论文部分内容阅读
音符起始点检测是基于内容的音乐信息检索的重要课题。音符起始点是音乐信号的低级特征,研究音符的起始点对音乐的节奏分析、节拍跟踪、音乐结构分析等有重要的作用。音符起始点检测也是音乐情感分类,音乐包丢失恢复等课题的基础性工作。本文围绕音符起始点检测,做了以下几方面的工作:(1)在总结现有音符起始点检测框架下的预处理、信号变换、特征提取、检测函数生成和峰值提取方法的基础上,将稀疏分解引入到音乐信号变换中去。冗余字典下的稀疏分解更能适应不同的音乐信号,抓住信号的固有特性。(2)本文采用匹配追踪算法作为稀疏分解的方法,提出了匹配追踪下的基于表示程度和系数向量能量两种特征的音符起始点检测算法。文中使用高斯核光滑函数对检测函数处理,实验表明,高斯核光滑处理后检测函数曲线更加光滑,峰值更加突出。(3)实验部分对比了本文算法和传统音符起始点检测算法的准确率,并分析匹配追踪算法分解次数对实验结果准确率的影响。实验结果表明,文中两种算法准确率都比传统算法高;在匹配追踪分解次数较小时,随着分解次数的增大,检测结果准确率提高,当分解次数大于一定值时,分解次数增大,实验结果的准确率基本不变。