基于鲁棒音阶特征和测度学习SVM的音乐和弦识别

• 作者: 关欣 李锵 王蒙蒙
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 和弦识别 音阶轮廓特征 核范数 测度学习 支持向量机
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 算法研究
• 页码范围: 943-952
• 页数: 10页
• 分类号: TP391.4
• 字数: 8063字
• 语种: 中文
• DOI: 10.16798/j.issn.1003-0530.2017.07.006

摘要

和弦识别是音乐信息检索领域重要的研究内容之一,在信息处理、音乐结构分析以及推荐系统等方面具有重要的作用.为了降低人声对和弦进程的影响且恢复和弦所对应的谐波信息,文章分别对频谱中和弦所对应的谐波信息和人声信息进行建模,构建双目标优化问题,对和弦所对应的谐波信息进行有效重建,同时去除人声;其次,对谐波信息进行降维处理得到鲁棒性的音阶轮廓特征;最后为了提高支持向量机性能,文章采用测度学习的方法得到马氏距离,并使用马氏距离替换支持向量机的高斯核函数的欧氏距离,使得支持向量机的判别函数包含有数据的空间分布信息.最终实验结果表明,同基于现今流行的和弦识别算法相比,提出的和弦识别算法识别正确率提高3.5％ ～ 12.2％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李锵	天津大学电子信息工程学院	74	624	12.0	22.0
2	关欣	天津大学电子信息工程学院	36	193	9.0	12.0
3	王蒙蒙	天津大学电子信息工程学院	1	9	1.0	1.0