随着科学技术的不断发展,人们的生活压力日益加剧。歌曲演唱是演唱者随伴奏歌唱的一种表演形式,因其具有舒缓压力、调节心情等健康价值受到越来越多人的青睐。在歌曲演唱的过程中,由于大部分演唱者未经过专业的声乐训练,不能掌握正确的发声方法,从而“高音上不去,低音下不来”成为演唱时最常见的问题。因此,需要一种音乐推荐方法帮助演唱者避免该类问题。而传统的音乐推荐方法主要以用户收听歌曲为场景,仅为用户推荐其喜欢收听的歌曲。因此,针对传统音乐推荐方法的不足,本文设计并实现了基于音域模型的智能音乐推荐系统。本课题以用户演唱歌曲为场景,旨在为演唱者推荐适合其音域范围的歌曲。从而解决“高音上不去,低音下不来”的问题。该推荐系统推广了传统的仅以用户收听歌曲为场景的音乐推荐范围,具有较高的实用价值。本设计将硬件技术与软件技术相结合共同完成系统相关功能设计。本文的主要工作如下:第一,根据本课题需求,本文设计并实现了基于音域模型的智能音乐推荐系统。本系统由音频采集模块、系统控制模块构成。其中,音频数据的采集由ARM平台实现,通过串口传输音频数据至系统控制模块;系统控制模块主要完成音频数据处理等相关工作,包括实现人声伴奏分离、演唱者的音高提取、音域建模、歌曲推荐等工作。第二,本文提出一种复调音乐中人声音高序列的提取方法。在复调音乐中,将人声音高进行提取。该算法分三步实现:第一步是提取复调音乐中的人声,使用人声伴奏分离技术来实现;第二步是将该人声进行基频序列的提取,通过改进的倒谱法实现。本文对这两种算法均进行了相应的对比实验,并通过实验验证了算法的可实现性和准确性;第三步是利用半音转换公式将基频序列转换为人声音高序列。实验表明本文提出的复调音乐中人声音高序列提取算法能达到实验目的,能准确提取演唱者的音高序列。第三,建立标准音高特征库。在本设计中,确定演唱者基本音准水平与计算音域匹配度时均需要用到歌曲标准音高特征库,因此建立曲库中歌曲的标准音高特征库是至关重要的。第四,建立演唱者的音域模型。在提取了演唱者演唱的音高序列之后与相同时间点的标准音高进行对比,确定演唱者是否唱准,然后通过威尔逊置信区间下界评估演唱者在每个音级上的完成度,进而确定其基本音准水平,最后建立演唱者的音域模型。第五,确定音域匹配度的计算方法。在得到演唱者的音域模型后,需要通过音域匹配度计算方法计算演唱者音域与曲库中各歌曲标准音域的匹配度,进而将音域匹配度较高的歌曲推荐给演唱者演唱。最后经过实例分析,本系统能够根据演唱者的音域模型推荐与该音域模型相似的系统曲目,演唱者在演唱系统推荐歌曲时的基本音准水平均在80.51%以上,验证了本文音乐推荐方法的有效性,满足系统设计需求。