音樂結(jié)構(gòu)自動分析研究.pdf

1、音樂是目前音頻處理領(lǐng)域重要的研究對象之一，其是多種可感知信息的良好載體。而音樂結(jié)構(gòu)是音樂組織表達信息的一種表現(xiàn)手段，對它的分析是理解音樂的重要途徑之一，是目前音樂檢索技術(shù)的熱點之一。
　　本文從兩個角度將流行音樂的結(jié)構(gòu)分為前奏(intro)、主歌(verse)、副歌(chorus)、過門音樂(bridge)和結(jié)尾(outro)五部分。一個角度是流行音樂中人聲的識別；另一角度是基于相似性矩陣的流行音樂結(jié)構(gòu)分析。由于除了主歌、副歌，其

2、他部分基本都是純音樂組成，因此流行音樂中人聲的識別對于流行音樂的結(jié)構(gòu)分析有著很大的輔助作用。對于此問題，我們使用SVM分類器針對MFCC特征進行訓(xùn)練和分類，基于音頻連續(xù)性的考慮，后期對于分類結(jié)果低通濾波，使識別率平均提高11.9％。實驗結(jié)果表明，在幀的基礎(chǔ)上識別率可以達到85.76%。相似性矩陣將處理一維的音頻問題轉(zhuǎn)化為處理二維圖像的問題，其中由于主歌和副歌在音樂中會重復(fù)出現(xiàn)，所以兩者在相似性矩陣圖像中呈現(xiàn)為一些水平直線，這樣將問題轉(zhuǎn)化

3、為圖像中直線的發(fā)現(xiàn)問題。這里我們把這樣一個灰度圖像內(nèi)的直線發(fā)現(xiàn)問題從反問題的角度來考慮。這里的反問題是建立在拉東變換的基礎(chǔ)上。這樣做的優(yōu)點是我們可以從一個正規(guī)化的框架內(nèi)來解決這個問題,而正規(guī)化可以比較自然的結(jié)合先驗知識，從而提高基于拉東變換的直線檢測方法的性能。這樣，我們通過流行音樂中人聲的識別確定了intro、bridge和outro的位置，通過基于相似性矩陣的流行音樂的結(jié)構(gòu)分析確定了verse和chorus的位置。最后綜合兩方面的結(jié)