MIR研究课题

音高与旋律

音高/音调

由声音波形的频率决定，音乐中每个音符都具有一定的音高

音高/音调检测（Pitch Detection）

• 时域检查
  • 过零率法、自相关法（如YIN算法）、最大似然法、自适应滤波器法、超分辨率法
• 频域检测
  • 基于音频帧的短时傅里叶变换（SIFT），周期性信号在基频的整数倍处得到峰值
• 基于听觉模型检测
  • 模拟人类感知音高的生理过程
  • 使用耳蜗模型对每一个通道进行独立的自相关运算
  • 综合所有通道信息得到相对应的音高

旋律

经过艺术构思按照节奏及和声形成的反映音乐主旨的音符序列

旋律提取（Melody Extraction）

• 从多声部音乐（Polyphonic Music）信号提取单声部（Monophonic）旋律
• 应用
  • 音乐搜索、抄袭检测、歌唱评价、作曲家风格分析……
• 典型方法
  • 音高重要性发（Pitch-Salience based Melody Extraction）
  • 歌声分离法（Singing Separation based Melody Extraction）
  • 数据驱动的音符分类法（Data-driven Note Classification）

音乐识谱

识别音乐中每个时刻发声的各个音符并形成乐谱 典型方法：

• 音源分离
  • 通常基于矩阵分解技术进行歌声和各种伴奏乐器声音的分离
• 音符分割
  • 在各个音源上进行，寻找每一个音符起始点并分割
• 音高提取
  • 提取每个音符的基频，根据MIDI音符表转换为音符的音名
• 利用音乐领域知识或规则进行后处理纠错

音乐节奏（Music Rhythm）

音符起始点检测（Note Onset Detection）

• 检测音乐中某一音符开始的时间
• 各种音乐节奏分析的预处理步骤
• 典型方法
  • Hard Onset
    • 子带分解
    • 检测各子带能量峰值
    • 合并后挑选结果
  • Soft Onset
    • 检测和弦突变点

节拍

某种具有固定时长的音符，通常以四分音符或八分音符为一拍

节拍跟踪（Beat Tracking）

• 用计算机模拟人们在听音乐时无意识地踮脚或拍手的现象
• 理解音乐节奏的基础，很多MIR任务的重要步骤
• 典型方法
  • 通常依赖于音符起始点检测、打击乐或其他时间局域化事件检测
  • 如果音乐偏重抒情，没有打击乐器或不明显，可采用和弦改变点作为候选节拍点

速度检测（Tempo Detection）

• 音乐进行的快慢，每分钟多少拍BMP（Beats per Minute）
• 通常与节拍跟踪同时进行
• 应用
  • 音乐情感分析中的一个重要因素
  • 给帕金森病人播放与其走路速度一致的音乐，辅助其恢复
• 典型方法
  • 带通滤波，对每个子带计算其幅度包络线
  • 与一组事先定义好的梳状滤波器卷积
  • 对所有子带上的能量求和，最高峰值对应于速度

拍子

在小节线划分的相同时间间隔内，按照一定次序重复出现的有规律的强弱变化。如4/4、3/4、2/4等

小节

划分乐句、乐段、整首乐曲的基本单位，在乐谱中用小节线划分

拍子检测（Meter Detection）及小节线检测（Bar line/Measure Detection）

• 典型方法
  • 节拍相似性矩阵
  • 节拍跟踪+基于音乐知识的启发式规则

节奏型检测（Music Rhythm）

• 节奏型
  • 在歌曲中反复出现的有一定特征的节奏
• 应用
  • 音乐流派分析、音乐教学……
• 典型方法
  • 基于模板匹配

音乐和声

多声部音乐

• 复调音乐（Polyphony）
  • 公元9世纪到18世纪前半叶，流行于欧洲
  • 两条或以上的独立旋律，和谐地结合
• 主调音乐（Homophony）
  • 18世纪后半叶到现在，逐渐取代了复调音乐
  • 某一个声部作为主旋律，其他声部以和声或节奏等手法进行陪衬和伴奏
  • 和声
    • 主调音乐最重要的要素之一
    • 两个或以上不同的音符按照一定规则同时发声而构成的声音组合

和弦

• 和声的基本素材，由三个或以上不同的音按照一定音程在纵向结合构成
• 和弦的连接表示和声的横向运动

和弦识别（Chord Detection）

• 音频特征
  • PCP（Chroma）：在C、#C、D、#D、E、F、#F、G、#G、A、#A、B等12个半音类上与八度无关的谱能量聚集
• 识别模型
  • 模式匹配、隐马尔可夫模型HMM（Hidden Markov Model）、条件随机场CRF（Conditional Random Fields）、支持向量机SVM（Support Vector Machine）、递归神经网络RNN（Recurrent Neural Network）……

调检测（Key Detection）

• 音名对应于钢琴上真实的键
• 唱名随着音乐的调（Key）而变化
• 应用
  • 音乐识谱、和弦检测、音乐情感计算、音乐结构分析……
• 典型方法
  • 通过音阶分布来描述对调的感知

常用乐理知识图例：

歌声信息处理（Singing Information Processing）

歌声检测（Vocal/Singing Voice Detection）

• 判定整首歌曲中哪些部分是歌声，哪些部分是纯乐器伴奏。
• 典型方法
  • 音频分帧
  • 提取能够有效区分歌声和伴奏的音频特征
    • MFCC、谱特征、颤音……
  • 分类
    • 基于门限方法
    • 基于机器学习的统计分类
  • 后处理

歌声分离（Vocal/Singing Voice Separation）

• 将歌声与背景音乐分离
• 应用
  • 歌手识别、哼唱/歌唱检索、卡拉OK伴奏……
• 典型方法
  • 基于音高推理（Pitch- based inference）获得歌声泛音结构
  • 基于矩阵分解技术
    • 独立子空间ISA（Independent Subspace Analysis）、稀疏编码（Sparse Coding）、非负矩阵分解NMF（Non-negative Matrix Factorization）、鲁棒主成分分析RPCA（Robust Principal Component Analysis）……
  • 基于计算听觉场景分析CASA（Computational Auditory Scene Analysis）

歌手识别（Singer/Artist Identification）

• 判断一个歌曲是由集合中的哪些歌手演唱的
• 应用
  • 按歌手分类管理大量歌曲、模仿秀
• 典型方法
  • 框架类似于说话人识别/声纹识别（Speaker/Voiceprint Recognition）
  • 歌声与语音之间有巨大差别，更困难

歌声评价（Singing Evaluation）

• 应用
  • 音乐教学、表演、比赛、卡拉OK……
• 基础评价
  • 计算两段歌声各种音频特征如音量、音高、节奏、旋律、颤音等之间的相似度，并给出一个用户表现的总体评分
• 高级评价
  • 感情、音域、声音质量、音色辨识度、歌唱技巧……

音乐搜索（Music Retrieval）

音乐识别（Music Identification）

• 录制一个音乐片段作为查询，计算音频指纹后与后台指纹库进行匹配，将最相似记录的歌曲名字、词曲作者、演唱者、歌词等元数据返回
• 基于例子的音频搜索（Example-based Audio/Music Retrieval）
• 核心
  • 音频指纹技术（Audio Figerpriting）
• 典型方法
  • 提取各种时频域音频特征
  • 建模后得到音频指纹
  • 在指纹库中进行基于相似性的快速匹配和查找