RBF神经网络和HMM用于音乐识别的算法的研究.pdf

RBF 神经网络和HMM 用于音乐识别的算法研究 摘 要 音乐信号处理是信号处理领域中的重要组成部分。为了能让计算机 与人类能够用音乐自由的沟通，有关计算机音乐处理的研究，意义日益 凸显。音乐的计算机自动识别是新兴的交叉学科，其研究涉及物理学、 信号处理、人机交互、音乐理论等诸多学科知识。本文研究的音乐识别 正是将计算机多媒体技术、信号处理与模式识别的相关知识和技术同音 乐理论相结合，用计算机模拟人对音乐认知和分析的过程。 论文首先介绍了计算机音乐的发展，并对基本乐理及音乐信号的特 性进行了简单的描述。围绕音乐相关理论，论文对比了音乐信号与语音 信号的特性，选取MFCC(Mel-Frequency Cepstral Coefficients)作为单音 信号的特征，并对特征矢量维数的选择进行了讨论，利用RBF 神经网络 对钢琴88 个单音进行识别，实验取得了 100%的识别结果。实验结果表 明所选特征对识别钢琴单音信号是有效的。 其次论文研究了在西方音乐和弦识别中使用频率较高的音级轮廓 (Pitch Class Profile 简称PCP)特征及其计算方法，给出了具体的计算公 式。论文基