利用互信息实现音乐风格的分类

提出了一种基于相对音高和相对时延表达音乐旋律的模型,这种模型能够更好地反映不同演奏方式下的同一旋律型。基于上述表达模型提出的音乐风格分类算法通过旋律互信息度量音乐风格,同Unigram和Bigram模型的切分算法具有相近的时间复杂度,能够更好地支持具有多种音乐风格的乐曲分类。     

基于贝叶斯网研究自动作曲中音高的表示和推理

自动作曲或称算法作曲是利用计算机进行自动或半自动的音乐创作过程。算法作曲的关键之一是生成音高。然而,不确定性是音乐本身固有的特征。贝叶斯网是不确定性知识的表示和推理的典型工具,已经成功应用到很多领域。在MIDI格式的基础上,利用贝叶斯网在算法作曲中生成音高,首先建立一个关于音高的贝叶斯网模型并基于此模型建立知识库。其次,基于贝叶斯网对音高进行推理,生成给定节拍处的每一个音的音高。实验表明,所提出的音高推理方法是可行的。     

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.     

基于特征旋律挖掘的二阶马尔可夫链在算法作曲中的研究与应用

算法作曲是如今国内外许多研究者和作曲家都十分关注和颇感兴趣的一个新兴交叉学科研究领域。本文首先针对算法作曲领域内已有的各类研究做了资源整合、归纳,接着在此基础上,结合平时的探究与思考尝试设计和提出一种新的用于音乐片段分析与特征旋律挖掘的ISM(Interval Sequence Mining)算法,即音程序列挖掘算法。该算法是从用于关联规则挖掘的Apriori算法思想中获得启发,结合相关乐理知识和作曲家作曲的心理过程来进行设计的,它以挖掘到的音乐片段中出现次数最多并相对较长的音程子序列作为该音乐片段的特征旋律。本文进一步将该算法和二阶马尔可夫链模型相结合,用实验验证了其在生成具有给定训练乐曲音乐风格的新音符序列时的有效性,并以二者结合的方法探索性地创作了一曲名为《巴赫创意变奏曲》的新音乐小品,在算法作曲领域中做了一次新的尝试。     

改进音高轮廓创建和选择的旋律提取算法

针对复调音乐中不同声源的相互干扰而导致同一声源音高序列的不连续,从而降低音高估计精度的问题,提出改进音高轮廓创建和选择的旋律提取算法。算法首先计算时频谱中每一点的音高显著性,并提出基于听觉流线索和音高显著性的连续性创建音高轮廓;为了进一步选择旋律音高轮廓,随后提出根据伴奏的重复特性去除非旋律音高轮廓,主要采用动态时间规整算法计算旋律和非旋律音高轮廓间的相似度;最后,提出利用相邻音高轮廓的长时关系检测旋律音高轮廓中的倍频错误,并平滑旋律音高轮廓形成旋律音高线。在数据集ORCHSET上进行仿真实验,结果表明所提出的改进算法比改进前提高了2.86%的音高估计精度和3.32%的总精度,可有效解决音高估计问题。     

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。     

学前儿童乐曲的计算机生成研究

对学前儿童乐曲的计算机生成方法进行了研究,将乐谱转化为音频文件并构建软件乐器.首先建立振动模型,在此基础上,建立音色模型,包括振幅包络子模型和频谱子模型.对乐谱中的信息,包括音高、调号等进行编码,建立表示绝对音高与相对音高、调号之间关系的音高模型.利用音高模型和十二平均律完成相对音高到振动频率的映射,再利用音色模型生成WAV音频文件.与传统的演奏结合录制生成音乐的模式相比,该方法可节省演奏的人力成本和硬件乐器的物力成本,提高音质和产出效率,并享受众多的创意,更能满足学前儿童的需求.     

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．     

一种基于遗传算法的自动生成创意曲动机的方法

遗传算法作曲就是利用遗传算法来实现乐曲的生成,在创作的过程中遗传算法按照事先给定的规则进行进化,从而使得人在计算机创作的过程中介入程度达到最小。动机是巴赫创意曲中的核心旋律和主题,文中采用遗传算法对创意曲中动机的自动生成进行了探讨。介绍了遗传算法创作动机的基本过程,即按照动机创作的音乐知识规则来设置适应度函数,采用遗传算法中的选择、交叉和变异算子产生动机片段,最终达到生成自动生成动机片段的效果。     

一种基于遗传算法的自动生成创意曲动机的方法

遗传算法作曲就是利用遗传算法来实现乐曲的生成，在创作的过程中遗传算法按照事先给定的规则进行进化，从而使得人在计算机创作的过程中介入程度达到最小。动机是巴赫创意曲中的核心旋律和主题，文中采用遗传算法对创意曲中动机的自动生成进行了探讨。介绍了遗传算法创作动机的基本过程，即按照动机创作的音乐知识规则来设置适应度函数，采用遗传算法中的选择、交叉和变异算子产生动机片段，最终达到生成自动生成动机片段的效果。     

基于音乐旋律轮廓的特征提取算法

提出了一种基于音乐旋律轮廓的特征提取算法。该算法从哼唱片断中提取出歌曲基音序列,经规整、合并、分段后转化为旋律轮廓序列,然后使用标准音调生成的标准音调差值表将此序列转化为旋律轮廓特征。结果表明,该系统对环境噪声有较好的鲁棒性;在含有405首歌曲的搜索空间中,检索前5位成功率超过90%。     

基于分层次聚类的MIDI音乐主旋律提取方法

为了准确提取多音轨MIDI主旋律,同时减小主旋律分布在乐器音轨或音高较弱部分所产生的提取误差,提出了基于分层次聚类的多音轨MIDI主旋律提取方法。首先解析MIDI音乐文件,然后去除每一音轨中的控制音符和不包含旋律信息的音轨,通过归并到文该文件中的具有音高柱状图特征的音符集,从而提取出主旋律。通过与人工标识结果的实验进行比较,表明该提取主旋律方法的准确性。     

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。     

Music snippet extraction via melody-based repeated pattern discovery

In this paper, we present a complete set of procedures to automatically extract a music snippet, defined as the most representative or the highlighted excerpt of a music clip. We first generate a modified and compact similarity matrix based on selected features and distance metrics, and then several improved techniques for music repeated pattern discovery are utilized because a music snippet is usually a part of the repeated melody, main theme or chorus. During the process, redundant and wrongly detected patterns are discarded, boundaries are corrected using beat information, and final clusters are also further sorted according to the occurrence frequency and energy information. Subsequently, following our methods, we designed a music snippet extraction system which allows users to detect snippets. Experiments performed on the system show the superiority of our proposed approach. Supported by the National Natural Science Foundation of China (Grant No. 60873098)     

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。     

基于序列模型的音乐词曲匹配度智能评估算法

情感匹配模型是一种常用于评价词曲匹配程度的方法;然而,单纯地依靠情感匹配模型无法对评价词曲匹配度进行准确的评价。为改善此问题,提出了基于序列模型的词曲匹配度智能评估算法,其综合考虑词曲情感和词曲间节奏关系以给出一个更加准确的词曲评估方法。基于公开词曲同步数据集,构建了音乐情感和节奏正反例模型,并基于此模型将音乐切分成片段;进一步,将歌词和旋律片段分别通过歌词编码器和旋律编码器进行编码,并将编码后具有上下语境的歌词特征和旋律特征输入词曲匹配解码器,解析词曲间特征关系,判断词曲片段匹配程度。仿真结果表明:基于序列模型的词曲匹配度智能评估算法,相对于单纯的情感匹配模型,能够更精确地评价词曲匹配程度,验证了本文提出算法的有效性。