| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-35页 |
| §1.1 引言 | 第11-13页 |
| §1.2 课题背景与研究意义 | 第13-15页 |
| §1.3 国内外研究现状分析 | 第15-25页 |
| §1.3.1 基于内容音频检索概述 | 第15-17页 |
| §1.3.2 音乐哼唱检索系统及所用特征研究现状 | 第17-19页 |
| §1.3.3 音乐检索算法国内外现状 | 第19-20页 |
| §1.3.4 语音识别技术发展现状 | 第20-22页 |
| §1.3.5 端点检测研究现状 | 第22-23页 |
| §1.3.6 时间序列研究现状 | 第23-24页 |
| §1.3.7 索引研究现状 | 第24-25页 |
| §1.4 音乐检索存在问题 | 第25-28页 |
| §1.5 本文主要的研究成果 | 第28-29页 |
| §1.6 本论文的组织结构 | 第29-31页 |
| 本章参考文献 | 第31-35页 |
| 第二章 基于内容音乐检索原理 | 第35-51页 |
| §2.1 音乐特点 | 第35-38页 |
| §2.1.1 音乐乐理 | 第35-37页 |
| §2.1.2 音乐的特点 | 第37-38页 |
| §2.2 歌谱映射及符号定义 | 第38-41页 |
| §2.2.1 歌谱映射 | 第39-40页 |
| §2.2.2 符号定义 | 第40-41页 |
| §2.3 哼唱音乐检索 | 第41-47页 |
| §2.3.1 音乐旋律轮廓特征 | 第42-44页 |
| §2.3.2 哼唱特征提取过程 | 第44-46页 |
| §2.3.3 音乐检索方式 | 第46-47页 |
| §2.4 基于内容音乐检索的特征表示与处理框架 | 第47-48页 |
| §2.5 本章小结 | 第48-49页 |
| 本章参考文献 | 第49-51页 |
| 第三章 音乐旋律特征提取算法研究 | 第51-61页 |
| §3.1 音乐旋律轮廓提取算法 | 第51-55页 |
| §3.1.1 基音特征提取 | 第52页 |
| §3.1.2 音乐旋律轮廓提取算法 | 第52-55页 |
| §3.2 旋律轮廓提取算法应用 | 第55-56页 |
| §3.3 标准音调差值图的生成 | 第56-58页 |
| §3.4 本章小结 | 第58-59页 |
| 本章参考文献 | 第59-61页 |
| 第四章 字符串相似度研究 | 第61-81页 |
| §4.1 近似字符串匹配算法简介 | 第61-67页 |
| §4.1.1 近似匹配 | 第62-64页 |
| §4.1.2 字符串算法进一步发展概况 | 第64-65页 |
| §4.1.3 时间序列(Time Series)数据相似性搜索算法简介 | 第65-66页 |
| §4.1.4 动态时间规整(DTW)思想简介 | 第66-67页 |
| §4.2 字符串相似度(String Similitary)的提出 | 第67-68页 |
| §4.3 字符及字符串距离定义 | 第68-69页 |
| §4.4 字符串相似度算法 | 第69-72页 |
| §4.5 字符串相似度在音乐检索中的应用 | 第72-75页 |
| §4.5.1 现有音乐检索中应用的字符串匹配算法 | 第73页 |
| §4.5.2 基于距离的近似字符串匹配算法在音乐哼唱检索系统中的应用 | 第73-75页 |
| §4.6 算法应用 | 第75-78页 |
| §4.6.1 演唱方式比较 | 第75页 |
| §4.6.2 结果比较与分析 | 第75-78页 |
| §4.7 本章小结 | 第78-79页 |
| 本章参考文献 | 第79-81页 |
| 第五章 音乐检索算法研究 | 第81-95页 |
| §5.1 哼唱行为分析 | 第81-82页 |
| §5.2 旋律波动和句子长度 | 第82页 |
| §5.3 旋律音高轮廓和旋律节奏特征的利用 | 第82-83页 |
| §5.4 一种改进的分层检索算法 | 第83-88页 |
| §5.4.1 音乐检索中的索引 | 第84页 |
| §5.4.2 算法描述 | 第84-86页 |
| §5.4.3 算法在哼唱检索中的应用 | 第86-88页 |
| §5.5 跨句检索 | 第88-92页 |
| §5.5.1 算法描述 | 第88-90页 |
| §5.5.2 算法应用 | 第90-92页 |
| §5.6 本章小结 | 第92-93页 |
| 本章参考文献 | 第93-95页 |
| 第六章 端点检测技术研究 | 第95-107页 |
| §6.1 端点检测算法 | 第95-96页 |
| §6.1.1 门限法端点检测 | 第95-96页 |
| §6.1.2 动态窗长语音端点检测 | 第96页 |
| §6.1.3 噪音下的端点检测 | 第96页 |
| §6.2 时间序列技术 | 第96-98页 |
| §6.3 将时间序列技术用于端点检测 | 第98-105页 |
| §6.3.1 熵函数的构造 | 第98-99页 |
| §6.3.2 PAA用于熵结构的处理 | 第99-100页 |
| §6.3.3 一种基于PAA的端点检测算法—PAAEPD(PAA End Point Detection) | 第100-102页 |
| §6.3.4 算法应用 | 第102-103页 |
| §6.3.5 各种噪声的特性分析 | 第103-105页 |
| §6.4 本章小结 | 第105-106页 |
| 本章参考文献 | 第106-107页 |
| 第七章 语音识别技术在音乐检索中的应用 | 第107-121页 |
| §7.1 音乐检索特点 | 第107-108页 |
| §7.2 语音识别技术 | 第108-113页 |
| §7.2.1 语音识别特征选取 | 第109-111页 |
| §7.2.2 语音识别方法 | 第111-113页 |
| §7.3 连接词识别技术在音乐哼唱检索中的应用 | 第113-119页 |
| §7.3.1 歌谱数据预处理 | 第113-114页 |
| §7.3.2 基于DTW的孤立词识别算法及其在音乐检索中的应用 | 第114-119页 |
| §7.4 本章小结 | 第119-120页 |
| 本章参考文献 | 第120-121页 |
| 第八章 音乐哼唱检索系统原型 | 第121-127页 |
| §8.1 系统结构及环境 | 第121-123页 |
| §8.2 音乐数据库技术研究 | 第123-125页 |
| §8.3 结论及分析 | 第125-127页 |
| 第九章 总结与展望 | 第127-130页 |
| §9.1 工作总结 | 第127-128页 |
| §9.2 进一步工作展望 | 第128-130页 |
| 攻读博士学位期间发表的论文、科研项目、参加会议及获奖情况 | 第130-132页 |
| 致谢 | 第132页 |
