和声是由多个音符构成的组合,对于丰富旋律表达方式具有重要的作用。为旋律编配和声,就是为旋律的单音增加和声效果,涉及到基础乐理以及和声规则等专业知识,技术门槛要求较高。随着深度学习和神经网络技术的兴起,人工智能正被广泛应用于音乐检索、音乐创作和音乐教学等领域。本文通过深度学习的方式,代替人工为旋律编配和声,为钢琴音乐创作提供一个强大的辅助工具。本文的研究针对WAV格式钢琴音乐,把和声编配分为三个主要的子任务:音符检测、多基频估计和模型训练。音乐信号经过音符检测被划为多个片段,通过多基频估计提取每个片段的主音符以及和声成分,把它们分别作为神经网络的特征和标签对模型进行训练,使其具有编配和声的能力。本文的主要研究内容和创新点如下:(1)研究音符起点检测算法,以往方法大多数都没考虑到乐器音高的先验知识,考虑到钢琴是十二平均律制乐器,本文提出一种基于十二平均律的音律滤波器组的设计方法,目的是获取音乐信号中每帧能量在音阶频率上的分布,并以此为依据判断音符起点。该方法考虑到乐音特征,并结合具体的音高信息,从而改善音符起点检测效果。(2)研究多基频估计算法,常用思路是将待测音乐频谱分解到各个单音的频谱之中,但是频谱含有大量冗余频率信息,本文利用钢琴琴键的谐波结构,提出一种基于谐波结构的音色滤波器组的设计方法,目的是从音乐信号中提取基频和谐波等特征信息,然后将待测音乐的特征分解到各个单音的特征上去,表示为各个单音特征的加权和形式,从而实现多基频估计。(3)对深度学习算法进行研究,由于编配和声需要着重考虑附近音符分布,本文选用基于长短期记忆的双向循环神经网络,并在编码-解码模型的基础上引入注意力机制。训练完成后,往模型输入单音旋律即可得到和声序列,再利用音符起点信息合成音乐,以便于与原始的单音音乐作对比。(4)构建网络评分平台,将原始的单音音乐和经过和声编配的音乐上传至云服务器,音乐爱好者可通过浏览器在线试听并评分,其中大部分歌曲的得分较高,说明试听者对和声编配效果相当满意,从而验证本文的和声自动编配系统的有效性。