基于最大最小距离法的音乐节拍跟踪算法研究

摘要

随着因特网与网络技术的快速发展，人们可以接触到大量的在线音乐数据，比如音乐原声信号、歌词、音乐曲风或者内容的分类以及其他网络用户的歌单等等。这种科技的进步让用户在听音乐时有了越来越多的乐趣，同时，也对数据的处理提出了更高的要求，如何让计算机更好地丰富用户的音乐体验成为一个热门问题，也促进了音乐信息检索领域的深入研究。音乐信息检索，是一个跨学科的研究领域，涉及到音乐学、心理学、音乐学术研究、信号处理、机器学习等等。
　　节拍跟踪是音乐信息检索的基础问题之一。人们会不自主的跟随音乐跺脚或者点头的过程称为节拍跟踪，计算机的节拍跟踪算法正是对人类这一感知过程的模拟。过去的二十多年中，节拍跟踪研究领域已有大量深入的研究，也有越来越多的节拍跟踪算法应用于实际生活中。
　　本文在认真研究节拍跟踪相关研究成果的基础上，结合音乐基本理论与音频信号技术，提出一种基于最大最小距离法的节拍跟踪算法，核心为起始节拍点的确定、BPM特征值提取和有效峰值提取三部分。本文的创新点在于将聚类算法应用于节拍跟踪研究，将峰值提取问题抽象为分类问题，从聚类的角度完成节拍序列的提取。具体研究步骤可概括为以下几个方面：
　　首先，对音乐信号进行预处理，统一采样频率及幅度范围。提取音乐信号的1-2s片段进行时域处理，通过分析该片段的能量谱变化，确定起始节拍点。
　　其次，对音乐信号进行短时傅里叶变换得到频谱，根据人类听觉系统的感知特性，对频谱幅度进行对数处理，通过半波整流输出端点强度曲线及其峰值的相位信息。根据端点强度曲线的自相关特性提取BPM特征值。
　　最后，根据音乐的节拍和速度的关系以及周期信号的性质，利用最大最小距离法对端点强度曲线的峰值点进行有效聚类，输出节拍序列。
　　本文采用MIREX2006测试数据进行实验，将本文的提出算法与MIREX2013节拍跟踪比赛中性能较好的算法进行对比。实验结果表明，本文提出的基于最大最小距离法节拍跟踪算法对于不同曲风、不同节奏类型的音乐信号，四项算法评估指标P-Score、Cemgil、CMLc和AMLt的均值分别为57.35510、38.70537、17.15240和47.25912，能准确有效地检测出节拍序列，在全局正确性、连续正确率两方面都有较大优势，综合性能稳定。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1节拍跟踪技术的研究背景和意义

1.2国内外相关研究

1.3本文的主要工作及内容安排

第二章 音乐基础理论与音乐信号分析技术简介

2.1音乐基础理论

2.2音乐形式的分类

2.3音乐信号的时域分析

2.4音乐信号的频域分析

第三章 基于最大最小距离法节拍跟踪算法

3.1预处理

3.2起始节拍点检测

3.3端点检测

3.4提取BPM特征值

3.5基于最大最小距离法的峰值聚类

第四章 实验结果与分析

4.1实验环境及实验数据

4.2评估标准

4.3实验结果及分析

第五章 总结与展望

5.1课题总结

5.2未来工作展望

参考文献

发表论文和参加科研情况说明

致谢