导读:本文包含了自动识谱论文开题报告文献综述及选题提纲参考文献，主要关键词:自动音乐识谱,多基频估计,多基频流化,最大似然概率
自动识谱论文文献综述
严亮[1]（2016）在《自动音乐识谱技术研究》一文中研究指出自动音乐识谱(AMT)即自动将音乐信号转换成某种乐谱形式的过程,它被认为是音乐信号处理中关键性的问题,但同时也是一个复杂而且具有挑战性的问题,目前对于多音音乐的自动音乐识谱还没有能达到人工识谱效果的系统。自动音乐识谱技术在自动音乐伴奏、高级音乐编辑技术、音乐检索、音乐教学等领域有着广泛的应用。本文将自动音乐识谱过程分为两个主要的子任务:多基频估计与多基频流化,并分别对它们进行研究与改进,下面是本文主要的研究工作与创新点:(1)基于统计模型的多基频估计本文采用最大似然概率的方法来进行多基频估计,以频谱上的峰值点作为观察值,而将基频作为需要估计的参数。在训练模型时,为了充分利用频谱上所有区域的信息,本文对参数模型进行修改,加入了峰值点以外区域的信息,从而与峰值点区域信息形成互补,前者被用来确定基频应该出现的位置,而后者被用来确定基频不应该出现的位置。在多基频估计时,针对似然概率估计的基频个数估计问题,本文采用假设谐频序列(HPS)方法,计算谐频的幅值与频谱平滑度,考虑基频组合中谐频间的相互干扰,从而根据频谱能量与平滑性选择最优的基频组合。最后采用相邻帧的关系来进行后处理。实验结果表明相关的改进和后处理可以取得更好的多基频估计效果。(2)基于音色特征的多基频流化本文采用基于音色特征的方法来进行多基频流化,将其建模为一个受约束的聚类问题。并且以梅尔倒谱系数特征(MFCC)、谐频结构特征(HS)、普通倒谱特征(OC)、离散倒谱特征(DC)作为音色特征进行研究。为了保证相同乐器源所关联的音色特征具有相似性,而不同的乐器源所关联的音色特征具有更好的区分度,本文对DC特征进行改进,并提出一个新的特征,离散均匀倒谱特征(UDC),实验结果发现UDC特征可以取得更好的效果。同时在聚类算法的初始化时,不同于传统的采用随机初始化来聚类,本文采用按基频大小顺序来进行初始化聚类。通过实验发现,在结果相当的情况下,可以大幅度减少算法的迭代次数,从而提高算法的效率。(本文来源于《电子科技大学》期刊2016-03-31）
刘林[2]（2008）在《自动音乐识谱系统中的音符检测与流派分类》一文中研究指出本文主要关注的内容是如何实现音乐的自动识谱。识谱是指音乐倾听者在听音乐的过程中,识别该音乐的乐谱信息并记录下来的过程;所谓的自动识谱指的是计算机扮演音乐倾听者的角色,完成上述分析和记录乐谱的任务。在自动识谱的过程中最重要乐谱信息是音符和所使用的乐器种类。本文的工作主要集中于自动识谱过程的音符识别和乐器种类的分析:●音符最重要的属性就是音高。本文在比较研究五种经典的音高提取算法后,提出基于生理声学的音高检测算法。本文通过比较分析五种经典的音高检测算法,包括HPS(Harmonic Product Spectrum)、Cepstrum、CBHPS(Cepstrum BiasedHPS)、最大似然(Maximum Likelihood)和自相关(Autocorrelation)算法,认识到为了进一步完善音高提取的准确度,同时为了能够满足大规模音乐分析系统的效率需求,需要具有较强抗噪声能力的算法,因此本文将效率较高的自相关算法应用到仿造人耳听觉特性构造的临界频带,提出了基于生理声学的音高检测算法。该算法能够在既保证音高提取的较高时间效率,同时又进一步提高了音高提取的准确率。●在提取出音高之后,为了提高音符识别的准确度,本文提出了音高和音值相结合的互纠算法。在目前的音乐分析领域中,尚没有非常好的专门针对音符音值的检测算法,而广泛采用的起始点(onset)检测算法又不能理解音符的物理含义,故无法准确定位音符的起始和终止点(offset),因此本文提出了将音高提取和音值检测结果相互对照和纠正的算法,故称为互纠算法,其结果能在一定程度上提高音符识别的准确度。●采用自下而上(bottom-up)和自上而下(up-bottom)相结合的思想,以音乐的流派(Music genre)信息来辅助识别音乐中所使用的乐器种类,本文仔细比较分析现有的音乐帧、音乐段特征后,选用八个具有最强分类能力的特征来构造贝叶斯网络分类器,其分类效果较之流行的神经网络分类器在准确率上取得了较大的提高。同时本文试验使用的音乐库包含了480首歌曲;其歌曲分别属于6个流派,即Jazz、Rap、Blues、Rock and Roll、Country Music、Cha Cha,具有一定的通用性。(本文来源于《电子科技大学》期刊2008-03-01）
李村合[3]（1995）在《自动识谱背景音乐程序设计》一文中研究指出本文介绍了背景音乐程序设计的一些基本方法,并给出了用Turbo Pascal开发的一个常驻内存背景音乐程序,该程序具有自动识谱功能,可用热键开、关音乐和将程序卸出内存,运行后可给计算机配上背景音乐。(本文来源于《软件》期刊1995年Z1期）
自动识谱论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要关注的内容是如何实现音乐的自动识谱。识谱是指音乐倾听者在听音乐的过程中,识别该音乐的乐谱信息并记录下来的过程;所谓的自动识谱指的是计算机扮演音乐倾听者的角色,完成上述分析和记录乐谱的任务。在自动识谱的过程中最重要乐谱信息是音符和所使用的乐器种类。本文的工作主要集中于自动识谱过程的音符识别和乐器种类的分析:●音符最重要的属性就是音高。本文在比较研究五种经典的音高提取算法后,提出基于生理声学的音高检测算法。本文通过比较分析五种经典的音高检测算法,包括HPS(Harmonic Product Spectrum)、Cepstrum、CBHPS(Cepstrum BiasedHPS)、最大似然(Maximum Likelihood)和自相关(Autocorrelation)算法,认识到为了进一步完善音高提取的准确度,同时为了能够满足大规模音乐分析系统的效率需求,需要具有较强抗噪声能力的算法,因此本文将效率较高的自相关算法应用到仿造人耳听觉特性构造的临界频带,提出了基于生理声学的音高检测算法。该算法能够在既保证音高提取的较高时间效率,同时又进一步提高了音高提取的准确率。●在提取出音高之后,为了提高音符识别的准确度,本文提出了音高和音值相结合的互纠算法。在目前的音乐分析领域中,尚没有非常好的专门针对音符音值的检测算法,而广泛采用的起始点(onset)检测算法又不能理解音符的物理含义,故无法准确定位音符的起始和终止点(offset),因此本文提出了将音高提取和音值检测结果相互对照和纠正的算法,故称为互纠算法,其结果能在一定程度上提高音符识别的准确度。●采用自下而上(bottom-up)和自上而下(up-bottom)相结合的思想,以音乐的流派(Music genre)信息来辅助识别音乐中所使用的乐器种类,本文仔细比较分析现有的音乐帧、音乐段特征后,选用八个具有最强分类能力的特征来构造贝叶斯网络分类器,其分类效果较之流行的神经网络分类器在准确率上取得了较大的提高。同时本文试验使用的音乐库包含了480首歌曲;其歌曲分别属于6个流派,即Jazz、Rap、Blues、Rock and Roll、Country Music、Cha Cha,具有一定的通用性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自动识谱论文参考文献
[1].严亮.自动音乐识谱技术研究[D].电子科技大学.2016
[2].刘林.自动音乐识谱系统中的音符检测与流派分类[D].电子科技大学.2008
[3].李村合.自动识谱背景音乐程序设计[J].软件.1995