RBF神經(jīng)網(wǎng)絡(luò)和HMM用于音樂(lè)識(shí)別的算法研究.pdf

1、音樂(lè)信號(hào)處理是信號(hào)處理領(lǐng)域中的重要組成部分。為了能讓計(jì)算機(jī)與人類能夠用音樂(lè)自由的溝通，有關(guān)計(jì)算機(jī)音樂(lè)處理的研究，意義日益凸顯。音樂(lè)的計(jì)算機(jī)自動(dòng)識(shí)別是新興的交叉學(xué)科，其研究涉及物理學(xué)、信號(hào)處理、人機(jī)交互、音樂(lè)理論等諸多學(xué)科知識(shí)。本文研究的音樂(lè)識(shí)別正是將計(jì)算機(jī)多媒體技術(shù)、信號(hào)處理與模式識(shí)別的相關(guān)知識(shí)和技術(shù)同音樂(lè)理論相結(jié)合，用計(jì)算機(jī)模擬人對(duì)音樂(lè)認(rèn)知和分析的過(guò)程。
　　 本文首先介紹了計(jì)算機(jī)音樂(lè)的發(fā)展，并對(duì)基本樂(lè)理及音樂(lè)信號(hào)的特性進(jìn)行了

2、簡(jiǎn)單的描述。圍繞音樂(lè)相關(guān)理論，論文對(duì)比了音樂(lè)信號(hào)與語(yǔ)音信號(hào)的特性，選取MFCC(Mel-Frequency Cepstral Coefficients)作為單音信號(hào)的特征，并對(duì)特征矢量維數(shù)的選擇進(jìn)行了討論，利用RBF神經(jīng)網(wǎng)絡(luò)對(duì)鋼琴88個(gè)單音進(jìn)行識(shí)別，實(shí)驗(yàn)取得了100[％]的識(shí)別結(jié)果。實(shí)驗(yàn)結(jié)果表明所選特征對(duì)識(shí)別鋼琴單音信號(hào)是有效的。
　　 本文研究了在西方音樂(lè)和弦識(shí)別中使用頻率較高的音級(jí)輪廓(Pitch Class Profile

3、簡(jiǎn)稱PCP)特征及其計(jì)算方法，給出了具體的計(jì)算公式。論文基于HMM構(gòu)建了音樂(lè)和弦識(shí)別系統(tǒng)，定義了36個(gè)狀態(tài)，每個(gè)狀態(tài)代表一類和弦；通過(guò)一個(gè)12維的多元高斯函數(shù)擬合觀察向量的概率分布，該模型分別由高斯函數(shù)的均值向量和和協(xié)方差向量來(lái)定義。借助Chris Harte制作的標(biāo)簽文件訓(xùn)練得到有監(jiān)督的HMM。識(shí)別過(guò)程通過(guò)Viterbi算法，對(duì)輸入信號(hào)依照極大似然法來(lái)尋找最佳路徑，即最佳的和弦序列。為了克服系統(tǒng)處理快節(jié)奏音樂(lè)時(shí)出現(xiàn)的如下問(wèn)題：識(shí)別空和