音乐是一种被大众认可的艺术形式,随着科技进步,数字化音乐已成为音乐传播与存储的重要载体。音乐自动转录是一项将音乐信号数字化表示的研究,是音乐信息检索的重要研究领域之一。近年来自动音乐转录被大量研究,但现有算法均对输入要求较高,必须为纯净音频,因此实用性较差。为解决上述问题,本文选用最具代表性乐器钢琴作为研究对象,研究复杂环境下钢琴音频的分离及自动转录,主要内容包括:（1）复杂环境下钢琴音频的分离。实际应用中待转录的钢琴音频往往混有较多环境音频,如噪声、人声或其他乐器音频,这种复杂环境下纯净钢琴音频被污染或覆盖,严重降低了钢琴音频转录的正确率,因此转录之前需将纯净钢琴音频分离出来。经过试验对比分析,选用基于时域的Conv-Tasnet网络进行音源分离。Conv-Tasnet网络直接对混合音频时域信号进行处理,输出分离后的纯净音频时域信号,无需提取音频信号的频域特征,避免了STFT等时-频率变换法中相位错误估计和计算时间长的缺点。但是时域Conv-Tasnet网络在语音数据集上有较好的分离效果,应用于钢琴音频数据集上分离效果不佳。（2）针对钢琴的复音音频特点,提出一种钢琴音源分离Multi Conv-Tpsnet网络模型。输入端设计多尺度编码器以提取更多钢琴音频特征;在分离器中,使用深度可分离卷积替代卷积块中的普通卷积,更好地解决了参数冗余问题,降低了网络模型尺寸;同时引入全卷积门控机制,更有效控制信息流,提高分离能力。对不同信噪比的混合音频进行音源分离实验,结果表明相比于Conv-Tasnet模型,Multi Conv-Tpsnet在钢琴音源分离中取得了更好的效果。（3）采用Convs-Bi GRU网络对纯净钢琴音频进行自动转录。分析了两种频域特征提取方法,短时傅里叶变换与常Q变换的优劣,通过实验证明常Q变换更适合作为钢琴音频转录的频域特征提取方法;使用通道剪枝技术对Convs-Bi GRU网络进行压缩,减小了模型尺寸。