多媒体网络中钢琴音乐音符切分高效识别方法研究.docxVIP

多媒体网络中钢琴音乐音符切分高效识别方法研究 摘要：目前，有关于钢琴的音只音符切分识别方面依然处于起步阶段，特别是在计算机的乐 谱录入识别方面经常会出现识别错误或者是无法识别的问题。为了更好的实现钢琴音乐音符 切分识别的精确度，本文提出采用局部能量的端点检测、多样本字典、多样本字典后处理等 方法來进行音符切分的高效识别。利用这一方法使音符切分识别的准确度提高了 8%,为进 一步实现钢琴咅乐咅符的高效识别与计算机的乐谱精确录入奠定了基础。 关键词：多媒体网络；钢琴音乐；音符切分；识别 1引言 多媒体网络的乐谱识别跟踪思想口上世界70年诞生，开始了利用计算机进行辅助音乐 创作的方式。由此开始，计算机在音乐鉴赏领域，特别是辅助教学以及乐谱自动记录等方面 都有着较好的应用，于是这一话题也逐渐的成为国内外学者重点研究分析的课题之一。 在有关于多媒体网络的钢琴音乐音符切分识别的研究中，最早是由Moore提出的，其 开始将音符切分识别进行系统化设计，奠定了整个音符识别的模型研究基础，但是在其研究 中所允许的最大发音音符数为2,所以无法进行实际的应用⑴。在19世纪80年代初，斯坦 福大学研究小组对Moore的模型进行完善，提高了识别准确的，但是依然停留在同时识别 量为2个咅符的模式下⑵。在进入了 80年代的后期，日本学者开始了对咅乐信号的感觉信 息的分析与研究，并在这一过程中建立了模仿人耳的音乐感觉机器管理系统。在这一系统中 可以允许更多地音符同时发声，系统可允许同时发声的音符数已经提升到5个，有着较好的 音符切分识别效果⑶。在进入到90年代之后，Hawley在其研究中发表了有关于听觉图像分 析方面的研究，在这一钢琴音乐切分音符的识别方法中取得了相对较为完善的效果与方法。 英国学者Douglas Num在具体的研究中提出应用启发式信号处理方式，在这一模式下咅乐 识别系统可以处理的同时发声的音符数目可以达到8个⑷。但是在实际的问题处理中， Douglas Num所研究的方法的主要研究方向是识别结果与输入音乐的听觉感知一致性，所以 在具体的音符处理中有着更高的容错率。但是却依然使系统在许多方面存在着不适用的问题。 就目前的发展而言，在音乐的识别以及有关于和弦的认识方面，总体対音符识别关注度 较低，在这一方血相关的研究也相对较少，但是在钢琴咅符的识别方面对于钢琴辅助教学以 及有关的乐谱记录等方面都是极为重要的，本文在研究中主要对多音符音频特征提取和音符 端点的检测进行了详细的研究与描述⑸。 2研究方法 2.1采样与量化方法 咅频在英与预处理的过程中，主要是将其中的咅频模拟信号进行初步的技术处理，转 化成为了适合计算机进行分类处理与识别的数字信号。在这一过程中，所涉及到的工作主要 有音频的采样量化、预加重处理、加窗阶段。在这一系列的过程屮，预处理主要是进行初步 的信号模拟，从而可以更加便捷的进行信息处理⑹。 钢琴音乐也是音频信号的重要分类之一，人耳在演奏厅中所听到的各种信息都是一种 连续的，不I可断的波形信号，也就是一种模拟信号，为了可以更加便捷的对主要的咅频信号 进行计算机的数字化处理，需要对模拟信号依据一定的周期来进行釆样处理，从而在这一过 程屮可以得到稳定的信号序列。在钢琴信号的频谱分析中，其范I韦I主要是集中在27.5Hz到 4186Hz,并且在这一过程中利用奈奎斯特采样定理來分析，如果在选定的选样周期为 TV 1/2 爲 (1) T是周期，站是频率在这一过程中采样后的信号可以进行对原信号的唯一复原⑺。所以在实 际的钢琴音频信号分析处理中，采样频率 fs处＞2fm ⑵ 英中厶为采样频率，并且在这一计算中，A=H 025kHzo在这一过程相类似的采样中，量化 主要是将采样后的音频信号的振幅量化为一个有限幅度的集合，也就是所谓的幅度离散化过 程，而在这一个过程屮可以将其具体的分为量化以及编码的过程，从而获取更加准确的数据。 2.2预加重与加窗方法 而对于音频信号，其信号频率每提高两倍时，其功率则会伴随着下降，其下降幅度大 约为6dB。为了进一步的增强其对高频信号的分析能力，首先便需要对咅频信号中的高频信 号部分来进行幅度的提升，具体的操作方式则是使用6dB倍频的预加重措施来对信号川的 髙频部分进行处理。在这一处理过程屮，主要可以将其看做为进行信号的滤波处理，图1 则是预加重滤波器波特图，在这一幅频特性曲线中可以清晰的看到，预加重过程诃以对音频 信号进行超过1 OOOHz的高频幅度处理⑺，从而极大的提高了整体的信号高频处理分析能力。 Frequence-30 Frequence -30 1() 5 0 -5 I10 -15 -20 -25 Figure 1 pre emphasis filter Potter Figure 1 6()4070201