改进的基音检测方法及在音乐检索中的应用

基音检测是音频分析和基于内容的音乐检索中的关键技术,是基于内容音乐检索中实现哼唱检索的基础。提出一种改进的自相关函数(autocorrelation function,ACF)方法进行基音检测。从对音频信号进行去噪预处理、清浊音判断及后处理等方面对ACF进行改进,使之能够生成规整的音高变化曲线。在音乐检索的实现中,提出一种有限长度的最长公共子序列(Local Longest Common String,LLCS)方法,该方法可有效解决传统方法存在的误检问题。开发实现了一个通过哼唱/歌唱进行歌曲检索的原型系统。对大量的歌曲哼唱的实验表明,提出的改进ACF算法和LLCS算法对于提高检索正确率是正确有效的。

基于频域卷积信号盲源分离的乐曲数据库构建

将通过频域卷积信号盲源分离算法从MP3歌曲音频信号中分离出人声主唱信号,再从人声主唱信号中提取出能够表征歌曲的旋律特征构建哼唱检索系统的歌曲数据库。盲源分离要求观测信号数目不小于源信号数目,因此先用小波多分辨率分析构造一路观测信号,再用频域独立成分分析(FDICA)实现MP3歌曲音频信号的盲源分离(BSS)。实验证明,采用FDICA-basedBSS从歌曲MP3中分离出的人声主唱信号的旋律特征与待检索的人声哼唱信号的旋律特征有较高的相似度,可以用歌曲MP3构建哼唱检索系统的歌曲数据库。

音乐检索新方法的研究与实现

为获得更高的检索准确度,在主流检索系统架构的基础上,提出对音频信号处理流程的改进,包括采用改进的YIN算法提取基音序列;提出一种新颖的"小阁"基音后处理方法,实现对基音序列的规整化操作;设计了一种旋律轮廓的标记办法和模糊匹配方法,并定义了一种相似度的衡量体系,最后完成音乐检索原型系统的开发.实验结果表明,新的处理流程对于检索准确度的支持好于自相关函数、中值滤波和编辑距离匹配算法,实现了对传统基于内容音乐检索方法的改进.