隐式特征和循环神经网络的多声部音乐生成系统

音乐生成是一种使用算法来生成音乐序列的研究。本文针对音乐样本特征提取以及自动作曲问题提出了一种基于音乐隐式特征和循环神经网络（recurrent neural network, RNN）的多声部音乐生成算法。该方法通过使用栈式自编码器对多声部音乐序列每个时间步的音符隐式特征进行提取,结合长短期记忆循环神经网络（long short-term memory, LSTM）,以序列预测的方式搭建了基于隐式特征的音乐生成模型。仿真结果表明,该音乐生成算法在使用相同风格的音乐数据训练后,得到的模型可以生成旋律与和弦匹配较好的多声部音乐数据。     

基于Transformer的多轨音乐生成对抗网络

符号音乐的生成在人工智能领域中仍然是一个尚未解决的问题,面临着诸多挑战。经研究发现,现有的多音轨音乐生成方法在旋律、节奏及和谐度上均达不到市场所要求的效果,并且生成的音乐大多不符合基础的乐理知识。为了解决以上问题,提出一种新颖的基于Transformer的多音轨音乐生成对抗网络（Transformer-GAN）,以乐理规则为指导来产生具有高音乐性的音乐作品。首先,采用Transformer的译码部分与在Transformer基础之上改编的Cross-Track Transformer（CT-Transformer）分别对单音轨内部及多音轨之间的信息进行学习;然后,使用乐理规则和交叉熵损失相结合的方法引导生成网络的训练,并在训练鉴别网络的同时优化精心设计的目标损失函数;最后,生成具有旋律性、节奏性及和谐性的多音轨音乐作品。实验结果表明,与其他多乐器音乐生成模型相比,在钢琴轨、吉他轨及贝斯轨上,Transformer-GAN的预测精确度（PA）最低分别提升了12%、11%及22%,序列相似度（SS）最低分别提升了13%、6%及10%,休止符指标最低分别提升了8%、4%及17%。由此可见,Transformer-GAN在加入了CT-Transformer及音乐规则奖励模块之后能有效提升音乐的PA、SS等指标,使生成的音乐质量整体上有较大的提升。     

基于数字水印和加密技术的Internet音乐保护

提出了一种基于数字水印和加密技术的Internet音乐保护方法,并针对两种适用于Internet在线传输的音乐格式：压缩音乐和MIDI,提出了两种快速和鲁棒性强的数字水印加入方法,以保护Internet在线音乐的知识产权。对于压缩音乐,采用部分解压来加入水印且加入方法与音乐内容紧密相关;对于MIDI,水印被加在一些虚拟音符中,这些虚拟音符随机地隐藏在MIDI音符中。     

基于差分全相位MFCC的音符起点自动检测

针对现有的音符起点自动检测方法难以适用于多类音乐信号,计算复杂度较高等问题,提出一种基于差分全相位MFCC的检测算法。通过全相位预处理减小频谱泄露引起的频谱模糊,差分Mel频率倒谱考虑人耳对音乐不同频率响应的非线性特性和音乐信号的动态音乐特征。实验结果表明,与公认综合检测效果好的HFC和ICA等方法相比,该方法计算复杂度小,适用音乐信号类型广,具有更优的综合检测性能。     

基于增强AlexNet的音乐流派识别研究

针对机器学习模型对音乐流派特征识别能力较弱的问题,提出了一种基于深度卷积神经网络的音乐流派识别(DCNN-MGR)模型。该模型首先通过快速傅里叶变换提取音频信息,生成可以输入DCNN的频谱并切割生成频谱切片。然后通过融合带泄露整流(Leaky ReLU)函数、双曲正切(Tanh)函数和Softplus分类器对AlexNet进行增强。其次将生成的频谱切片输入增强的AlexNet进行多批次的训练与验证,提取并学习音乐特征,得到可以有效分辨音乐特征的网络模型。最后使用输出模型进行音乐流派识别测试。实验结果表明,增强的AlexNet在音乐特征识别准确率和网络收敛效果上明显优于AlexNet及其他常用的DCNN、DCNN-MGR模型在音乐流派识别准确率上比其他机器学习模型提升了4%~20%。     

基于熵和支持向量机的音乐分类方法

音乐分类研究已经持续多年,但目前检索效率并不理想. 提出了一种基于熵和支持向量机的音乐分类方法. 利用滤波器把音乐片段分解成不同的频率通道,然后通过离散傅里叶变换转换为频谱图后计算信息熵,并使用支持向量机在四个类别的音乐集上进行训练和测试. 同时,比较了三种不同的滤波器,其中Bark滤波取得了80%的识别率,实验结果表明其比使用MFCC特征分类效果要好.     

基于多对抗训练的古诗生成方法

目前许多古诗生成方法离人类创作的水平仍有较大的差距,尤其是在主题关联性及诗句的语义方面。为弥补现有方法的不足,提出一种多对抗训练的古诗生成框架。以融合了注意力机制并采用双编码器的序列到序列模型作为古诗生成器,以层级RNN和TextCNN组合的多判别模型指导古诗的生成,同时基于策略梯度进行多对抗训练。在古诗意象数据集上进行实验表明,相较于已提出的方法,基于多对抗训练的古诗生成方法有效提升了诗句与意象词之间的关联性,古诗所表现的语义内涵也更加丰富。     

深度学习在符号音乐生成中的应用研究综述

符号音乐生成是音乐信息检索领域中的一个重要任务。对基于深度学习的符号音乐生成进行了全面总结，并对已有方法进行分类、分析和比较。详细介绍了符号音乐生成研究现状及其任务。阐述符号音乐表征及编码方法，并重点对基于深度学习的模型进行归纳比较与分析，根据不同的基础架构分为三类。阐述并归纳符号音乐生成领域的评价标准及数据集等资源，对代表性模型的性能进行评估对比。指出该领域目前存在的问题并提出相应的展望。     

基于ARM与Linux的音乐相册设计

普通的音乐相册通常只适合在计算机或移动端上展示和播放，无法满足某些特定场景的应用需求。因此，基于Cortex-A53为核心处理器的硬件平台和嵌入式Linux操作系统软件平台开发了一款音乐相册软件，用户通过点击触摸屏选择音乐相册的展示方式，有单张图片展示、带背景音乐的单张图片展示、带背景音乐的图片轮播以及音乐播放4种工作模式，适用于博物馆、展览中心、客厅或卧室等场景的图片展示。     

基于工业PC的音乐喷泉控制系统

结合某大型音乐喷泉控制系统的改造工程,介绍一种基于工业PC的音乐喷泉控制系统,该系统运行于windows平台,充分利用了计算机多媒体技术和现代工控机技术,具有水型可编辑,适用不同曲目的优点.