模糊数学在音乐特征描述中的应用.pdfVIP

模糊数学在音乐特征描述中的应用 刘丹，张乃尧 清华大学自动化系，北京 100084 摘要:人工智能在音乐中的应用己经得到越来越广泛的重视，其中一个很重要的内容就是对输入信号的处 理，即把音乐语言转化为计算机能够识别的语言。由于音乐中含有大量的模糊信息，因此很难用数学模型 表示。本文正是从这一点出发，尝试着把模糊数学应用到音乐特征的描述之中，利用隶属度、模糊集合、 模糊关系、棋糊推理等描述音乐中的音高、调性、和弦、力度、速度以及旋律等组织形式方面的特征。 要娜词:音乐特征 音高 旋律 隶属度 模糊推理 1引言 音乐是一种声音信号，但是同语言和其他具体的声音信号相比，音乐含有更多的模糊 信息。音乐信息的模糊性，决定了音乐欣赏的模糊性。那么如何把这种模糊的信息传达给 计算机，使计算机能够像人一样理解音乐呢?国外己有很多学者在这方面作了大量的研究 工作，如用来分析听众欣赏品味的人工神经网络D1，用于分析音乐风格的专家系统II:，自动 跟踪、预则节奏的节奏分析系统131，使计算机能够像人一样有情感地演奏音乐的自动演奏系 统4[]S[]等。多数研究都是针对音乐的一个或儿个方面的特征而展开，而本文则旨在尝试着对 音乐的主要特征用模糊数学的方法作全面的描述，揭示模糊数学在将人工智能应用于音乐 分析方面的重要惫义。由于不同时代，不同音乐风格的作品，其音乐表现的特点都存在着 很大差异，为了做出一般性的描述，本文把重点放在了西方古典音乐。此外，本文涉及到 的音乐信号都是指MIDI信号，因为它能够提供大量的音乐信息61，便于分析。 本文的第二节主要介绍了音乐的基本特征，即本文的研究对象。第三节阐述了用模糊 集合描述音高、调性以及和弦的方法。第四节主要介绍了隶属度函数对于力度、速度的描 述。第五节介绍了用模糊推理以及模糊关系上的运算来分析旋律的方法。 2音乐的基本特征 音乐的特征包括物理方面的特征和组织形式方面的特征，见表I。对于MIDI信号而言， 音高、速度、力度、音色信息都己包含在MIDI文件中8[1，分别用数字予以表示，而和声、 调性、旋律等综合信息以及快慢、强弱等相对性的概念则没有办法量化，本文正是针对这 一问题，尝试着利用模糊数学的方法对这些非确定性信息进行描述。 304 表1音乐的基本特征门 基本要素 } 基本组织形式 和声 音高 复调 调式和调性 旋律 拍速 速度 节拍 节奏型 力度 音色 I 3对音高和调性的描述 在MIDI文件中，不同的音高用。-127来表示，其中，60代表256Hz的0161。为了表述 得更加直观，可以按照12平均律191对其进行分组，每12个音(一个八度)分为一组，则每 个MIDI音符mpn(midipitchnumber)都可以用音组pe(pitchclass)和音高oct(octave) 表示出来， oct=mpn/12 pc=mpn%12 这样，音高就可以用下列数组表示: (al，a2，,a12) 其中，a,- a,，分别代表一个音组内C- B这12个音名，对应关系列于表2: 表2模糊集合与12平均律中各音名的对应关系 对于传统的二值逻辑，a,- a,:的值仅取1或0，分别表示该位置的音符有或没有· 例1:(1,0,0,0,1,0,0,1,0,0,0,0)表示C大调主和弦。 但是，这种0.1表示方法存在