基于最大最小距离法的音乐节拍跟踪算法研究
| 中文摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 节拍跟踪技术的研究背景和意义 | 第9-10页 |
| 1.2 国内外相关研究 | 第10-12页 |
| 1.2.1 基于规则的搜索模型 | 第10-11页 |
| 1.2.2 多代理模型 | 第11页 |
| 1.2.3 多振荡器模型 | 第11-12页 |
| 1.2.4 过程模型 | 第12页 |
| 1.2.5 概率模型 | 第12页 |
| 1.3 本文的主要工作及内容安排 | 第12-14页 |
| 第二章 音乐基础理论与音乐信号分析技术简介 | 第14-26页 |
| 2.1 音乐基础理论 | 第14-19页 |
| 2.1.1 音的基本物理量 | 第14页 |
| 2.1.2 人耳对音乐信息的听觉感知 | 第14-16页 |
| 2.1.3 掩蔽效应 | 第16-17页 |
| 2.1.4 节奏与节拍 | 第17-19页 |
| 2.2 音乐形式的分类 | 第19-20页 |
| 2.3 音乐信号的时域分析 | 第20-22页 |
| 2.3.1 短时能量及短时平均幅度 | 第21-22页 |
| 2.3.2 短时平均过零率 | 第22页 |
| 2.4 音乐信号的频域分析 | 第22-26页 |
| 2.4.1 短时傅里叶变换 | 第23-24页 |
| 2.4.2 小波变换 | 第24-25页 |
| 2.4.3 短时傅里叶变换和小波变换 | 第25-26页 |
| 第三章 基于最大最小距离法节拍跟踪算法 | 第26-42页 |
| 3.1 预处理 | 第28页 |
| 3.2 起始节拍点检测 | 第28-29页 |
| 3.3 端点检测 | 第29-34页 |
| 3.4 提取BPM特征值 | 第34-36页 |
| 3.5 基于最大最小距离法的峰值聚类 | 第36-42页 |
| 3.5.1 最大最小距离聚类算法简介 | 第36-40页 |
| 3.5.2 音乐速度与节拍的量化关系 | 第40页 |
| 3.5.3 基于最大最小距离法的峰值选取 | 第40-42页 |
| 第四章 实验结果与分析 | 第42-48页 |
| 4.1 实验环境及实验数据 | 第42页 |
| 4.2 评估标准 | 第42-45页 |
| 4.2.1 P-score指标 | 第42-43页 |
| 4.2.2 Cemgil指标 | 第43-44页 |
| 4.2.3 CMLc指标和AMLt指标 | 第44-45页 |
| 4.3 实验结果及分析 | 第45-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 课题总结 | 第48-49页 |
| 5.1.1 工作内容总结 | 第48-49页 |
| 5.1.2 创新点总结 | 第49页 |
| 5.2 未来工作展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 发表论文和参加科研情况说明 | 第54-55页 |
| 致谢 | 第55-56页 |
