一种基于隐马尔科夫模型的波形文件主旋律基频提取算法.docVIP

  一种基于隐马尔科夫模型的波形文件主旋 律基频提取算法 1， 2  5 10 15 20 25 30 35 40  （1. 北京邮电大学自动化学院； 2. 北京邮电大学模式识别实验室） 摘要：哼唱检索中通常以旋律的基频作为音乐特征进行检索,目前研究的哼唱检索系统都是 基于 MIDI 音乐文件。但是,目前存在的 MIDI 音乐文件的数量非常少，基于波形文件的哼唱 检索系统才是未来的发展趋势。本文针对单声道波形文件，研究了一种提取歌曲主旋律基频 曲线的算法。该算法将隐马尔科夫模型和“谐波乐器/打击乐器声音分离”模型进行结合。 实验表明该算法对主旋律基频提取具有很高的准确率。 关键词：哼唱检索；主旋律；基频提取；隐马尔科夫模型；谐波乐器/打击乐器声音分离； 中图分类号：TP37 A Melody Pitch Extraction Algorithm for Wavaform File Based On Hidden Markov Model Gong Juncai1, Liu Gang2 (1. Automation school,Beijing University of Posts and Telecommunications; 2. Pattern Recognition and Intelligence System Laboratory,Beijing University of Posts and Telecommunications) Abstract: Query-by-Humming (QBH) systems generally use the pitch contour of melody as music features. The present QBH systems are all based on MIDI files. However, the quantity of existed MIDI files is very small. The QBH systems based on waveform files will be the future trend. This paper introduced a melody pitch extraction algorithm for monaural recordings. The algorithm proposed a combination of Hidden Markov Model(HMM) and Harmonic/Percussive Sound Separation (HPSS). Experimental results show our algorithm performs excellent accuracy. Key words: Query-by-Humming; melody; pitch extraction;HMM;HPSS; 0 引言 在所有的哼唱检索研究中，所使用旋律数据库的文件格式基本上都是 midi 格式音乐. MIDI（Musical Instrument Digital Interface）格式的音乐对音乐的记录特别简洁。它以时间标 记事件的方式详细记录音乐的演奏情况，保留了音符、时值和演奏乐器等详细的语义内容， 具有数据量小，便于传输和保存、易于转化音频形式等优点。 研究已经证明从 MIDI 文件中提取的主旋律应用于哼唱检索简单并且有效。但是，由于 MIDI 这一数字音乐形式相较于原声音乐失真比较严重，不能表现人声，很大程度地丧失了 原有的音乐美感，MIDI 音乐的创作数量也逐渐减少，今后也将越来越难以获得。而当今市 场上流行的音乐大多是音质无损或失真很小的波形数据形式的音乐，这类音乐极易获得。并 且，从波形音乐中提取的主旋律，与用户哼唱旋律的性质相同，都是以波形描述的人声，这 样就大大降低了哼唱检索中二者相匹配时的难度。本文在其他的研究者的研究成果上研究了 一种结合 HPSS（谐波乐器/打击乐器声音分离）和 HMM 模型的波形文件歌曲主旋律基频提 作者简介：龚君才(1989-),男,硕士研究生,研究方向:哼唱检索,语音分离 通信联系人：刘刚（1973-），男，副教授，研究方向:语音识别. liugang@ -1-   取算法。本论文研究对象是混合了伴奏的单声道波形文件。首先我们利用 HPSS 滤掉波形文 件中一部分弦乐器谐波声音，提高混合信号的信噪比。然后进行一个“语音/非语音检”的 检测步骤，该步骤能将歌曲片段分割成包含歌声和不包含歌声的更小的片段。最后使用了 HMM 模型对包含歌声的音乐小片段进行基音曲线的估计。  45 50 55  1 HPSS 预处理 通常情况