| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-10页 |
| 第一章 绪论 | 第10-18页 |
| ·本课题的目的和意义 | 第10-11页 |
| ·音乐自动分类技术的发展和研究现状 | 第11-13页 |
| ·音乐自动分类技术相关研究课题 | 第13-16页 |
| ·基于听觉感知特性的音乐信号分析 | 第13-14页 |
| ·基于内容的音乐特征表示 | 第14-15页 |
| ·分类算法及分类结果可视化 | 第15-16页 |
| ·本论文的结构及创新点 | 第16-18页 |
| 第二章 音乐信号量 | 第18-36页 |
| ·音乐的基本物理量 | 第18-20页 |
| ·频率 | 第18-20页 |
| ·谱能量 | 第20页 |
| ·与心理学相关的音乐信号量 | 第20-26页 |
| ·音调 | 第21页 |
| ·响度 | 第21-25页 |
| ·音色 | 第25-26页 |
| ·音乐生理学 | 第26-36页 |
| ·人耳听觉特性模型 | 第26-27页 |
| ·听觉临界频带 | 第27-30页 |
| ·听觉掩蔽效应 | 第30-32页 |
| ·不同时间尺度上的音乐特征 | 第32-36页 |
| 第三章 全信息Mel 频率倒谱系数 | 第36-60页 |
| ·同态滤波 | 第36-38页 |
| ·Mel 倒谱系数（MFCC） | 第38-40页 |
| ·全信息MFCC | 第40-44页 |
| ·全相位信号预处理 | 第40-42页 |
| ·全相位预处理对谱分析精确度的影响 | 第42-44页 |
| ·全信息MFCC 仿真实验及结果分析 | 第44-45页 |
| ·MFCC 去相关改进算法 | 第45-55页 |
| ·Karhunen－Loeve 变换 | 第45-54页 |
| ·MFCC 去相关改进算法 | 第54-55页 |
| ·去相关改进算法仿真实验及结果分析 | 第55-58页 |
| ·本章小结 | 第58-60页 |
| 第四章 音乐仿生小波变换 | 第60-74页 |
| ·改进型Giguere 听觉模型 | 第60-62页 |
| ·音乐仿生小波变换 | 第62-67页 |
| ·品质因数自适应调整参数的引入 | 第62-64页 |
| ·WT 和MBWT 之间的联系 | 第64-65页 |
| ·音乐仿生小波变换时频窗二维独立可调的理论分析 | 第65-66页 |
| ·音乐仿生小波变换的能量分布特点 | 第66-67页 |
| ·仿真实验及结果分析 | 第67-72页 |
| ·本章小结 | 第72-74页 |
| 第五章 基于音乐特征成分负熵极大化的特征基向量构造算法 | 第74-102页 |
| ·稀疏编码理论 | 第74-75页 |
| ·稀疏准则下音乐特征成分的非高斯性度量 | 第75-81页 |
| ·音乐特征成分分析的基本模型 | 第77页 |
| ·基于非线性和高阶统计量的非高斯性度量 | 第77-78页 |
| ·基于协方差矩阵的球面化及时间序列滤波处理 | 第78-80页 |
| ·独立特征成分个数的确定 | 第80-81页 |
| ·极大化音乐特征成分近似负熵的快速不动点算法 | 第81-86页 |
| ·仿真实验及结果分析 | 第86-94页 |
| ·超完备特征成分分析模型 | 第94-95页 |
| ·特征基矩阵的估计 | 第94页 |
| ·特征基矢量的极大似然估计 | 第94-95页 |
| ·基于近似去相关的音乐超完备特征基构造方法 | 第95-96页 |
| ·高维空间中的准正交性 | 第95页 |
| ·基于Gram-schmidt 的收缩准正交化方法 | 第95页 |
| ·对称准正交化方法 | 第95-96页 |
| ·超完备基向量构造实验及结果分析 | 第96-101页 |
| ·本章小结 | 第101-102页 |
| 第六章 时延自相关矩阵和四阶累积量组合乐器盲分离算法 | 第102-114页 |
| ·时间序列特征成分分析模型 | 第102-103页 |
| ·传统时间序列盲源分离方法 | 第103-106页 |
| ·基于时延协方差的方法 | 第104-105页 |
| ·基于方差非平稳的局部自相关方法 | 第105-106页 |
| ·基于能量时间相关性的互累积量方法 | 第106页 |
| ·时延自相关矩阵和四阶累积量矩阵组合乐器盲分离算法 | 第106-109页 |
| ·时延自相关矩阵和四阶累积量矩阵 | 第107页 |
| ·基于平均特征结构的稳健正交化 | 第107-108页 |
| ·时延自相关矩阵和四阶累积量矩阵组合分离算法 | 第108-109页 |
| ·仿真实验及结果分析 | 第109-112页 |
| ·本章小结 | 第112-114页 |
| 第七章 音乐自动分类系统及其可视化 | 第114-132页 |
| ·分类及可视化相关理论 | 第114-119页 |
| ·分类问题的处理步骤 | 第114-115页 |
| ·K 均值聚类 | 第115-116页 |
| ·基于Earth Mover’s 距离的相似性测度 | 第116-118页 |
| ·自组织映射 | 第118-119页 |
| ·平滑数据直方图及可视化 | 第119页 |
| ·音乐分类及可视化系统 | 第119-124页 |
| ·音乐自动分类系统的组成结构 | 第119-120页 |
| ·音乐特征分析 | 第120-121页 |
| ·特征聚类模型 | 第121-122页 |
| ·音乐相似程度的度量 | 第122-123页 |
| ·音乐数据分类及可视化实验 | 第123-124页 |
| ·分类结果评价 | 第124-130页 |
| ·本章小结 | 第130-132页 |
| 第八章 总结与展望 | 第132-138页 |
| ·本课题的研究总结 | 第132-133页 |
| ·对未来研究工作的展望 | 第133-138页 |
| ·音乐样本数据库及类属定义 | 第134页 |
| ·音乐信号的特征空间 | 第134-135页 |
| ·音乐的相似性测度及模式识别 | 第135-138页 |
| 参考文献 | 第138-150页 |
| 发表论文和科研情况说明 | 第150-152页 |
| 致谢 | 第152页 |
