資源描述：
《音樂(lè)特征分析及其在音樂(lè)檢索中的應(yīng)用——基于哼唱的音樂(lè)檢索》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、上海交通大學(xué)碩士學(xué)位論文音樂(lè)特征分析及其在音樂(lè)檢索中的應(yīng)用——基于哼唱的音樂(lè)檢索姓名：薛振武申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：信號(hào)與信息處理指導(dǎo)教師：周軍20081201上海交通大學(xué)碩士學(xué)位論文摘要在特征匹配方面，雖然目前常用的動(dòng)態(tài)時(shí)間規(guī)整算法能夠?qū)崿F(xiàn)時(shí)間對(duì)準(zhǔn)，可以糾正哼唱輸入的時(shí)間誤差，但是哼唱輸入除了時(shí)間誤差外還有音調(diào)誤差，本文對(duì)動(dòng)態(tài)時(shí)間規(guī)整算法進(jìn)行了改進(jìn)，引入了高度(音調(diào))動(dòng)態(tài)調(diào)整，在特征匹配的過(guò)程中動(dòng)態(tài)調(diào)整哼唱輸入的音調(diào)高低，使之能夠糾正哼唱輸入的音調(diào)誤差，提高了特征匹配的準(zhǔn)確性。另外考慮到特征匹配的算法復(fù)雜度太高，本文引入了可變長(zhǎng)搜索，它在已知
2、匹配起點(diǎn)后能夠一次得到匹配的長(zhǎng)度，簡(jiǎn)化了搜索的復(fù)雜度，從而提高了檢索的速度。在使用本文提出和改進(jìn)的算法對(duì)2250首wav格式的音樂(lè)組成的音樂(lè)庫(kù)和100首哼唱輸入進(jìn)行的實(shí)驗(yàn)中，Top10的準(zhǔn)確率達(dá)到87%，Top5達(dá)到70%，Top3達(dá)到59%，而Top1也達(dá)到36%，證明了本文提出的基于基頻矩陣的基音提取算法以及改進(jìn)后的動(dòng)態(tài)時(shí)間規(guī)整算法是可行而且有效的。關(guān)鍵詞：基頻矩陣，動(dòng)態(tài)時(shí)間規(guī)整，高度動(dòng)態(tài)調(diào)整，可變長(zhǎng)搜索上海交通大學(xué)碩士學(xué)位論文ABSTRACTMUSICFEATUREANALYSISANDITSAPPLICATIONINCONTENT-BA
3、SEDMUSICRETRIEVAL——MusicRetrievalByHummingABSTRACTWiththerapidgrowthoftheInternetandthearrivaloftheinformationera,thequantityofavailabledigitalmusicbecomeslargerandlarger.Nowadaysoninternet,thereareplentyofwebsitesprovidingonlinemusicplayinganddownloadingservices,mostofwhich
4、hasalargecollectionofmorethantensofthousandpiecesofmusic.Eveninapersonalcomputer,thequantityofthemusiccollectedwillusuallyreachseveralthousandpieces.Thesetremendousmusicsgivepeoplemorewonderfulartexperiences,butbringupgreatdifficultiesinmanagementandretrievalofthemusicdataba
5、seatthesametime.Asaresult,intelligentmusicmanagementandretrievalattractmoreandmoreresearchinterest.Musicretrievalbyhummingisamuchsmartersearchingmethod,whichistotallydifferentfromthetraditionaltext-basedone.Ourresearchinthispaperfocusesonmusicretrievalbyhumming.Usuallymusicr
6、etrievalbyhummingcanbedividedintotwosteps:featureanalysis(mostprobablypitchextraction)andfeaturematching(mostprobablydynamictimewarping).Inmentionaboutfeatureanalysis,thefeaturescurrentlyusedinmostmusicretrievalsystemsarealmostpitchesofthesong.Atthissense,featureanalysisiseq
7、ualtopitchextraction.Toresistthedisturbingeffectofbackgroundmusic,theauthorproposesanewpitchextractionalgorithmbasedonthe上海交通大學(xué)碩士學(xué)位論文ABSTRACTfundamentalfrequencymatrix.Thisalgorithmusesthefundamentalfrequencymatrixtoextractpitchesbyfindingthemostpossiblefundamentalfrequencyf
8、romit,thuscanextracttherightpitchofthesongevenwithstrongbackgroundmusicandg
