基于音高与端点联合检测的音符识别算法

结合次谐波与谐波比率(SHR)音高提取算法与基于短时能量及过零率的端点检测算法,实现了一种音高、端点联合检测算法.该方法以短时能量及过零率为音符切分的基础,进而利用音高跳变来检测音符的变化.仿真实验表明,采用SHR音高提取算法,该联合检测提高了音符识别的精度,尤其在噪声环境下,其表现优于传统端点检测算法.     

一种改进的基音周期提取算法

摘　要 基音周期的提取在语音信号处理领域有着广泛的应用。受基于归一化自相关函数基音周期提取算法和多带激励(Multi-Band Excitation, MBE)声码器中基音检测算法的启发,本文提出了一种改进的基音周期提取算法。该算法主要由预处理、时域基音粗估、基音平滑、时变滤波搜索、小数基音周期估计等五个部分组成。实验表明：该算法能达到更高的搜索准确度,得到更加平滑的基音周期曲线;与传统自相关检测算法相比,该算法有很好的抗噪性;     

一种高精度的基音提取方案

为了得到准确的基音曲线,该文提出了一个有效的解决方案,通过利用人工神经网络进行浊音判决,以及计算基音频率时利用基于 自相关函数的动态规划算法,有效地克服了在语音信号清音和无声段错误的基音提取以及在浊音段的2倍频或1／2倍频错判。实验证明,利用 该文提出的方案,可以大大提高基音频率提取的准确度,从而得到非常准确的语音基频曲线。     

基于结构聚类和笔画分析的粘连手写汉字切分

粘连手写汉字的切分是手写汉字切分中亟待解决的问题之一。因此,针对粘连手写汉字提出一种新的切分算法。该算法首先通过寻找分界线的方法来提取粘连笔段,分界线的位置是通过粘连汉字骨架图像的聚类和笔段端点类属可信度的信息来确定的。然后提取粘连笔段并对其进行分析和类型（直线或曲线）判定,从而确定切分点及切分方向。最后利用背景细化算法找到分割曲线。该算法不仅能够很好地适用于两个粘连汉字宽窄不一、含有多个粘连点等粘连情况,而且具有良好的抗噪声效果。     

乐谱图像乐符分割技术*

提出基于图段拓扑关系的谱线删除方法,以避免谱线过删除现象;提出双向游程编码结合使用的符干分割方法,克服了现有方法对复杂音符适应性差、分割结果不完整等缺陷;提出音符先验知识引导下的符头切割与检测算法,以解决粘连符头的切分问题;提出基于块状体分割和特征检测的符梁分割算法,设计了适用于乐谱版面的文字和线条提取算法。该方法应用在乐谱识别系统中分割乐符具有良好的性能,尤其对乐谱内容复杂、乐符排列密集等情况有较强适应能力。     

一种利用声音特性快速切分英文单词音节的算法

从提高单词层的语音识别精度到提供个性化的发音训练,音节切分都有着广泛的应用领域。该文提出了一个利用声音特性对英文单词进行快速音节切分的算法。该方法首先通过对能量和过零率参数的分析,划出粗略的音节边界,然后检测峰值点／谷值点的基音周期参数来做修定。实验结果显示,该算法在速度和精度两方面都有着良好的性能。     

基于定性映射的哼唱音乐旋律提取

根据哼唱旋律提取的特点和定性映射的相关知识,结合基本乐理,提出哼唱片段旋律提取的定性映射模型和算法,包括哼唱旋律音符切分阈值的动态定性判定,以及音符音高确定的动态赋权的定性映射。实验结果表明,该算法不仅能灵活合理地确定音符切分的定性判定基准,同时能够较准确地提取音符音高,并得到哼唱片段的旋律轮廓线。     

一种对粘连英文字符串的快速切分算法研究

就现有英文字符识别技术成熟的条件下,字符串的切分成为非常关键的环节。其中粘连英文字符串的模式尤为复杂,难以用传统的图像处理方法进行准确地分割。针对该问题,文中提出了一种简单快速的切分算法。该算法通过计算图像的背景域,从而提取出上下凹区域,再采用相邻匹配原则和最小面积选择原则最终确定切分域,从而成功提取出切分线进行准确切分。实验结果表明,该算法对英文字符串切分效果良好,尤其对粘连英文字符串也可以得到较好的分割结果,令人满意。     

哼唱检索中一种新颖的基音周期提取算法

在哼唱检索（QBH）研究中,针对乐曲旋律表达方式以及有效的检索匹配算法已有一定的研究成果,但提取哼唱音频信息基音周期的算法研究还不充分。正确提取基音周期,降低哼唱信号基音周期提取过程中引入的误差,是有效提高整个检索性能的关键所在。在充分分析已有的基音周期提取方法基础上,提出了一种短时自相关（ACF）与短时平均幅度差（AMDF）函数相结合的CAA算法,仿真实验证明了新方法的有效性,相对于传统时域算法提取基音周期,准确度有显著提高。     

加权短时自相关函数的基音周期估计算法

语音基音频率的准确检测是语音信号处理的难点之一。提出一种加权短时自相关函数(Autocorrelation Function,ACF)算法提取基音频率。在传统的ACF方法基础上,利用短时平均幅度差函数(Average Magnitude Difference Function,AMDF)的平方对ACF函数进行加权,由此加强短时自相关函数在基音周期倍数处的峰值特性。对提取出的基频曲线做平滑处理。实验结果表明,该方法提高了基音周期检测的准确率。     

基于两级神经网络的连续哼唱特征提取

针对用户以任意字词连续哼唱的情况下,哼唱特征提取中音符分割、音符识别难度大的问题,提出了一种基于两级神经网络的哼唱特征提取方法。第一级采用BP神经网络实现哼唱音符分割,得到独立音符;第二级采用RBF神经网络识别分割出的各个音符,获得音符的MIDI音高值。实验结果表明,该方法能较好地完成哼唱特征的提取,适合于实际哼唱检索系统对连续哼唱的要求。     

一种基于隐马尔科夫模型的波形文件主旋律基频提取算法

哼唱检索中通常以旋律的基频作为音乐特征进行检索,目前研究的哼唱检索系统都是基于MIDI音乐文件。但是,目前存在的MIDI音乐文件的数量非常少,基于波形文件的哼唱检索系统才是未来的发展趋势。本文针对单声道波形文件,研究了一种提取歌曲主旋律基频曲线的算法。该算法将隐马尔科夫模型和“谐波乐器/打击乐器声音分离”模型进行结合。实验表明该算法对主旋律基频提取具有很高的准确率。     

哼唱检索中改进的动态时间规整算法

针对传统动态时间规整算法只考虑音高特征而不考虑音长特征的缺点,提出改进的算法,采用音高差和音长差共同构成算法中的代价函数,在此基础上实现了一个哼唱检索系统的原型。在数据库容量为115首乐曲和118个哼唱片段的测试中,该算法的前10位命中率为81.0%,前3位命中率为72.4%,性能优于4种同类算法。     

一种适用于非特定哼唱方式的起音点检测算法

针对现有音符起音点检测算法对非特定哼唱方式分割效果不佳的现状,提出一种新的基于音高的频谱差异算法。结合哼唱音高的变化特性,利用频谱差异算法、滑动窗平均滤波滤除冗余频谱能量干扰,降低过分割、误分割的检测错误。实验结果表明,该算法的检测准确率达80%,优于现有起音点检测算法。     

基于动态分割和加权综合匹配的音乐检索算法

在模式识别领域中，音乐检索算法由于其易行和高效的特性而得到越来越多的重视。但是音符分割不精确和匹配模版不统一等问题直接影响MIR算法精确度。为解决上述问题，提出基于动态阈值分割和加权综合匹配算法。动态设定幅差步长，根据变化阈值分割音符，以提高音符分割的准确性。采用标准乐谱频率，转换音高模板实现输入归一化，以增强匹配的精确性。融合直接匹配和DTW匹配，以加强算法适应性和鲁棒性。最后由实验证明该方法的有效性。     

Pitch Detection Enhancement Employing Music Prediction

Pitch detection methods are widely used for extracting musical data from digital signals. A review of those methods is presented in the paper. Since musical signals may contain noise and distortion, detection results can be erroneous. In this paper a new method employing music prediction to support pitch determination is introduced. This method was developed in order to override disadvantages of standard pitch detection algorithms. The new approach utilizes signal segmentation and pitch prediction based on musical knowledge extraction employing artificial neural networks. Signal segmentation allows for estimating the pitch for a single note as a whole, therefore suppressing errors in transient and decay phases. Pitch prediction helps correcting pitch estimation errors by tracking musical context of the analyzed signal. As it was shown in the experimental results, pitch estimation errors may be reduced by using both signal segmentation and music prediction techniques.     

哼唱音符划分技术研究

哼唱音乐一般是一种波形文件,这样的格式并不利于检索和查找。在使用哼唱音乐检索音乐内容时,需要将哼唱文件转换为音高和时值的形式,作为检索关键字。这些步骤都建立在哼唱已经被按音符切分的基础上。论文采用一种基于振幅能量的多层次音符切分方法,实现对哼唱文件的快速切分。基于能量的划分方法具有简便快速的特点。分层次的划分方法能够针对各种不同音符情况,采用最合适的方法切分。论文还讨论了一种基于音高识别技术的音符划分方法。     

Note segmentation and quantization for music information retrieval

Much research in music information retrieval has focused on query-by-humming systems, which search melodic databases using sung queries. The database retrieval aspect of such systems has received considerable attention, but query processing and the melodic representation have not been examined as carefully. Common methods for query processing are based on musical intuition and historical momentum rather than specific performance criteria; existing systems often employ rudimentary note segmentation or coarse quantization of note estimates. In this work, we examine several alternative query processing methods as well as quantized melodic representations. One common difficulty with designing query-by-humming systems is the coupling between system components. We address this issue by measuring the performance of the query processing system both in isolation and coupled with a retrieval system. We first measure the segmentation performance of several note estimators. We then compute the retrieval accuracy of an experimental query-by-humming system that uses the various note estimators along with varying degrees of pitch and duration quantization. The results show that more advanced query processing can improve both segmentation performance and retrieval performance, although the best segmentation performance does not necessarily yield the best retrieval performance. Further, coarsely quantizing the melodic representation generally degrades retrieval accuracy.