弦乐音乐颤音自动检测方法技术

弦乐音乐颤音自动检测方法，它涉及一种在自动音乐标注过程中对弦乐音乐实时检测的方法，以解决在弦乐音乐自动标注过程中，颤音对于自动音乐标注的影响较大以及传统的自动音乐标注方法不能对音乐中的颤音进行自动检测的问题。根据弦乐常用音域的音符数将颤音分为Ｎ类，通过音频识别的方法将Ｎ类颤音模型训练为匹配对象库；将输入待检测的音乐的音频信号，对音频信号进行特征提取得到特征矢量序列；以统计出来的颤音平均周期为长度对特征矢量序列进行分段；通过音频识别的方法对每一段矢量序列进行识别；连续Ｍ或Ｍ以上段被识别为同一类颤音的矢量序列所对应的时间段即检测为颤音的时间段。本发明专利技术自动检测颤音，去除颤音对于自动音乐标注的影响。

【技术实现步骤摘要】

本专利技术涉及一种音频识别技术和自动音乐标注领域的检测方法，具体涉 及一种在自动音乐标注过程中对弦乐音乐实时检测的方法。
技术介绍
自动音乐标注是多媒体技术的一项重要应用，它是指通过对音乐音频信 号的分析和处理，自动将其乐谱通过某种形式记录下来，以应用于辅助音乐 教学、辅助音乐创作等许多音乐相关领域。虽然近年来自动音乐标注技术已 经取得了长足的进步，但是至今仍有许多问题没有得到很好的解决，目前大 部分研究成果都是在单个乐器独奏、主调音乐、无特殊技巧演奏等条件之上 取得的，多乐器合奏的标注、复调音乐的自动标注、和旋和声的识别、颤音 等特殊音效识别等复杂条件下的自动音乐标注进展缓慢。在许多弦乐器演奏 的音乐中存在着大量用于修饰或表现乐曲情感、风格的颤音(在乐谱中用 标记)。在针对这类乐器的自动音乐标注研究中，如果不进行颤音检测而直 接进行标注是很容易出现错误的，甚至在旋律上让自动音乐标注系统摸不着 头脑。 一般情况下，颤音在声音效果上是两个连续的音阶快速交替出现，然 而恰恰有很多音乐的片段却有非颤音的连续音阶快速交替出现的正常音符， 如不加区分则会造成音乐标注上的错误(如误标注成十六分音符或三十二分 音符等)。此外，又由于颤音音符出现速率的不确定性，即颤音本身只要求 出现快速交替音符而并没有规定具体速率，其速率完全由乐曲需要及演奏者 习惯、技术而定，因此如不予以专门检测则会在旋律上使自动音乐标注系统 产生错误，目前还没有一种专门针对弦乐音乐颤音的自动检测方法。
技术实现思路
本专利技术为解决在弦乐音乐自动标注过程中，颤音对于自动音乐标注的影 响较大以及传统的自动音乐标注方法不能对音乐中的颤音进行自动检测的问 题，提供一种。本专利技术由以下步骤实现步骤A1、根据弦乐常用音域的音符数N，将颤音分为N类，N表示自然数，通过音频识别的方法将N类颤音模型训练为匹配对象库；步骤A2、将输入待检测的音乐的音频信号记为s(n)，对音频信号s(n)进行 特征提取得到特征矢量序列X= {Xl，x2， ...,xs}， S代表自然数；步骤A3、在分帧的基础上，以统计出来的颤音平均周期T为长度对特征 矢量序列X进行分段，T代表大于O的实数；步骤A4、通过音频识别的方法对每一段矢量序列进行识别；步骤A5、对于设定的参数M，连续M或M以上段被识别为同一类颤音 的矢量序列所对应的时间段即检测为颤音的时间段。有益效果本专利技术通过在分帧基础上以统计出来的颤音平均周期为长度 对特征矢量序列进行分段，并逐段识别，检测出弦乐音乐中的颤音片段，从 而实现了对音乐中的颤音的自动检测，以达到去除颤音对于自动音乐标注的 影响的目的。附图说明图1是步骤A5中所述的检测的方法流程图；图2是一段测试用的待检 测带颤音的弦乐音乐片段的频谱图，从图2中可以看到其中大约0.200秒至 2.609秒为颤音，6.889秒至7.969秒为颤音；图3是步骤A5中所述的检测的 方法对图2所示的音乐片段进行检测得到的结果(示例程序在步骤Al和步 骤A4的对音乐段的识别中使用了基于矢量量化的识别方法)，其中横坐标 为端点名称，纵坐标表示实际和检测出的颤音端点所对应的时刻，单位为秒， + 表示实际颤音端点，+ 表示检测颤音端点。具体实施例方式具体实施方式一本实施方式由以下步骤组成步骤A1、根据弦乐常用音域的音符数N，将颤音分为N类，N表示自然数，通过音频识别的方法将N类颤音模型训练为匹配对象库；步骤A2、将输入待检测的音乐的音频信号记为s(n)，对音频信号s(n)进行 特征提取得到特征矢量序列X= {Xl，x2, ...,xs}， S代表自然数；步骤A3、在分帧的基础上，以统计出来的颤音平均周期T为长度对特征 矢量序列X进行分段，T代表大于O的实数；步骤A4、通过音频识别的方法对每一段矢量序列进行识别；步骤A5、对于设定的参数M，连续M或M以上段被识别为同一类颤音的矢量序列所对应的时间段即检测为颤音的时间段。本实施方式的步骤Al和步骤A4中采用的音频识别的方法为矢量量化方法，另外神经网络方法和隐马尔科夫模型方法也同样适用于本实施方式。在本实施方式的步骤A2中所述的特征提取的过程为对音频信号s(n)进行采样量 化和预加重处理，假设说话人信号是短时平稳的，所以说话人信号可以进行分 帧处理，具体分帧方法是采用可移动的有限长度窗口进行加权的方法来实现 的，对加权后的音频信号sJn)计算Md倒谱系数(MFCC)，从而得到特征矢量序列X二(Xi,X2，…，xJ，MFCC参数的提取过程如下-(1) 对输入的音频信号进行分帧、加窗，然后作离散傅立叶变换，获得 频谱分布信息。设音频信号的DFT为<formula>formula see original document page 5</formula>式中x()为输入的音频信号，N表示傅立叶变换的点数；(2) 再求频谱幅度的平方，得到能量谱；(3) 将能量谱通过一组Mel尺度的三角形滤波器组；对于步骤A5中所述的参数M，定义一个有M个滤波器的滤波器组(滤 波器的个数和临界带的个数相近)，采用的滤波器为三角滤波器，中心频率为 f(m)， m=l，2,，..M，在本实施方式中令M=24;滤波器组中每个三角滤波器的 跨度在Md标度上是相等的，在本实施方式中取150Md;三角滤波器的频率 响应定义为<formula>formula see original document page 5</formula>其中<formula>formula see original document page 5</formula>(4)计算每个滤波器组输出的对数能量为:(5)经离散余弦变换(DCT)得到MFCC系数W-/具体实施方式二参见图1 图3，本实施方式在具体实施方式一的基础 上进一步限定了步骤A5中所述的检测由以下步骤组成步骤B1、将计数器的值n清零，n为自然数；步骤B2、从特征矢量序列X中取一段长度为T的矢量序列；步骤B3、通过音频识别的方法判断长度为T的矢量序列是否为颤音且同时与上一个记录的颤音类别相同，判断结果为是，则进入步骤B4，判断结果为否，则进入步骤B5;步骤B4、记录该颤音的类别，计数器的值n加1并返回步骤B2; 步骤B5、判断计数器的值n是否大于或等于M(可令M等于3)，判断结果为是，则进入步骤B6，判断结果为否，则返回步骤B1继续检测； 步骤B6，检测到一段颤音并输出结果；步骤B7、判断音频流是否结束，判断结果为是，则结束检测过程，判断 结果为否，则返回步骤B1继续检测。本文档来自技高网...

【技术保护点】
弦乐音乐颤音自动检测方法，其特征在于它包括以下步骤：　步骤Ａ１、根据弦乐常用音域的音符数Ｎ，将颤音分为Ｎ类，Ｎ表示自然数，通过音频识别的方法将Ｎ类颤音模型训练为匹配对象库；　步骤Ａ２、将输入待检测的音乐的音频信号记为ｓ（ｎ），对音频信号ｓ（ｎ）进行特征提取得到特征矢量序列Ｘ＝｛ｘ↓［１］，ｘ↓［２］，…，ｘ↓［ｓ］｝，Ｓ代表自然数；　步骤Ａ３、在分帧的基础上，以统计出来的颤音平均周期Ｔ为长度对特征矢量序列Ｘ进行分段，Ｔ代表大于０的实数；　步骤Ａ４、通过音频识别的方法对每一段矢量序列进行识别；　步骤Ａ５、对于设定的参数Ｍ，连续Ｍ或Ｍ以上段被识别为同一类颤音的矢量序列所对应的时间段即检测为颤音的时间段。

【技术特征摘要】
1、弦乐音乐颤音自动检测方法，其特征在于它包括以下步骤步骤A1、根据弦乐常用音域的音符数N，将颤音分为N类，N表示自然数，通过音频识别的方法将N类颤音模型训练为匹配对象库；步骤A2、将输入待检测的音乐的音频信号记为s(n)，对音频信号s(n)进行特征提取得到特征矢量序列X＝{x1，x2，...，xs)，S代表自然数；步骤A3、在分帧的基础上，以统计出来的颤音平均周期T为长度对特征矢量序列X进行分段，T代表大于0的实数；步骤A4、通过音频识别的方法对每一段矢量序列进行识别；步骤A5、对于设定的参数M，连续M或M以上段被识别为同一类颤音的矢量序列所对应的时间段即检测为颤音的时间段。2、 根据权利要求1所述的弦乐音乐颤音自动检测方法，其特征在于步骤 Al和步骤A4中所述的音频识别的方法为矢量量化方...

【专利技术属性】
技术研发人员：韩纪庆，孙荣坤，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：93[中国|哈尔滨]