| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·计算机音乐的发展 | 第9页 |
| ·选题背景及其意义 | 第9-10页 |
| ·研究现状综述 | 第10-13页 |
| ·节奏识别 | 第10-11页 |
| ·风格识别 | 第11-12页 |
| ·乐器识别 | 第12-13页 |
| ·和弦识别 | 第13页 |
| ·论文内容安排 | 第13-15页 |
| 第二章 基本乐理及音乐特性 | 第15-22页 |
| ·音乐基本特征概述 | 第15-16页 |
| ·基本乐理 | 第16-20页 |
| ·音高与音色 | 第16-17页 |
| ·音律及十二音平均律 | 第17-18页 |
| ·节奏与节拍 | 第18-19页 |
| ·音程与和弦 | 第19-20页 |
| ·钢琴的音乐特性 | 第20-22页 |
| 第三章 神经网络应用于钢琴单音识别 | 第22-40页 |
| ·常见的单音识别方法 | 第22-25页 |
| ·并行处理基音检测器 | 第22页 |
| ·谐波峰值法 | 第22-23页 |
| ·小波变换 | 第23-24页 |
| ·几种单音识别算法比较 | 第24-25页 |
| ·人工神经网络基础 | 第25-28页 |
| ·人工神经网络的基本特点 | 第25-26页 |
| ·人工神经网络的组成及结构 | 第26-28页 |
| ·神经网络结构的训练算法分类 | 第28页 |
| ·RBF 神经网络的原理 | 第28-29页 |
| ·RBF 神经网络结构 | 第29-31页 |
| ·RBF 神经网络的学习过程 | 第31-34页 |
| ·RBF 神经网络构建钢琴单音识别系统 | 第34-40页 |
| 第四章 隐马尔可夫模型在音乐和弦识别中的应用 | 第40-60页 |
| ·引言 | 第40页 |
| ·HMM 的基本概念 | 第40-43页 |
| ·马尔可夫(Markov)过程和马尔可夫链 | 第40页 |
| ·隐马尔可夫模型 | 第40-41页 |
| ·HMM 定义 | 第41-42页 |
| ·HMM 的三个基本问题 | 第42-43页 |
| ·HMM 基本算法 | 第43-49页 |
| ·前向后向算法 | 第43-44页 |
| ·Viterbi 算法 | 第44-46页 |
| ·Baum-Welch 算法 | 第46-49页 |
| ·HMM 模型的选择 | 第49-50页 |
| ·隐马尔可夫模型用于音乐和弦识别 | 第50-60页 |
| ·音级轮廓(Pitch Class Profile 简称PCP) 特征介绍 | 第50-52页 |
| ·PCP 特征计算 | 第52-53页 |
| ·HMM 建立和弦识别系统 | 第53-54页 |
| ·实验过程、结果及结论 | 第54-60页 |
| 第五章 结论与展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文目录 | 第66页 |