基于多基频估计的多声部音乐和声自动编配算法

目前常规的和声自动编配方法主要通过对输入的旋律进行分析,从而提取出音高以及节奏的信息,并根据旋律的具体特点选择合适的和弦进行搭配,由于缺乏对音符矩阵的降维处理,导致编配效果不佳。对此,提出基于多基频估计的多声部音乐和声自动编配算法。首先基于琴键音色样本,训练出音色矩阵,并对其进行降维处理,求解出和声系数向量。然后通过构建三元和弦序列,采用音程差阈值对待编配的和弦序列进行提取,从而实现和弦识别。在此基础上将和声编配过程划分为不同阶段,对不同阶段的最优规划解进行求解,从而输出和声编配结果。在实验中,对提出的方法进行了编配效果的检验。最终的测试结果表明,采用本文提出的方法编配出的和声与作品原和声的拟合程度较高,具备较为理想的和声编配效果。

基于音色模型的多基频估计方法

为了有效解决复调音乐泛音重叠问题,提出了一种基于音色模型的多基频估计方法。分析了音色的时频特征,指出衰退和维持阶段的谐波结构稳定可靠、适合基频估计。根据谐波匹配率和强度筛选候选基频,采用频谱迭代删除的方法确定确切基频。依据最小谐波匹配率删减谱线,应用比例删除机制解决泛音重叠问题。仿真实验和实际乐曲测试结果表明,该方法精度高,可广泛应用于具有稳定谐波结构的音乐信号分析之中。

基于生成对抗网络去影像的多基频估计算法

多基频估计被广泛应用于音乐结构分析、乐音辅助教育、信息检索等各个领域。为了满足准确识别乐曲中随机和弦的需求,提出了基于生成对抗网络去影像的多基频估计算法。首先将完整音频切分成音符段,提出了一种谐音指纹图提取音符段频谱特征;然后通过卷积神经网络识别谐音指纹图当前的主导基频,将已识别出的主导基频作为干扰下一个基频识别的影像,并通过生成对抗网络去除干扰影像,对已去除干扰影像后的谐音指纹图进行新一轮的多基频估计;最后通过逐级迭代去影像操作实现完整和弦的多基频估计。对随机二音和弦及随机三音和弦组成的钢琴音频数据库进行实验,结果表明,所提算法与经典频谱迭代删除算法和大型词袋和弦识别算法相比,能够适应随机和弦的识别,在不同的音域范围内鲁棒性高,整体正确率有明显提升。

基于非负矩阵分解的钢琴多音符估计

提出了一种基于能量谱包络非负矩阵分解的钢琴多音符估计算法。首先对钢琴88个单音片段进行RTFI时频分析,求得对应平均能量谱,经过时序平均、归一化求得平均能量谱包络,拼接成钢琴的单音能量谱包络基矩阵。之后对测试的多音片段,采用同样处理方法求得多音平均能量谱包络,通过非负矩阵分解求得各音符的权重系数,最后通过阈值限定求得多音符估计结果。性能评估实验基于MAPS数据集的UCHO集和RAND集展开,与MIREX中最好的钢琴音乐自动记谱系统相比,本文提出的钢琴多音符估计算法性能有很大幅度的提升。

自动音乐标注系统综述

通过对大量文献资料的查询、阅读和分析,对自动音乐标注系统进行了详细的总结,内容包括自动音乐标注技术的概念和研究内容、系统结构和发展等,并详细总结了其中的关键技术:音符切分和多基频估计,最后对目前的自动音乐标注系统的优缺点进行了总结,并指出了未来该技术的发展方向。在资料整理过程中还发现这是国内外第一篇专门针对自动音乐标注系统进行的综述性文章,具有重要的参考价值。