基于哼唱的音樂檢索關鍵技術研究.pdf

1、眾所周知,隨著網(wǎng)絡技術的迅猛發(fā)展,網(wǎng)絡上多媒體資源已越來越多。在音樂檢索方面,單純的文字輸入檢索已經(jīng)不能滿足用戶的需求,尤其是網(wǎng)絡上的音樂多媒體爆炸式增長的情況下。如何從這些海量數(shù)據(jù)中快速準確地找到自己喜歡的歌曲已經(jīng)成為一個研究熱點。哼唱檢索,依靠其哼唱的方便表達性,在該領域成為了主要的研究方向。哼唱檢索的主要研究技術有:哼唱輸入文件和數(shù)據(jù)庫文件特征序列的提取,音樂特征的表達和旋律匹配方法的研究。目前在國內外,該方向在理論上已經(jīng)取得了很

2、大進展,并且開發(fā)了很多應用系統(tǒng),但在擴展性,響應速度,精確性上都有待于提高。本文的研究工作以此展開。
　　在本文中,我們通過對哼唱檢索關鍵技術的研究,采取了三種可以提高查詢速度和準確率的方法。
　　1)在特征提取部分,分析了現(xiàn)有的兩種基音周期提取方法ACF和AMDF,在考慮系統(tǒng)的實時性和準確性的基礎上，提出了基于ACF和AMDF相結合的基音周期方法。
　　2)在旋律匹配部分,為了盡可能的提高檢索性能,本文采用了層次式的

3、匹配方法并做出分析與改進,首先采用一種運算速度快但檢索精度一般的EMD方法作為過濾器從數(shù)據(jù)庫里過濾掉大部分不可能的候選匹配音樂文件,將剩余的小部分文件組成細匹配的候選集;然后采用一種速度相對較慢但精度高的方法CDTW,從候選集里選出匹配度最高的一些音樂文件,并對其進行排序顯示。
　　3)在排序部分,從機器學習的投票策略上受到的啟發(fā),在匹配時對每一種過濾器根據(jù)一定的相似度計算方法都計算出一個相似度得分,然后對這兩個得分加權相加,以此