正态分布下基于隐Markov模型的多声道MIDI音乐检索-四川大学.PDF

( ) 2006 年 6 月 四川大学学报 自然科学版 J un. 2006 第 43 卷第 3 期 Journal of Sichuan University (Natural Science Edition) Vol. 43 　　No. 3 　 文章编号 : (2006) 正态分布下基于隐 Markov 模型的 多声道 M IDI 音乐检索 徐开阔 ,唐常杰 ,段磊 ,魏大刚 ,钟义啸 ,乔少杰 ( 四川大学计算机学院 ,成都 610065) 摘要 :音乐查询是信息检索领域的一个研究热点. 分析了现有方法应用范围局限性和低效率的 原因 ,讨论了用户哼唱和多声道 M IDI 特征序列的表达方法 ,提出新的基于内容的多声道 M I DI 检索模型 HMRM ( Homophonic M IDI Retrieval Model) . 新模型将多声道音乐表达成一个隐 Markov 模型 ,计算哼唱对象与库中对象的相似度并排序返回查询结果. 实验表明 ,对于不同哼 唱水平的用户 ,HMRM 的识别率平均能达到 73. 3 % ,具有较高的查准率. 关键词 :信息检索 ;多声道音乐 ;基于内容的检索 中图分类号: TP391. 3 　　　文献标识码 :A 1 　引 言 音乐检是目前信息检索领域中的一个特殊热点. 其中 ,基于内容的音乐检索有着特殊优势[1 ] . 与传统 的按名称检索不同 ,基于音乐内容的检索将用户哼唱、钢琴演奏等作为输入 ,系统根据用户的条件检索数 字音乐库 ,最后按照某种标准返回用户要查询的乐曲. 关于将用户哼唱转化为数字格式的方法在文[2 ] 中已作讨论. 我们的工作主要集中在数字化音乐检索 过程的研究. 早期音乐检索研究工作主要集中在单单查询检索和多多查询检索两个方面 ,单单查询输入 用户的哼唱 ,对单声道数字音乐库进行检索 ,易于研究. 绝大多数音乐是多声道的. 因而单声道检索技术的 实用性不强 ;多多查询输入用户弹奏之类的多声道旋律 ,对多声道数字音乐库中进行检索. 但大多数用户 不会弹奏乐器或不具备相关的乐器 ,因而很难将取得的研究成果向普通用户推广. 针对单单查询检索和 多多查询检索的不足 ,我们提出一种在正态分布下基于隐 Markov 模型对多声道 M IDI 进行检索的模型 HMRM ( Homophonic M IDI Retrieval Model) . 该方法以用户哼唱作为输入 ,查询多声道数字音乐库. 实验 表明 ,HMRM 具有较高的查准率 ,针对不同的用户 ,其查准率平均达到 73. 3 %. 2 　相关工作 根据查询条件和声道数量 ,音乐检索可分为 3 大类 :单单查询、多多查询和单多查询. 单单查询理论比较成熟 ,方法较多 ,且查准率都相对较高 ,能够达到 85 %左右. 文[ 3 ]基于动态规划 方法 ,使用相对音高 RP ( Relative Pitch) 和音高开始时间间隔 IOI ( InterOnsetInterval) 及其变形来表达哼 唱或音乐 ,然后比较特征序列的相似度. 该方法的缺点是过多地依赖于参数值的选取和用户查询的质 量[3 ] . 文[4 ]使用了一种基于相关系数的检索方法 ,该方法的特征序列在文[ 3 ] 的基础上又增加了音高持 续时间 ,然后使用相关系数来衡量特征序列的相似性. 该方法的缺点是部分假目标的相似度得分很高[4 ] . 文[5 ]使用了一种基于时间序列的方法 ,该方法将音乐表达成时间序列 ,然后计算时间序列间的距离. 该方 收稿日期 ( ) ( ) 基金项目 : 国家自然科学基金 ;高等学校博士学科点专项科研基金 SRFDP 20020610007