|本期目录/Table of Contents|

[1]刘　莹,赵彤洲*,江逸琪,等.基于自相关函数的钢琴乐音改进识别算法[J].武汉工程大学学报,2018,40(02):208-213.[doi:10. 3969/j. issn. 1674?2869. 2018. 02. 017]
　LIU Ying,ZHAO Tongzhou*,JIANG Yiqi,et al.Improved Piano Audio Recognition Algorithm Based on Autocorrelation Function[J].Journal of Wuhan Institute of Technology,2018,40(02):208-213.[doi:10. 3969/j. issn. 1674?2869. 2018. 02. 017]
点击复制

基于自相关函数的钢琴乐音改进识别算法(/HTML)
分享到：

《武汉工程大学学报》[ISSN:1674-2869/CN:42-1779/TQ]

卷:
40
期数:
2018年02期
页码:
208-213
栏目:
机电与信息工程
出版日期:
2018-05-17

文章信息/Info

Title:
Improved Piano Audio Recognition Algorithm Based on Autocorrelation Function
文章编号:
20180217
作者:
刘　莹1; 2; 赵彤洲*1; 2; 江逸琪1; 2; 柴　悦1; 2; 李　翔3
1. 智能机器人湖北省重点实验室（武汉工程大学），湖北 武汉 430205；2. 武汉工程大学计算机科学与工程学院，湖北 武汉 430205；3. 武汉天喻信息产业股份有限公司，湖北 武汉 430223
Author(s):
LIU Ying1; 2; ZHAO Tongzhou*1; 2; JIANG Yiqi1; 2; CHAI Yue1; 2; LI Xiang3
1. Hubei Key Laboratory of Intelligent Robot（Wuhan Institute of Technology）， Wuhan 430205， China；2. School of Computer Science & Engineering， Wuhan Institute of Technology， Wuhan 430205， China；3. Wuhan Tianyu Chengdu Westone Information Industry Inc.， Wuhan 430223， China
关键词:
基音周期;  三电平中心削波;  自相关函数;  帧移;  乐音识别
Keywords:
pitch period;  three-level central clipping filter;  autocorrelation function;  frame-shift;  music recognition
分类号:
TP391.4
DOI:
10. 3969/j. issn. 1674?2869. 2018. 02. 017
文献标志码:
A
摘要:
在传统三电平削波结合自相关函数识别算法的基础上，经过准确的音频分割后，提出了帧移法提取乐音基音信号。该算法能在更精细尺度上寻找最大自相关函数，进而准确定位基音位置，较好地解决了传统算法中当乐音节奏较快时，无法区分半频和倍频对基音的影响，从而导致的识别率低的问题。实验表明，本算法对于节奏快慢不同的钢琴乐音的平均识别率约为83.0%，且快节奏乐音的识别率较传统算法高出20.2%，因此该方法对乐音识别尤其对快节奏乐音识别有显著效果。
Abstract:
Combined with traditional three-level center clipping method and autocorrelation function recognition algorithm， an improved frame-shift algorithm to extract precisely the pitch signal was presented， which could search the maximum autocorrelation function at a finer scale to accurately locate the pitch position after accurate audio segmentation. This algorithm solved the problem that the traditional algorithms could not distinguish the influence of half-frequency and double-frequency on the pitch with fast rhythm， which degraded the recognition rate. Experiments showed that the improved algorithm had an average recognition rate of 83.0% for piano music with different rhythms， and the recognition rate with fast-paced music was 20.2% higher than that of traditional method. Therefore， the proposed algorithm has a significant improvement on music recognition， especially for fast-tempo music.

参考文献/References:

［1］　徐国庆， 张彦铎， 王海晖，等. 乐音旋律识别研究［J］. 武汉工程大学学报， 2007， 29（2）：60-62. ［2］　徐国庆， 张彦铎， 王海晖. 基于多分辨分解的乐音水印算法实现［J］. 武汉工程大学学报， 2008， 30（2）：91-93. ［3］　易克初， 田斌， 付强. 语音信号处理［M］. 北京：国防工业出版社， 2000：62-63. ［4］　吴兴铨， 周金治. 基于改进小波变换的语音基音周期检测［J］. 自动化仪表， 2017， 38（6）：67-70. ［5］　李嘉安娜. 噪声环境下的语音端点检测方法研究［D］. 广州：华南理工大学， 2015. ［6］　何晓亮， 贾亮， 秦文健. 舞蹈机器人中音乐基音频率的提取［J］. 电子设计工程， 2011，19（13）：39-45. ［7］　翟景瞳， 王玲， 杜秀伟. 改进的音高识别算法［J］. 计算机工程与应用， 2009， 45（20）： 228-230. ［8］　马效敏， 郑文思， 陈琪. 自相关基频提取算法的MATLAB实现［J］. 西北民族大学学报（自然科学版）， 2010，31（4）：54-63. ［9］　沈瑜， 党建武， 王阳萍，等. 加权短时自相关函数的基音周期估计算法［J］. 计算机工程与应用， 2012，48（35）：1-6. ［10］　栾极， 马太， 王飞，等. 插值采样增强钢琴音高识别能力的方法［J］. 数字技术与应用， 2014 （6）： 73-75. ［11］　李嘉安娜. 噪声环境下的语音端点检测方法研究［D］. 广州：华南理工大学， 2015. ［12］　冷娇娇， 赵彤洲， 方晖，等. 基于方差稳定性度量的乐器音频分割算法［J］. 计算机工程与设计， 2016， 37（3）：768-772. ［13］　CARDINAL J， FIORINI S， JORET G. Minimum entropy combinatorial optimization problems［M］. New York：Springer， 2012：4-21. ［14］　吴晶晶. 钢琴音乐信号的特征识别［D］. 秦皇岛：燕山大学， 2009. ［15］　杨帆， 杨杰朝. 基于LabVIEW的频率-音分转换设计［J］. 应用声学，2014（6）：554-559.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2016-12-03基金项目：国家自然科学基金（61103136）；武汉工程大学研究生创新基金（CX2017076）作者简介：刘　莹，硕士研究生。E-mail：yingtpr@foxmail.com*通讯作者：赵彤洲，硕士，副教授。E-mail：zhao_tongzhou@126.com引文格式：刘莹，赵彤洲，江逸琪，等. 基于自相关函数的钢琴乐音改进识别算法［J］. 武汉工程大学学报，2018，40（2）：208-213.
更新日期/Last Update: 2018-04-26