基于MIDI的乐器控制系统和音符的自动识别方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·选题的背景及意义 | 第8页 |
| ·课题介绍 | 第8-9页 |
| ·研究现状综述 | 第9-11页 |
| ·论文内容结构 | 第11-12页 |
| 2 基于MIDI信号的演奏控制系统 | 第12-25页 |
| ·待解决的问题 | 第12页 |
| ·MIDI通信协议 | 第12-14页 |
| ·消息的格式 | 第12-13页 |
| ·信号的电气特性及传输 | 第13-14页 |
| ·MIDI信号的接收和处理 | 第14-21页 |
| ·方案的选择 | 第14页 |
| ·PIC单片机 | 第14-15页 |
| ·信号的接收 | 第15页 |
| ·信号处理流程 | 第15-18页 |
| ·程序实现 | 第18页 |
| ·单片机的多线程和实时性实现 | 第18-21页 |
| ·执行机构的驱动 | 第21-23页 |
| ·执行器的选择 | 第21-22页 |
| ·脉冲宽度调制 | 第22-23页 |
| ·整体电路分析 | 第23-25页 |
| 3 音乐的特征及音符的自动识别 | 第25-31页 |
| ·音乐的相关特征 | 第25-26页 |
| ·音高和音调 | 第25页 |
| ·音色和音品 | 第25-26页 |
| ·节拍和时值 | 第26页 |
| ·音乐信号处理 | 第26-27页 |
| ·音乐信号和语音信号的区别 | 第26页 |
| ·音乐信号处理的流程 | 第26-27页 |
| ·音高的识别及常用算法 | 第27-31页 |
| ·音高识别原理 | 第27-28页 |
| ·并行处理法 | 第28-29页 |
| ·谐波峰值法 | 第29页 |
| ·小波分析法 | 第29-31页 |
| 4 基于基音检测的音符识别 | 第31-39页 |
| ·一种自相关法和FFT相结合的基音识别算法 | 第31-36页 |
| ·算法的原理 | 第31-32页 |
| ·算法的实现与仿真 | 第32-35页 |
| ·实验结果及讨论 | 第35-36页 |
| ·音符时值的识别 | 第36-39页 |
| ·识别的原理 | 第36-37页 |
| ·算法的仿真 | 第37-39页 |
| 5 基于神经网络的单音符识别 | 第39-52页 |
| ·方法的意义 | 第39-40页 |
| ·人工神经网络基础 | 第40-45页 |
| ·人工神经网络的基本特点 | 第40页 |
| ·人工神经网络的基本原理 | 第40-41页 |
| ·RBF神经网络原理 | 第41-42页 |
| ·RBF神经网络结构 | 第42-43页 |
| ·RBF神经网络的学习过程 | 第43-45页 |
| ·基于RBF神经网络的单音识别系统 | 第45-52页 |
| ·系统的实现过程 | 第46-50页 |
| ·实验结果及讨论 | 第50-52页 |
| 6 基于证据理论的数据融合 | 第52-59页 |
| ·数据融合的意义 | 第52页 |
| ·证据理论简介 | 第52-55页 |
| ·证据理论的基本定义 | 第52-54页 |
| ·Dempster合成规则 | 第54-55页 |
| ·对两类音符识别结果进行数据融合 | 第55-59页 |
| ·识别框架的确定 | 第55-57页 |
| ·对两类结果进行D-S数据融合 | 第57-59页 |
| 7 总结与展望 | 第59-61页 |
| ·论文主要工作与成果 | 第59-60页 |
| ·待改进的部分 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 附录 | 第64-68页 |
