基于稀疏自编码神经网络的声乐主旋律提取

• 作者: 夏秀渝 孙文慧 陆雄
• 来源期刊: 成都信息工程大学学报
• 学科: 工学
• 关键词: 主旋律提取 音高显著度 稀疏自编码 基频判别
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 电子信息科学与技术
• 页码范围: 373-377
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16836/j.cnki.jcuit.2020.04.002

摘要

旋律是音乐中最重要的要素,音乐主旋律提取是音乐检索的核心技术之一.复调音乐中歌声的音高序列构成了声乐主旋律.提出一种声乐主旋律自动提取改进算法,根据声乐信号的频谱特点,改进音高显著度函数的计算方法,降低计算复杂度,减少声乐主旋律提取时间.改用性能更优的稀疏自编码神经网络替代原算法的浅层BP神经网络作为基频判别模型,提高主旋律模型的识别准确率,降低旋律定位虚警率,从而提高声乐主旋律提取整体的准确率.在MIR-1K数据集上进行的实验表明,改进算法提取的声乐主旋律整体准确率比原算法至少提高了1.51％,提取主旋律的平均提取时间要比原算法减少大约0.12s.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏秀渝		43	183	8.0	11.0
2	孙文慧		4	0	0.0	0.0
3	陆雄		3	0	0.0	0.0