和弦序列与和弦边界是音乐信号紧凑程度和鲁棒性的中层表现。它们有很多潜在的应用,因此自动和弦识别的研究对音乐信息提取领域的研究人员非常有吸引力。隐马尔可夫模型(HMM)在语音识别上所取得的巨大成功,让研究人员开始思考将隐马尔可夫模型应用到音乐和弦识别中。目前已经有很多和弦识别系统开始建立简单的隐马尔可夫模型,但却没有考虑到音乐中基调对于和弦识别的影响。基调在音乐中是非常重要的一个属性,本文充分考虑到基调的重要性,将所要实现的音乐和弦识别系统引入了基调信息,构建了基于key-dependent HMM的音乐和弦识别系统。本文首先通过和声分析从音乐文件中获得已标记的和弦信息。其次,在此文件上合成出音乐音频,再从中提取出特征向量。第三,根据音乐理论知识定义了24个基调,为每个基调建立一个HMM,称为key-dependent HMM。第四,将所得到的特征向量和脚本文件作为HMM的输入训练。最后,当音乐音频输入时,利用Viterbi解码在24个模型中选择一个最大可能的基调模型,这样不但可以确定输入音乐的基调,还能够从对应于这个基调模型的最优状态路径来得到和弦序列。本文采用MIDI音乐语料库来训练key-dependent HMM。为了提高识别率及便于计算,采用6维的音调距心向量作为特征。实验结果表明在MIDI音乐数据上训练的Key-dependent模型识别结果要比key-independent简单模型的识别结果更好。