资源描述：
《毕业设计（论文）-基于余弦距离的哼唱音乐检索算法的设计与实现》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、基于余弦距离的哼唱音乐检索算法的设计与实现学院计算机学院专业计算机科学与技术班级学号姓名指导教师负责教师2010年6月摘要随着多媒体技术的发展，网络音乐日益增多。现在人们己经不满足于通过歌曲名、歌曲的演唱者等一些文本信息来检索。特别是对于那些种类繁多的音乐数据，人们也许只记得一个调子，也许只记得一个片断，如何快速有效的通过旋律来检索相关音乐就成为一个突出问题。本文对基于哼唱的音乐检索进行了相关的研究和实现。本文采用了MicrosoftVisualC++编程技术和MySQLserver数据库，做了如下工作：(1)通过对音乐信号基本理论的研究，提出了利
2、用音高差和音长来描述音乐旋律特征的方法，有效地避免哼唱过程走调问题，因此提高了准确性。(2)对于哼唱音乐片段，通过信号预处理、基音提取、特征提取、特征后处理，实现了从WAV文件中提取音符音高差和音长特征，采用n_gram方法对音高序列进行切分，扩充查询集合以提高查询准确度。(3)确定WAV格式作为数据库音乐的文件存储格式，并建立歌曲的音高差和音长特征库。(4)为提高查询速度，建立整数编码的哈希索引。(5)采用余弦距离旋律匹配算法，从音高差和音长两方面进行旋律匹配，返回查询结果，并计算响应时间。关键词：哼唱检索；特征提取；余弦距离匹配；音高差USD和
3、音长旋律特征IVDesignandimplementofhummedmelodyretrievalbasedonconsinedistanceAbstractWithrapiddevelopmentofmultimediatechnology,alargenumberofonlinemusiccanbeobtainedfromtheInternet.Now,peoplearenolongersatisfiedwithsearchingmusicbasedontextinformationsuchasmusicnameandsinger.Especi
4、ally,withvariouskindsofmusicdata,peoplemightonlyrememberthetuneofasong,orperhapsfragmentofit.Howtoquicklyandeffectivelyretrievemusicdatabymelodyinformationhasbecomeaprominentproblem.Inthisdissertation,themusicretrievalbasedonhummedmelodyisstudied.Inthisdissertation,thehummedme
5、lodyretrievalbasedonconsinedistanceisimplementedwithMicrosoftVisualC++andMySQLserver,andtheconcreteworkisasfollows:Firstly,throughthestudyofmusicsignal,proposingthatpitchintervalandduracionasthemusicmelodyfeature,whichiseffectivetoavoidthepitchchangingaswellasimprovingthemusic
6、retrievalaccuracy.Secondly,forthehummedmelody,extractingthefeatureofmusicmelodyfromWAVmusic’sformatthroughsignalpreprocessing,keynoteextraction,featureextraction,featureextractionpostprocessing.Usingn_gramtosyncopatethepitchintervalinordertoimprovetheaccuracy.Thirdly,makingsur
7、ethatWAVasthemusic’sformatandsetuppitchintervalandduraciondatabase.Forthly,inordertoimprovethespeedofretrieval,thedissertationuseshashindex.Finally,Usingcosinedistancematchingalgorithm,thepitchintervalandduracionasthevectortomatchthenreturntheresult,intheendcalculatingtheretri
8、evaltime.Keywords:hummedretrieval;featureextraction;cosinedis
