导　　师： 韦岗

授予学位： 硕士

作　　者： (）;

机构地区： 华南理工大学

摘　　要： 和声是由多个音符构成的组合，对于丰富旋律表达方式具有重要的作用。为旋律编配和声，就是为旋律的单音增加和声效果，涉及到基础乐理以及和声规则等专业知识，技术门槛要求较高。随着深度学习和神经网络技术的兴起，人工智能正被广泛应用于音乐检索、音乐创作和音乐教学等领域。本文通过深度学习的方式，代替人工为旋律编配和声，为钢琴音乐创作提供一个强大的辅助工具。　　本文的研究针对WAV格式钢琴音乐，把和声编配分为三个主要的子任务：音符检测、多基频估计和模型训练。音乐信号经过音符检测被划为多个片段，通过多基频估计提取每个片段的主音符以及和声成分，把它们分别作为神经网络的特征和标签对模型进行训练，使其具有编配和声的能力。本文的主要研究内容和创新点如下：　　(1)研究音符起点检测算法，以往方法大多数都没考虑到乐器音高的先验知识，考虑到钢琴是十二平均律制乐器，本文提出一种基于十二平均律的音律滤波器组的设计方法，目的是获取音乐信号中每帧能量在音阶频率上的分布，并以此为依据判断音符起点。该方法考虑到乐音特征，并结合具体的音高信息，从而改善音符起点检测效果。　　(2)研究多基频估计算法，常用思路是将待测音乐频谱分解到各个单音的频谱之中，但是频谱含有大量冗余频率信息，本文利用钢琴琴键的谐波结构，提出一种基于谐波结构的音色滤波器组的设计方法，目的是从音乐信号中提取基频和谐波等特征信息，然后将待测音乐的特征分解到各个单音的特征上去，表示为各个单音特征的加权和形式，从而实现多基频估计。　　(3)对深度学习算法进行研究，由于编配和声需要着重考虑附近音符分布，本文选用基于长短期记忆的双向循环神经网络，并�

关 键 词： 钢琴 和声编配 音符检测 多基频估计 深度学习

领　　域： [] []