主旋律的定义是音乐中人声的基频曲线,音乐的主旋律提取是众多研究领域,如哼唱搜索和歌曲结构分析等的基础。计算听觉场景分析(CASA)算法的目的是将人声与背景噪声分离,所以在理论上采用CASA来进行主旋律提取是一种可行的方案。但是CASA算法对混合信号的信噪比的要求比较高,目前多运用于人声和普通噪声分离。而音乐信号不满足高信噪比这一特点,并且音乐信号中的伴奏不同于普通噪声,其有明显的谐波结构,在结构上更类似于人声,会对人声的分离产生干扰,如果直接采用CASA算法进行主旋律提取而不加以改进所得到的结果并不理想。本文结合了CASA的发展现状和音乐的特点,研究了一种基于听觉场景分析的主旋律提取算法。主要工作内容如下：(1).研究了两种音乐信号预处理的方法音乐信号中的谐波乐器信号和高次谐波信号会对基于计算听觉场景分析的主旋律提取产生一定的影响。为了解决这些问题,本文使用了两种预处理方法。第一种是运用“谐波乐器／打击乐器信号分离”(HPSS)算法对信号进行预处理。由于纯乐器信号,谐波乐器分量和打击乐器分量在语谱图上具有各向异性,利用HPSS对音乐信号进行预处理,滤除对歌声信号干扰比较大的谐波乐器分量,解决了谐波乐器信号干扰的问题。第二种是根据入声和乐器发声的特点,适当降低音乐信号的高频部分,提升音乐信号中的信噪比,解决了高次谐波影响的问题。实验证明,预处理可以显著提高主基频提取的精度。(2).研究了一种基于计算听觉场景分析的主基频提取算法音乐信号中真实音源数量众多,这对计算听觉场景分析是一大挑战。本文引入了多种方法来解决此问题。首先,对音乐信号进行听觉外围处理,对每一个时频单元的滤波器响应和响应包络提取相关函数和瞬时频率特征,构造6维特征向量。然后,利用提取的特征作为三个多层感知器的输入,对每一个时频单元进行基频判定,找出最有可能的基频值,作为此时频单元的基频估计值,并通过基频估计值确定相应的理想二值掩膜(IBM)。接着,通过初始估计和掩膜在每一帧内最多得到两个基频,根据短时连续性可得到多条基频曲线。本文利用迭代的方法,对基频曲线和IBM进行迭代估计,提高预测的准确度。最后,对于多基频曲线中重合的基频点,本文采用一种基频选择算法,利用了信号的短时连续性,从两个主要基频中选择一个作为主旋律。实验结果表明,本文算法对主基频提取能取得良好的效果。(3).提出了一种基于能量比特征的基频预估计方法人声信号和伴奏信号在高频区域的能量分布不同,人声信号在高频区域存在着明显的衰减,而伴奏信号在高频的衰减比较小。本文通过对每一帧中人声基频范围内可能的基频点分别计算该基频点的低频谐波分量和总谐波分量的能量值,计算低频谐波分量所占能量值的比例,通过能量比排序并根据判定规则滤除伪基频候选点,最终对每一时间帧得到初始基频候选值,将此基频候选值作为主旋律提取算法的基频初始估计并最终得到基频曲线。实验结果表明,与采用听觉特征进行初始预测相比,运用能量特征所得到的主基频的准确率有了很大的提高。