| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究目的与意义 | 第11-12页 |
| 1.2 研究现状及问题 | 第12-16页 |
| 1.2.1 主旋律提取(Melody Extraction) | 第12-14页 |
| 1.2.2 自动音符转写(Automatic Music Transcription) | 第14-16页 |
| 1.3 研究内容以及论文安排 | 第16-17页 |
| 第二章 多基频提取研究概述 | 第17-31页 |
| 2.1 声乐的基本概念 | 第17-21页 |
| 2.1.1 声音的基本特征 | 第17-19页 |
| 2.1.2 音乐的频率特性与度量方法 | 第19-20页 |
| 2.1.3 钢琴概述 | 第20-21页 |
| 2.2 CQT | 第21-22页 |
| 2.3 深度学习简介 | 第22-24页 |
| 2.4 多基频提取的数据库及其评价指标 | 第24-26页 |
| 2.4.1 主旋律提取的评价指标 | 第24-25页 |
| 2.4.2 音符转写的评价指标 | 第25页 |
| 2.4.3 主旋律提取的实验数据集 | 第25-26页 |
| 2.4.4 自动音符转写的实验数据集 | 第26页 |
| 2.5 问题分析 | 第26-31页 |
| 2.5.1 主旋律提取的问题分析 | 第26-29页 |
| 2.5.2 音符转写的问题分析 | 第29-31页 |
| 第三章 基于深度谐波网络(DHNN)的主旋律提取 | 第31-47页 |
| 3.1 主旋律提取方法的整体框架 | 第31-32页 |
| 3.2 SVAD网络 | 第32-35页 |
| 3.2.1 RNN和LSTM网络 | 第33-34页 |
| 3.2.2 MFCC特征 | 第34-35页 |
| 3.2.3 实验结果对比 | 第35页 |
| 3.3 基于DHNN的SPE网络 | 第35-42页 |
| 3.3.1 CNN与Resnet的简单概述 | 第36-39页 |
| 3.3.2 RNN-SPE网络 | 第39-41页 |
| 3.3.3 CNN-SPE网络 | 第41-42页 |
| 3.3.4 后处理—beam search的维特比算法 | 第42页 |
| 3.4 主旋律提取的结果与分析 | 第42-45页 |
| 3.5 本章总结 | 第45-47页 |
| 第四章 基于改进DHNN的音符转写算法 | 第47-65页 |
| 4.1 音符转写的整体框架 | 第47-49页 |
| 4.2 基于一维卷积的DHNN model | 第49-54页 |
| 4.3 Competition model | 第54-56页 |
| 4.4 Time attention | 第56-58页 |
| 4.5 Note Tracking | 第58-62页 |
| 4.6 本章总结 | 第62-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 论文工作总结 | 第65-66页 |
| 5.2 未来研究展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 攻读学位期间发表的学术论文目录 | 第73页 |
