电子科技大学数字信号处理课程设计钢琴音符识别.pdf

2014 级数字信号处理课程设计报告 题目：钢琴音符识别 姓名：邱晨曦 学号： 2014010909008 答辩时间： 2016/12/9 一. 题目要求： （1） 播放和记录一段钢琴音乐中的音符； （2 ） 记录到音符以后，找到音符所对应的现代标准钢琴的钢琴键，并分析结果。 二. 课程设计思路： （1） 涉及到的知识点： 快速傅里叶变换、钢琴音频信号的时域和频域的特性、能熵比的概念、 频率校正、 频 率与音符的转换关系。 （2 ） 方案分析： A. 预处理部分： 1. 直接用 audioread 函数读出来的原始数据。 优点：准确率较高； 缺点：数据量较大，采样频率为 44kHz ，远大于奈奎斯特采样率。 2. 以 11kHz 的采样率重新采样，并转换为单声道。 优点：数据量小了很多，易于处理； 缺点：牺牲了部分的准确率，但对于音符的判断影响可以忽略。 B. 端点检测算法： 1 . 双门限法： 1. 计算短时能量（高门限）和过零率（低门限） ； 2. 选取一个较高的门限 T ，语音信号的能量包络大部分都在此门限之上，进行一 2 次初判，语音起止点位于该门限与短时能量包络交点所对应的时间间隔之外； 3. 根据噪声能量， 确定一个较低的门限 T ，并从初判起点往左， 从初判终点往右搜 1 索，分别找到能零比曲线第一次与门限 T 相交的两个点，两点之间段就是用双 1 门限方法所判定的语音段； 4. 以短时平均过零率为准， 从低门限点往左右搜索， 找到短时平均过零率低于某阈 值的两点，为语音的起止点； 图 1：双门限法示意图 说明：算法中的阀值是根据实验过程调节的。 该算法在实际应用的过程中发现： 在语音信号频率分布较为集中的时候， 端点检测出来的 结果比较准确， 但当语音信号频率分布比较分散的时候， 很难通过控制固定的阀值来检测到 每个音符； 2. 自相关法： 由于两种信号的自相关函数存在极大的差异， 可以利用这种差别来提取语音端点。 根据噪 声的情况，设置两个阈值 T 和 T ，当相关函数最大值大于 T 时，便判定是语音；当相关函 1 2 2 数最大值大于或小于 T 时，则判定为语音信号的端点。 1 该算法同样存在当语音信号频率分布较广的时候，阀值比较难控制的问题。 3. 基于谱熵的端点检测： 基于谱熵语音端点检测方法是通过检测谱的平坦程度， 来进行语音端点检测的， 为了更好进 行语音端点检测， 采用语音信号的短时功率谱构造语音信息谱熵， 从而对语音段和噪声段进 行区分。检测思路： 1. 对语音信号进行分帧加窗； 2. 计算每一帧的谱能量； Y (k ) Y ( k ) 3. 计算出每一帧中每个样本点的概率密度函数 pn