首页--工业技术论文--无线电电子学、电信技术论文--通信论文--电声技术和语音信号处理论文--语音信号处理论文

音乐和弦识别的研究

中文摘要第4-5页
abstract第5-6页
第一章 绪论第10-24页
    1.1 研究背景和意义第10-15页
        1.1.1 研究背景第10页
        1.1.2 音乐信息检索第10-14页
        1.1.3 和弦识别的应用第14-15页
    1.2 国内外研究现状第15-22页
        1.2.1 特征提取研究现状第15-18页
        1.2.2 和弦估计研究现状第18-22页
        1.2.3 自动和弦识别存在的问题第22页
    1.3 本文研究内容第22-23页
    1.4 章节安排第23-24页
第二章 音乐基础与和弦识别相关理论第24-48页
    2.1 音乐基础知识第24-32页
        2.1.1 音乐的基本表现形式第24-25页
        2.1.2 音高和频率第25-29页
        2.1.3 五线谱第29-32页
    2.2 音乐特征第32-34页
    2.3 和弦相关知识第34-38页
    2.4 短时傅里叶变换第38-41页
    2.5 常数Q变换第41-45页
    2.6 和弦识别中的部分问题第45-47页
        2.6.1 和弦模糊第45页
        2.6.2 声学模糊第45-47页
        2.6.3 定音校准问题第47页
        2.6.4 音频分割第47页
    2.7 本章小结第47-48页
第三章 和弦识别的特征提取第48-66页
    3.1 色度图的计算第48-49页
    3.2 节拍的计算第49-54页
    3.3 基于节拍的对数PCP第54-58页
    3.4 鲁棒性PCP特征RPCP第58-65页
        3.4.1 鲁棒性主成分分析第58-62页
        3.4.2 鲁棒性PCP特征计算第62-65页
    3.5 本章小结第65-66页
第四章 基于序列化稀疏表示分类的和弦识别第66-95页
    4.1 和弦识别的评估第66-69页
    4.2 模板匹配第69-72页
        4.2.1 二值化模板匹配第69-71页
        4.2.2 谐波模板匹配第71-72页
    4.3 不同特征的模板和弦识别结果第72-74页
    4.4 不同特征的稀疏表示分类和弦识别第74-82页
        4.4.1 稀疏表示分类第74-76页
        4.4.2 基于稀疏表示分类的和弦识别第76-78页
        4.4.3 稀疏表示分类和弦识别结果第78-82页
    4.5 基于HMM的和弦识别第82-90页
        4.5.1 隐形马尔科夫模型第82-85页
        4.5.2 评估问题第85页
        4.5.3 编码问题第85-88页
        4.5.4 HMM中的学习问题第88-89页
        4.5.5 基于HMM的和弦识别结果第89-90页
    4.6 系列化稀疏表示分类和弦识别第90-94页
        4.6.1 系列化稀疏表示分类第90-92页
        4.6.2 和弦识别实验结果第92-94页
    4.7 本章小结第94-95页
第五章 基于序列化支持向量机的和弦识别第95-107页
    5.1 支持向量机第95-99页
    5.2 支持向量机和弦识别结果第99-101页
    5.3 序列化支持向量机和弦识别第101-105页
        5.3.1 序列化支持向量机第101-103页
        5.3.2 和弦识别实验结果第103-105页
    5.4 本章小结第105-107页
第六章 总结和展望第107-109页
参考文献第109-119页
发表论文和参加科研情况说明第119-120页
附录 英文缩写名词对照表第120-122页
致谢第122-123页

论文共123页,点击 下载论文
上一篇:能量有效的异构无线传感器网络关键技术研究
下一篇:群组稀疏表示理论及其图像复原算法研究