作为音乐识别与音乐信息记录与检索的基础组成部分,乐音信号的识别估计与乐音信号的记录检索越来越受到相关研究人员的关注,乐音的多样性决定了乐音信号识别的复杂性与困难性。为了解决乐音信号识别中的问题,本文对语音或乐音识别中的声音信号的分析方法进行了改进,主要做了如下工作:根据听觉场景分析等知识,结合信号处理、乐理以及音乐声学知识,提出了乐音信号听觉元素分离与重构的方法。该方法针对现阶段乐音识别中的信息量冗余较大的问题,将乐音信号帧的连续频域信息分割为栅格化的频域信息,并转化为重组频谱图、谐波分布矩阵与谐波能量矩阵,以实现声音信号数据量的缩减。运用听觉元素的分离与重构方法,针对基频丢失、不谐和乐音、低信噪比乐音识别的不准确性,时频域分辨率不可兼顾等问题,对乐音音高识别方法进行了改进。改进后的方法可以实现乐音识别中谐波丢失、不谐和因子以及低信噪比等多种特殊情况的准确识别。通过优化计算方法,对原有方法进行改进,实现谐波修正方法修正基频信息,有效解决由分辨率不足引发的识别误差,提升分辨能力。运用听觉元素的分离与重构,针对电子音乐与音乐现场的单向不可逆性,对已有的音乐信息记录与检索方法进行改进。将声音信号帧转化为具有音乐特征的矩阵形式进行储存与识别,有效减小音乐数据的存储空间消耗,解决现场音乐与电子音乐之间的不可逆性,同时将乐音信号转换为矩阵形式,使实现乐音可视化。改进后的乐音音高识别方法在整个乐音音区的各类乐音总体识别准确率可以达到91%;针对噪声干扰问题,可包容最低13d B的低信噪比;针对不谐和乐音的识别,可包容的最大不谐和因子为βlim（28）0.004;对于时频域分辨率不可兼顾的问题,在不增加过多运算量的前提下,利用乐音信号的谐波特点,使用分辨率冗余位置的谐波进行基频谐波修正,改善静态分辨率的不足,实现低音区与中音区识别分辨力4倍的动态提升。同时,有效在基频丢失、高次谐波丢失等谐波丢失的情况下具有鲁棒性,将基频丢失乐音识别的准确率由之前的0.3提升至0.85。在时域分辨率能够满足日常识别需求的情况下,较相同最小分辨率的小波变换有更好的实时性,运算复杂度为小波变换方法的0.01-0.05倍。改进的音乐信号的记录与检索方法可以有效实现音乐信号帧的信息记录与信息的对比匹配,音乐数据的存储可以节约12%的存储空间。