查看“MIR研究课题”的源代码
←
MIR研究课题
跳转至：
导航
、
搜索
因为以下原因，您没有权限编辑本页：
您所请求的操作仅限于该用户组的用户使用：
用户
您可以查看与复制此页面的源代码。
[[文件:mir.png]] =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 [[文件:范例.jpg]] 常用乐理知识图例： [[文件:范例.jpg]] =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 ==哼唱及歌唱检索==
该页面使用的模板：
模板:TOCright
（
查看源代码
）
返回至
MIR研究课题
。
导航菜单
个人工具
登录
名字空间
页面
讨论
变种
视图
阅读
查看源代码
查看历史
更多
搜索
导航
网站首页
知识百科
编辑帮助
最近更改
工具
链入页面
相关更改
特殊页面
页面信息
