音乐信息检索中的音高检测技术研究.pdf

第十届全国有线电视技术研讨会论文集 音乐信息检索中的音高检测技术研究 中国传媒大学信息工程学院周瑾莹戴志强 摘要：音乐查询是信息检索领域的一个研究热点。本文根据当前音乐检索研究的进展。综述了基于内容的音乐检索系统；针 对哼唱查询中的关键技术——音高检测的主要研究成果进行了全面总结。 关键词：音乐信息检索MIR系统QBH音高检测 1 引 言 在电视节目的制作过程中，经常要为节目配音乐。电视台不可能为每个要配乐的节目专门作曲、演奏和录 音，而是常从已有的音乐资料中来选取音乐。为给节目选一段合适的音乐，要在大量的音乐资料中查找既费时 又费力。有时只记得一小段旋律而不记得乐曲的名称和作者，必须采用逐一试听的方式查询，进一步增加了查 找的难度。为此希望能找到一种更好的方法来检索音乐，以提高制作电视节目的效率并适应广播电视数字化发 展的需要，方便观众在互动点播节目中选取喜欢的音乐节目。 Information 与基于文本的检索不同，基于内容的音乐信息检索(Music 一门交叉的学科。它的原理就是要辨识出音乐中的各种属性特征，然后将这些特征存储在数据库中，最后按照 某种查询机制响应查询请求找到与之相对应的音乐作品。 2音乐信息检索 2．1 MlR系统 输出到用户端 图l MIR系统的综合流程图 L． 一352_ 第十届全国有线电视技术研讨会论文集 按照研究角度的不同，音乐信息检索的过程可以分解成多个相关且不相交的子问题，用一个模块化的或者 递增的方法逐一解决这些子问题就能够解决整个领域的问题，图1是一个完整的MIR系统的综合流程图。 1．转换：声音数据通常通过对音频进行采样来获取，是以时问为轴的波形。虽然这种数据形式能够很好地 再现用户的声音，但它不适用于以具体的音乐表示法如MIDI为目标的匹配算法中。因此就需要进行简化或者 转换，将用户的查询转换成一组离散的音高／节奏值的序列，使其易于与目标特征集进行比较。 2．特征提取：音乐特征可以定义为一个乐段、乐句或者音符的某个方面，比如音高、节奏。特征提取的目标 是要简化表示一段音乐或查询的数据，以使得在一个非常大的数据库中能够高效地进行辨识匹配。 3．相似性匹配：目的是要将用户的查询与数据库中所有音乐的特征一一匹配，以检索出最相近的音乐。对 特征进行匹配并不是将整个音乐序列的全部信息进行匹配，因此大大减少了匹配算法的计算成本。准确度和效 率是匹配方法评测的基本准则。 2．2 哼唱查询 顾名思义，哼唱查询(QBH)系统就是将人的哼唱作为输入的查询请求，它能“听懂”用户的请求，然后在记 忆中寻找它“认为”最接近查询示例的音乐。在MIR的研究中，大部分研究工作都是围绕QBH来进行的。这是因 为人的哼唱并不完全忠实于原曲而是具有很强的随机性，哼唱查询中已经包含了各种查询请求的缺陷这就使 得哼唱的转换表示本身就有很大的难度，因此如果某种算法在处理人声哼唱时具有很好的鲁棒性，那么这种方 法必然能够有效的分析其它形式的查询输入请求。图2是一个典型的QBH系统框架。 l 音高检测 图2哼唱检索系统 3音乐信息的音高检测技术 音乐分析处理领域中最关键的问题就是如何将音乐中各种信息(音高、节奏等)从音乐波形中提取出来，并 用一种清晰明了的方式表达出来。而音高是由波形的频率所决定的声音，表示了声音的高低，对音高的提取是 必要的，它是最能反映出音乐旋律本质特征的元素之一。如果从心里声学方面来定义音高则更加复杂，因为其 中包含了听觉系统(