一种用关键乐段对音乐进行检索的方法

"用关键乐段检索音乐"是一种基于内容的音乐检索方法。该文在对音乐库做了统计分析的基础上,总结了一些启发式规则,帮助对哼唱输入进行基音检测、音符分割,音乐匹配,从而实现通过内容对音乐进行检索,并初步论证了所提方法的有效性。     

哼唱检索中一种新颖有效的哼唱信息处理方法

在基于哼唱的音乐检索系统的研究中，对哼唱输入与数据库进行合理的近似匹配以及有效的检索方法的研究不断深入，但对于哼唱音频信息的有效处理以提取准确有效的旋律特征信息构造查询的研究还不充分。本文在已有的哼唱信息处理方法之上，提出了一种结合了哼唱语音信号增强技术以及时域与频域处理技术的哼唱转谱方法，包括采用了分级音符分割方法、基于规则的音高跟踪方法，并提出一种合理的旋律特征表达的中问格式，用于哼唱查询构造。实验结果证明了这种时哼唱信息转谱处理新方法的有效性和准确性。通过降低哼唱转谱过程中引入的误差，进而可以有效地提高整个音乐检索系统的性能。     

一种新型的音乐信息检索索引方法及其应用

提出一种新型的音乐信息检索索引方法,并将其应用于哼唱检索系统上,获得可喜的成果。该方法根据音乐旋律的特点,使用音高和音长描述一段乐曲。考虑到各种音乐输入方式存在的音高不一致性和节奏伸缩性,系统根据乐曲旋律特征的总体变化,将平均音高差和平均音长变化百分比作为关键字建立M树索引结构。由于各类输入旋律常常存在误差,本文定义一定的搜索半径,查找半径范围内与输入的音乐片断最相似的音乐文件。实验结果表明,该结构可以使系统提高60%以上的检索速度,并且搜索结果的正确率最高仍然可达80%。     

一种改进的哼唱式音乐检索方法

针对哼唱式音乐检索的非准确性,本文提出了一种新的旋律表示方法,并根据旋律的表示采用了两次匹配算法,将相似度最高的乐曲输出。实验结果表明,该方法提高了哼唱式音乐检索的准确率。     

一种哼唱检索的新方法

文章提出了一种近似旋律匹配的新方法--线性对齐匹配法.与已有的基于内容的音乐检索不同,该算法并非基于近似符号串匹配、统计模型或者特征空间,而是根据相近旋律的音高轮廓在几何上的相似性,将音高和节奏特征一并考虑设计而成的全新算法.在含有1652首乐曲的搜索空间中,检索57段人声哼唱,该方法取得了93%的前3位命中率.这一实验结果表明了线性对齐匹配法的有效性,及其应用于大型数字音乐检索引擎的可行性.     

音乐检索中哼唱找歌的新方法

提出了一个通过哼唱曲调从音乐库中搜索出所需歌曲的方法.由于在哼唱中引起的误差是不可避免的,所以应该考虑留有一定的冗余度.为了适应人们的哼唱习惯,给出了一个新的曲调表示法和新的分级匹配方法.详细描述了检索处理和数据库处理的算法.新的方法在实验评估中发挥了很高的效率.     

基于哼唱的音乐检索应用系统

通过研究哼唱旋律基频提取和检索算法,给出了一个完整的基于哼唱的音乐检索系统框架。系统主要分析了旋律特征提取和近似旋律匹配部分。旋律特征提取部分采用基于差分Mel倒谱法求基频;旋律匹配部分对经典的动态时间弯折算法原理分析后,根据声音特征引入音长差序列的余弦相似度,提高了检索效率和精度。在340首MIDI歌曲的测试集上,前三位识别效率提高3.7%,用时降低16%,系统的性能有明显改善。     

支持得分矩阵的音乐检索技术

作为音乐检索的重要方式,哼唱检索由于其有效性和方便性,引起了广泛的关注。对此提出了一种新的基于得分矩阵的音乐哼唱快速检索技术,可以实现哼唱音乐的快速检索。首先根据哼唱音乐特征,将音乐数据库和用户提供的哼唱片段,按自然停顿方式划分音乐的语句,同时使用K-means聚类算法对音乐的语句片段进行音高相似性计算,并根据聚类情况提取出位置特异性得分矩阵。此外,基于得分矩阵提出NA匹配算法和两种加速分段计分方法,分别是顺序前瞻计分SLS算法和置换矩阵前瞻计分PLA算法。实验结果表明所提出的基于得分矩阵的音乐检索技术能够快速有效地返回查询结果,同时PLA算法具有更有效的哼唱音乐检索结果。     

基于内容的音乐检索研究

对音乐的特征表示进行了详细的阐述，详细介绍了乐曲相似性度量方法，并字符串编码方法对音乐特征进行编码，然后使用蛋白质序列局部比对方法对2239首中国乐曲和3960首西方乐曲的音乐库进行大量的检索实验。获取了大量的实验数据，对实验结果进行分析，并取得了较好的检索性能。最后针对音乐检索过程中的每次比对都相互无关的特点，具有可以很好地进行并行化特性，对算法进行并行化，实现在4台高档微机构成的群集上进行了并行检索实验，其检索时间约为串行检索时间的1／4，有很高的加速比。     

一种新的近似旋律匹配方法及其在哼唱检索系统中的应用

提出了一种近似旋律匹配(approximate meltlody matching)的新方法——线性对齐匹配法,并在此基础上实现了一个哼唱检索(queryby humming)系统原型．与已有的基于内容的音乐检索(content-based music retrieval)不同,该算法并非基于近似符号串匹配、统计模型或者特征空间,而是根据相近旋律的音高轮廓在几何上的相似性,将音高和节奏特征一并考虑所设计而成的全新算法．通过实验检验该算法的有效性,在含有3864首乐曲的搜索空间中,检索62段人声哼唱,线性对齐匹配法取得了90．3％的前3位命中率,相比传统的近似符号匹配算法高出11％以上．这一实验结果有力地表明了线性对齐匹配法的有效性,及其应用于大型数字音乐检索引擎的可行性．     

音乐检索特征库构建方法

合理的音乐特征库构建方法对于实现准确音乐检索具有重要意义.以基于内容音乐检索框架为基础,将音乐特征库的构建分为采用基音提取方法建库、采用乐谱信息建库和采用MIDI分析方法建库3种方式,并提出一种基音提取及后处理方法和MIDI分析方法实现音乐特征库的构建.实验结果表明,这两种建库方法是正确有效的,可以准确、快速地实现音乐特征库的构建.     

交互式音乐类比生成

类比生成是计算机生成自然和创造性音乐作品的一种关键方法.使用类比生成能够将高层次的音乐特征从一个作品转移到另一个.为了在进行高效类比的同时也能够控制音乐的特征属性,提出了一种新型的显式特征解耦的编解码模型,由编码器解开以和弦为条件的音乐片段的音高和节奏表示,并用解码器还原成原始的音乐.在进行音乐类比生成时,该模型能够使一个作品借用其他作品的表现形式,用不同的音高轮廓、节奏模式进行创作.另外,得益于可视化的特征编码方式,该模型可以对不同的特征属性进行直观控制.     

Robust Polyphonic Music Retrieval with N-grams

In this paper we investigate the retrieval performance of monophonic and polyphonic queries made on a polyphonic music database. We extend the n-gram approach for full-music indexing of monophonic music data to polyphonic music using both rhythm and pitch information. We define an experimental framework for a comparative and fault-tolerance study of various n-gramming strategies and encoding levels. For monophonic queries, we focus in particular on query-by-humming systems, and for polyphonic queries on query-by-example. Error models addressed in several studies are surveyed for the fault-tolerance study. Our experiments show that different n-gramming strategies and encoding precision differ widely in their effectiveness. We present the results of our study on a collection of 6366 polyphonic MIDI-encoded music pieces.     

基于相对特征的音乐哼唱多句检索算法*

面对海量音乐数据,如何在基于内容检索时对其建立索引、提高检索速度是一个非常重要的研究内容。以句为单位对音乐内容提取特征并建立索引时,库中保存的是音乐旋律的相对特征,但用户在哼唱检索时,有时会哼唱一段包含多句的音乐来检索,这时就需要生成多句特征。针对此本文提出单句特征和多句转换及匹配问题的解决方案并应用于检索系统中,获得了较好的检索效果,相关成果也可应用于具有相似结构的时间序列数据的检索系统中。     

哼唱检索中联合音高与能量的音符切分算法

为改善哼唱检索系统中利用旋律轮廓和节奏进行匹配的性能,提出一种新的联合音高与能量的音符切分算法。该算法改进基于自相关的基音提取算法,对提取的基音频率曲线进行后处理,并在切分过程中保持能量的分割信息,利用半音曲线的突变做切分,以提高音符切分的准确度。实验结果表明,在安静实验室环境下,该算法能获得88.75%的分割准确度。     

一种改进的基于音高显著性的旋律提取算法

针对复调音乐中不同声源的相互干扰导致的同一声源音高序列不连续，利用音高显著性的连续性和高次谐波的稳定性，提出基于音高静态似然性函数和音高显著性动态似然函数的创建音高轮廓方法；在提取旋律音高轮廓之前，为了利用不同声源音色的不一致性，提出计算音高轮廓的梅尔频率倒谱系数作为音色特征以及从音高轮廓的各次谐波幅度中计算音色特征。改进算法在RECHSET音乐数据集上进行仿真实验，结果表明达到了62.04%的音高估计精度和55.08%的总精度。