn)健性方面提高近2倍;對(duì)于多音符的識(shí)別,與時(shí)頻域、統(tǒng)計(jì)法等相比,本文所采用得基于HMM的音符識(shí)