CCMusic:用于MIR研究的中国音乐数据库建设

本文提出了1个新的音乐数据库——CCMusic.该数据库对录音环境、录音设备以及录音人员、流程等方面进行专业的限定.数据库将歌声与伴奏分离,对音乐信息检索的研究有重要的意义.本数据库搜集流行音乐、民族音乐及数百种民族乐器的音响素材,并进行全面的标注,构成1个供MIR领域研究者使用的多用途的音乐数据库.数据库由音乐学院专业学生录制,版权清晰,并方便大规模扩展.     

基于主观感知得分与客观音频特征的中国民族乐器音色相似性的研究

从主观感知得分与客观音频特征两个角度出发,研究了37种常见的中国民族乐器音色的相似性.通过乐器的主观感知得分,提出1种可视化的主观音色描述方式,并计算音色感知向量之间的差异性得到主观音色的相似性矩阵,然后提取出表征音色的客观音频特征,并计算特征之间的差异性,得到客观音色特征的相似性矩阵.此外,本文还研究了音色的主观相似性与客观相似性之间的相关性.该研究有助于中国乐团的声学研究,也可为中国民族乐器的信息检索、音频检测等应用提供参考.     

基于卷积循环神经网络的中国民族复音音乐的乐器活动检测

针对中国民族复音音乐的乐器活动检测问题,提出了一种基于卷积循环神经网络(CRNN)的复音乐器活动检测方法,该方法属于事件检测类,在秒级的时间分辨率上识别乐器活跃的起止时间及乐器种类.同时,在中国音乐学院的DCMI数据库基础上,构建了3种不同的面向10种中国民族乐器的复音数据集进行训练和评估.通过实验,我们将CRNN模型与CNN模型进行了比较,验证了模型的特点和优势.     

基于卷积神经网络的中国乐器分类

中国乐器有着丰富的种类,但过去由于缺少数字化的保存形式,在音乐信息检索领域有关它们的研究很少.基于中国音乐学院收集完成的中国乐器数据库,本文旨在找到每种中国乐器各自独有的声音特征,并希望找到泛化能力较强的模型以更好地利用有限的数据集.使用卷积神经网络并以对数Mel声谱图作为输入特征,在所构建的两个子数据集中实现了超过97%的分类准确率,说明所构建的模型能较好地学习到每种乐器的特征.此外,当以较短片段数据集训练的模型来对较长片段的数据集进行分类时,准确率依然高达92.70%,说明模型具有较好的泛化能力.     

基于客观特征的民族乐器音色分析

基于客观特征对民族乐器的音色进行了研究与分析.首先通过对音色描述词的主观打分,进行了描述词的分析与聚类选择,将16个音色描述词进一步分为具有区分度的4个音色类别.然后基于同种类乐器具有相似音色的前提,构建了民族乐器音色的分类模型,其中支持向量机模型表现最好,准确率达到78.38%.针对实验现象,本文进一步分析了音色的影响因素,除与乐器种类有关以外,音色还与乐器类别、音高等多重因素相关.     

理解数字音乐——音乐信息检索技术综述

近20年来,音频压缩技术的成熟及互联网的普及使得音乐迅速从磁带和激光唱盘(CD)转变为互联网上以MP3为代表的数字音乐.海量数字音乐带来分类组织、查询检索、内容理解与分析等一系列问题,促使产生了一个新兴的交叉学科,即基于内容的音乐信息检索(Content-based Music Information Retrieval,MIR).本文阐述了MIR与音乐科技、声音与音乐计算、计算机听觉、语音信息处理、音乐声学等各个相关领域概念的区别与联系,将MIR技术的数十个研究领域按照与音乐要素的密切程度划分为核心层与应用层.分类总结了各领域的概念、原理、应用、基本技术框架及典型文献,同时介绍了研究中常用的音乐领域知识并明确了中英文术语.最后总结MIR领域存在的各方面问题,并展望其未来发展趋势.