基于最大最小距离法的音乐节拍跟踪算法分析-analysis of music beat tracking algorithm based on maximum and minimum distance method.docxVIP

下载本文档

89
0
约3.53万字
约 50页
2018-08-14 发布于上海
举报
版权申诉

基于最大最小距离法的音乐节拍跟踪算法分析-analysis of music beat tracking algorithm based on maximum and minimum distance method.docx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于最大最小距离法的音乐节拍跟踪算法分析-analysis of music beat tracking algorithm based on maximum and minimum distance method

rectifieroutputtheonsetstrengthcurveanditspeak.TheBPMfeatureisextractedbyusingtheautocorrelationfunction.Finally,thebeatsofthemusicsignalareidentifiedaccordingtotherelationshipbetweenmusictempoandbeat,togetherwitheffectiveclusteringofonsetstrengthcurve’speaks.Inthisthesis,theexperimentiscarriedoutwithMIREX2006testdataandcomparedwithsomealgorithmsinMIREX2013.Theexperimentalresultsshowthat,theproposedalgorithmcanaccuratelyandeffectivelydetectthebeatsequenceofmusicsignalswithdifferentstyles,differentmusicrhythmtype.ThefourevaluationindicatorsofthealgorithmP-score,Cemgil,CMLcandAMLt,havereached57.35510,38.70537,17.15240and47.25912.Italsoturnsoutthattheproposedalgorithmhasgreatadvantagesintheglobalcorrectnessandcontinuouscorrectrate,andpossessesbettercomprehensiveperformance.Keywords：beattracking;max-mindistance;onsetdetection;clustering;musicinformation;目录第一章绪论11.1节拍跟踪技术的研究背景和意义11.2国内外相关研究21.2.1基于规则的搜索模型21.2.2多代理模型31.2.3多振荡器模型31.2.4过程模型41.2.5概率模型41.3本文的主要工作及内容安排4第二章音乐基础理论与音乐信号分析技术简介62.1音乐基础理论62.1.1音的基本物理量62.1.2人耳对音乐信息的听觉感知62.1.3掩蔽效应82.1.4节奏与节拍92.2音乐形式的分类112.3音乐信号的时域分析122.3.1短时能量及短时平均幅度132.3.2短时平均过零率142.4音乐信号的频域分析142.4.1短时傅里叶变换152.4.2小波变换162.4.3短时傅里叶变换和小波变换17第三章基于最大最小距离法节拍跟踪算法183.1预处理203.2起始节拍点检测203.3端点检测213.4提取BPM特征值263.5基于最大最小距离法的峰值聚类283.5.1最大最小距离聚类算法简介283.5.2音乐速度与节拍的量化关系323.5.3基于最大最小距离法的峰值选取32第四章实验结果与分析344.1实验环境及实验数据344.2评估标准34P-score指标34Cemgil指标35CMLc指标和AMLt指标364.3实验结果及分析37第五章总结与展望405.1课题总结405.1.1工作内容总结405.1.2创新点总结415.2未来工作展望41参考文献42发表论文和参加科研情况说明46致谢47第一章绪论1.1节拍跟踪技术的研究背景和意义音乐是一种国际化的语言，世界各地的人都能参与和享受。在不同的文化中，音乐的形式有所不同，但究其本质，音乐是独立于文化因素的。音乐差不多与语言同时出现，甚至更早。语言侧重于理性的交流，而音乐更多的是表达情感。音乐是科学与艺术的结合。从内涵与情感来说，音乐是具有丰富内涵的艺术形式，是作者从内心发出的情感呼唤，是人类感情的升华。当然，从其科学本质来说，也可以说音乐只是声波的一种而已[1]。人类天生拥有理解音乐的能力，即使完全不懂音乐理论的人，也可以欣赏音乐[2]。尽管有繁复的音乐理论存在，但人类对音乐的欣赏总是从感性的角度出发。舞蹈是一种通过肢体语言将音乐具体化的音乐欣赏，其速度和韵律是基于音乐的节拍和节奏的，而人类对于节拍节奏的认识最主要也是通过舞蹈这一艺术形式[3]。人类对音乐的自动化处理最早起源于留声机的发明，这里的“自动化处理”是指回播录音。19世纪唱片的出现促进了唱片音乐迅速发展，但是真正意义上的音乐自动分析及处理是从十九世纪八十年代计算机技术发展到较高水平开始的。随着信号处理方法在音乐信号上的应用，以及计算机智能化的不断发展，音乐信号处理的内容不断丰富，一个挑战性极高的领域——音乐信息