一种基于音高显著性增强的主旋律提取方法

摘要

在音乐信息检索领域,主旋律的提取是一项非常困难的工作.复调音乐中的不同声源相互影响,导致主旋律音高序列不连续,使旋律原始音高准确率降低.针对这一问题,设计了增强音高显著性表示和自动旋律跟踪的CNN-CRF模型.为了更好地提取谐波信息,提出利用结构化的数据来加强SF-NMF计算的初始显著性表示,并在动态规划框架下结合旋律特征和音高的平滑约束条件在音高空间寻找最优的演变路径.实验表明,所提方法得到了较好的旋律提取结果,且在两个测试数据集上的原始音高准确率均高于其他参考方法,通过对比不同输入验证了结构化数据能加强显著性表示并弥补SF-NMF对音高的误判.