计算机的出现推动了现代电子音乐技术的发展。基于计算机、电子技术的音乐识别、分类、特征提取等一系列问题,被越来越多的研究人员关注。音乐信号的识别是新兴的交叉学科,其研究涉及物理学、信号处理、音乐理论和音乐心理学等诸多学科知识。本文研究的音乐识别正是将计算机多媒体技术、信号处理与模式识别的相关知识和技术同音乐理论相结合,用计算机模拟人对音乐认知和分析的过程。音乐节拍是音乐的基本特征之一,为实现音乐按节拍进行检测,本文首先采用了一种基于CQT的节拍检测方法。该方法首先将输入信号进行预处理,根据其CQT频谱特性,结合音乐知识,采用自相关的方法进行节拍长度估计,再根据得到的音乐节拍长度,对音乐信号按节拍进行检测。经过对不同歌曲信号节拍进行检测实验表明,该方法取得了不错的效果。根据乐理知识我们知道和弦的改变往往发生在节拍处,而这种方法可以有效避免特征提取过程中跨过一些不明显的和弦。其次论文研究了在和弦识别领域中较常使用的音级轮廓(Pitch Class Profile简称PCP)特征,并介绍了具体的算法。但本文采用更精确的QPCP(constQ Pitch Class Profile)作为和弦的特征。并且基于HMM构建了音乐和弦识别系统,定义了36个状态,每个状态代表一类和弦;通过一个12维的多元高斯函数拟合观察向量的概率分布,该模型分别由高斯函数的均值向量和和协方差向量来定义。论文借助Chris Harte制作的标签文件训练得到有监督的HMM。识别过程通过Viterbi算法,对输入信号依照极大似然法来寻找最佳路径,即最佳的和弦序列。实验对五首不同歌曲的和弦进行了识别,平均识别率达到75.56%。