基于CQT的多维音乐旋律模型的研究.pdfVIP

基于CQT的多维音乐旋律模型的研究· 许洁萍， 赵阳， 刘怡 (中国人民大学信息学院计算机系，北京 100872) 摘要： 4目前，对于AUDIO的音乐信息检索(MlR)主要是利用音色．节拍等信息而避开了音高 旋律轮廓信息．为了明确描述表示MP3音高内容的特征向量，本文设计了几组听感旋律相似的数据 库，完成了对多维特征参数的组合分析；利用支持向量机(SVM)对六类不同地域民乐的相似旋律数 据库进行了分类研究。分类实验结果表明，利用36维CQT值构成的音高向量，六类民乐分类的准确 率可以达到98．15％；前5维MFcC对相似旋律音乐的分类贡献率与CQT的贡献率之比为O．1．因此， 36维CQT值构成的音高向量模型可以很好的表示MP3音乐的音高旋律，对于旋律相似的Audio音乐 教据具有很好的分类效果．· 关键间：+音乐信息检索；旋律相似；感知分析；CQT值；特征模型牛 1．引言 Music 基于内样的音乐信息检索(CMR：Content—basedRetrieval)可以分为基于符 几．音乐(MIDI)的检索和基于样本音乐(AUDIO)的检索。由于符号音乐的结构化格式， 符号音乐中青符的音高信息的提取相对简单，因此，利用音高轮廓进行音乐信息的检索已 耳义得了一定的成就…k“+。实际中，人们更多需要检索和查询的是样本格式(MP3或wav格 式)的音乐数据，但由于MP3中包含了人声与多种乐器的并发，从MP3中直接提取音符音 商信息具有。‘定的凼难。 旋律足描述音乐最简单、自然的方法，是对音乐高低、快慢的综合描述，即使是对于 复杂的复凋齐乐，对于突出旋律的感知记忆也是人们直觉进行哼唱检索(QBH)的主要内 容。Byrd和Crawford㈦1的研究表明：音乐中大部分信息是旋律和节奏，旋律信息为50％， 而节奏为40％，其余的和弦等信息只为10％。根据Martin在文献[3]中的分析，大多数人 对于音乐的感知特征更明感，而不是音乐的结构特征。因此，对于音乐旋律描述的研究成 为CMR一个重要的内容。目前，对于复调音乐旋律的描述工作主要关注于突出旋律的识别， 但从1999年Goto和HayamizuHl提出这一想法至今，这一研究工作仍处于“难懂的”阶段 ”’。而对各个感知特征参数包括能量、亮度(谱中心值)、音符／噪声特性(谱平面的测量) 等的氲接应川，也是对样本音乐进行重复模式发现、内容检索的研究内容。但由于对音乐 旋律感知描述的不确定性，对MP3音乐数据库利用音色和节奏等参数进行检索，其结果都 ·中阔人民大学科研基金项目资助(2006)：教育部基金项日资助，项目编号：05JAZH022 +许洁萍，Email：jieping．xu@263．net 414 远不如对符号音乐的检索阳¨“。。 本文从对旋律相似音乐的分析入手，研究了感知相似音乐中各特征参数的表现，明确 了相似旋律中表示音高内容的特征向量，构造了一个多维的相似旋律特征模型；并通过特 征模型在相似音乐分类中的表现，研究了CQT特征向鼍对相似旋律表示的贡献程度。 2．基于感知的音乐特征分析及抽取 人们对音乐相似的感知是基于旋律的相似，而不是音色的相似旧1。一般情况下，人们 希望通过对AUDIO音乐的基频分析来完成音符序列的旋律相似度量，但实际上对MP3音乐， 这一点是很难的做到的。而传统的特征参数如忭CC，则更多的包含了音色特征而无法准确 的表示音符的旋律特征。 音符的音高信息是音乐旋律的主要表示内容，为了研究描述相似旋律音乐的特征参 数，明确相似旋律mP3中音高内容的测度，本文定义了旋律相似，建立了相似旋律数据库， 并通过自相似矩阵对相似旋律进行了感知分析。 2．1相似旋律定义一 音乐中的旋律melody：定义为“曲调”，是指音与音有组织的横向组合。一般将节奏、 旋律、和声三者称为音乐形成的三大要素。 本文中，旋律相似足指音乐的音高轮廓相同，而节拍节奏、演奏力度及乐曲音色均可 相同或不同。 由于BeatHistogram(节拍柱状图)可以很好的表现音乐的节拍，而时域上的RMS(短 时平均幅度)等参数也能很明确的表示音乐的力度。而能很好的描述听感上旋律相似的参 数还不是很明确。为了明确表示旋律相似的特征参数