清华大学论文.docVIP

國 立 清 華 大 學 碩 士 論 文 題目: 應用於哼唱式檢索之連續性隱藏式馬可夫模型及其強化方法 Continuous HMM and its enhancement for singing/Humming query retrieval 系別 資訊工程學系 組別 學號姓名 924304許肇凌 (Chao-Ling Hsu) 指導教授 張智星博士 (Jyh-Shing Roger Jang) 中華民國九十四年六月 摘要 在過去數十年間，隱藏式馬可夫模型(Hidden Markov Models , HMM)已經被成功的應用於語音辨識方面的各種研究。然而，將連續性隱藏式馬可夫模型(Continuous HMM, CHMM)應用於聲音輸入的旋律辨識(Melody Recognition via Acoustic Input , MRAI)或是稱作哼唱式檢索的研究卻相當少見，一部分的原因可能是基於語音和哼唱的聽覺特徵的不同。這篇論文將會探討對於以音框(frame)為基礎之哼唱式檢索的連續性隱藏式馬可夫模型訓練的方法。並更進一步地說明其加強連續性隱藏式馬可夫模型的方式，再以實驗方式與動態時間伸縮(Dynamic Time warping, DTW)比較其效率及正確率。 Abstract The use of HMM (Hidden Markov Models) for speech recognition has been successful for various applications in the past decades. However, the use of continuous HMM (CHMM) for melody recognition of acoustic input (MRAI for short), or the so-called query by singing/humming, has seldom been reported, partly due to the difference in acoustic characteristics between speech and singing/humming inputs. This paper will derive the formula of CHMM training for frame-based MRAC. In particular, we shall propose enhancement to CHMM and demonstrate that with the enhancement scheme, CHMM can compare favourably with DTW in both efficiency and effectiveness. 目錄 第1章 序論6 簡介6 哼唱式音樂檢索相關研究7 1.2.1 利用音符距離檢索7 1.2.2動態時間伸縮7 1.2.3隱藏式馬可夫模型1.2.4 三種方法的比較1.3 本論文主要成果1.4 章節概要第2章 使用於哼唱式檢索的連續性隱藏式馬可夫模型…11 2.1連續性隱藏式馬可夫模型結構12.2連續性隱藏式馬可夫模型估算12.3連續性隱藏式馬可夫模型訓練12.3.1以樂譜為基礎的訓練12.3.2以語料為基礎的訓練1第3章 其他哼唱式查詢的方法20 3.1線性縮放23.2 動態時間伸縮2第4章 其他哼唱式查詢相關議題23 4.1 音高追蹤23 4.2 音調轉換23 4.3 休止符的處理26 4.4 狀態轉移機率值的權重係數27 第5章 實驗結果27 5.1 歌曲資料庫以及歌聲語料25.2 連續性隱藏式馬可夫模型及其加強方法25.3 休止符的處理以及狀態轉移機率權重的調整35.4 資料庫的大小對於辨識率的影響3第6章 結論及未來工作…33 參考文獻3 12 圖2. 狀態轉移機率限制示意圖14 圖3. 一個典型的模型估算例子，此歌曲為十個印地安人。(a)原始的觀測音高(實線)和其算出的相對應標準音高(虛線)。(b)HMM表格以3D表面方式表現。16 圖4 .一個典型的線性縮放例子。輸入音高線性縮放了5次，而最佳的長度為原輸入音高的1.5倍長時21 圖5. 一個典型的音高平移範例，只畫出兩個重複過程26 圖6. 資料庫中每一首歌曲所包含的錄音資料個數28 圖7. (a)一個典型連續性隱藏式馬可夫模型對應的音高(虛線)沒有產生辨識正確的結果。(b)用了線性縮放後，對應音高(虛線)變得合理且辨識結果也正確30 圖8. 各種方法的第一名的辨識率及其平均