欢迎来到天天文库
浏览记录
ID:32677782
大小:828.21 KB
页数:46页
时间:2019-02-14
《基于midi哼唱检索算法地研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名:签字日期:年月日学位论文版权使用授权书本学位论文作者完全了解江西师范大学研究生院有关保留、使用学位论文的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权江西师范大学研究生院可以将学位论文的全部或部分内容编入有关数据
2、库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名:导师签名:签字日期:年月日签字日期:年月日II摘要随着多媒体技术的发展,以音频、视频和图像信息为主体的多媒体信息逐步取代了文本信息。基于文本标记的传统信息检索技术难以实现对多媒体信息的检索,如何有效、快速地检索多媒体信息,成为搜索引擎发展中迫切需要解决的问题。基于内容的音乐信息检索(ContentBasedMusicInformationRetrieval,CBMIR)是根据音乐的内在属性,提取出音乐的特征向量(含节奏、旋律和音强等),构建音乐特征数据库;以
3、乐谱、自然哼唱等形式提交检索项,将提取的特征向量与音乐特征数据库进行比较计算相似度,实现检索匹配。哼唱检索(QueryByHumming,QBH)作为一种最直接、最自然的输入方式,自然成为基于内容检索技术的研究重点,并具有广泛的应用前景。哼唱信号处理、音乐特征数据库构建和检索匹配算法是研究的重点。研究哼唱检索信号处理流程,介绍了信号预处理、参数提取及基于能量和音高变化的音符分割算法,针对哼唱信号,重点分析信号特征,并依此提出了改进的音符分割算法;分析MIDI音乐文件结构和MIDI旋律信息提取算法,构建了<音高差,音长差,音符时长,音符间隔>的旋律表示方式,能够有效克服音符连音和
4、音符间隔的问题;介绍4种常用的检索匹配算法,并针对动态时间规整算法,重点从哼唱时出现的音符连音哼唱及音符间隔等两个方面进行改进,根据音符连音时的特点及音符间隔对检索匹配位置的作用,改进了动态时间规整算法。在哼唱检索平台上测试了改进的音符分割算法和动态时间规整算法,实验结果表明改进算法的有效性。关键词:哼唱检索,音符切分,动态时间规整,MIDI,音高IIIAbstractWiththedevelopmentofmultimediatechnology,themultimediainformationsuchasaudioandvideoandpicturewillgraduall
5、ytaketheplaceofthetextinformation.Thetraditionalsearchenginebasedonlabeledcannotretrieveformultimedia.Howtoretrieveforthemeffectivelyandquicklyisthemosturgentlyproblemneededtosettleinthedevelopmentofsearchengine.Contentbasedmusicinformationretrievalextractsmusicalfeaturevectors(rhythm,melody
6、,Intensityetc.)basedonrealcharacteristicsofmusic,andconstructsfeaturedatabaseofmusic.Itacceptstheinputsofmusicscoreorhumming,andcalculatesthesimilarlyoffeaturevectorsfromhumminganddatabase.Asthemostdirectlyandnaturallyinputmode,querybyhumminghasbecomethefocusandhaswidelyapplicationprospect.Q
7、uerybyhummingmainlyinvolvessignalprocessingofhumming,constructingfeaturedatabaseofmusicandretrievalalgorithm.Firstly,itintroducestheflowchartofprocessing,pre-processingofsignalandnotesegmentationbasedonenergyandpitchvariable.However,animprovednotes
此文档下载收益归作者所有