基于音高的歌声美化系统的研究

发布时间：2017-10-27 07:02

  本文关键词：基于音高的歌声美化系统的研究

  更多相关文章： 歌声 歌声美化系统 歌声数据库 MIDI信息 隐马尔科夫模型

【摘要】：歌声是人类通过有意识地控制自己声带的震动以及鼻腔、口腔等发音器官的形变而发出的富有韵律的声音。控制不当时,发出的歌唱声会出现走调或不那么悦耳的情况。因此,如果能利用音乐编辑技术对走调或有些刺耳的歌声进行美化的话,无疑会受到广泛的欢迎。在上述背景下,本文将音乐编辑技术和语音参数提取技术相结合,通过分析、对比走调的或刺耳的歌唱声与基准歌唱声在音高表现上存在的差异,研究对走调的或刺耳的歌唱声进行美化的问题。选题对于推动歌声美化的理论探讨,提高音乐创作的娱乐性和趣味性,加速歌声美化的实用化进程具有积极意义。论文的主要工作和创新点如下：1.为了积累所需要的音乐素材,有选择地收集了210首民歌和流行歌曲类乐谱,并邀请专业歌手录制了时长达132分钟的歌声数据库。这些数据库为构建基于音高的歌声美化系统奠定了可靠的数据基础。此外,为了验证歌声美化系统的有效性,特别邀请了三位同学(其中,一位具有正常音准,其他两位不同程度存在唱歌走调现象)每人录制了12首歌曲作为歌声美化的素材使用。2.研究了对走调歌声的美化修饰问题。针对待修改走调歌声所对应的歌曲的乐谱已知的情况,提出了一种基于原声基频和乐谱基频的歌声美化方法。该方法利用从歌声数据库中提取的歌声基频和与之对应的乐谱基频对输入的待修改原声基频进行修改。用这种方法可以生成与乐谱音高相一致的歌声,为后续构建歌声美化系统提供算法层面的支持。3.针对待修改走调歌声所对应的歌曲的乐谱未知的情况,借助于HTS歌声合成框架,利用前述已录制的歌声数据库来训练所使用的隐马尔科夫模型,并据此生成所需要的歌曲基频。利用该方法可以生成与目标乐谱音高相一致的歌声,为后续构建歌声美化系统提供算法层面的支持。4.以上述歌声数据库和所开发的歌声美化算法为基础,构建了一套基于音高的歌声美化系统。所构建的系统可以处理歌声走调问题,通过对原声(走调的歌声)进行美化和修饰,合成合乎音准的歌唱声。主、客观评估实验结果表明,用本文方法美化和修饰的歌声比未经任何修饰的原声在音准等表现上有很大提高,整体上取得了不错的歌声美化效果。
【关键词】：歌声 歌声美化系统 歌声数据库 MIDI信息 隐马尔科夫模型
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN912.3
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第1章 绪论11-17
• 1.1 歌声美化的研究背景11
• 1.2 歌声美化的研究现状11-12
• 1.3 歌声美化的研究意义12-13
• 1.4 论文的主要研究工作13-14
• 1.5 论文的结构安排14-17
• 第2章 歌声美化相关知识介绍17-27
• 2.1 发声原理介绍17-18
• 2.1.1 语音的产生原理17
• 2.1.2 语音产生的数学模型17-18
• 2.2 乐理基础介绍18-19
• 2.3 MIDI介绍19-21
• 2.4 歌声美化相关技术介绍21-25
• 2.4.1 语音参数提取技术21-24
• 2.4.2 音乐编辑技术24-25
• 2.5 本章小结25-27
• 第3章 歌声美化系统的初步建立27-41
• 3.1 引言27-28
• 3.2 歌声库的建立以及待修改歌曲的获取28-30
• 3.2.1 歌声库曲目的选择28-30
• 3.2.2 歌声库乐谱文件的选择30
• 3.2.3 待修正歌曲的获取30
• 3.3 基于参考歌曲的歌声美化算法30-37
• 3.3.1 歌曲数据预处理31-32
• 3.3.2 动态时间弯折算法(DTW)32-34
• 3.3.3 颤音34-36
• 3.3.4 基于参考歌曲和乐谱信息的歌声美化36-37
• 3.4 实验结果和分析37-40
• 3.4.1 客观指标评价37-39
• 3.4.2 主观评价39-40
• 3.5 本章小结40-41
• 第4章 基于隐马尔科夫模型的歌曲基频建模的研究概述41-49
• 4.1 隐马尔科夫模型41-43
• 4.1.1 离散时间的马尔科夫链的介绍41
• 4.1.2 隐马尔科夫模型介绍41-43
• 4.2 基于隐马尔科夫模型的歌曲基频建模43-46
• 4.2.1 歌曲基频建模的模型结构43-44
• 4.2.2 歌曲基频特征的提取44-45
• 4.2.3 歌曲基频模型的训练45-46
• 4.3 歌声的基频与乐谱的关系46
• 4.4 歌曲基频稀疏的问题46-47
• 4.5 本章小结47-49
• 第5章 基于歌曲未知的歌声美化系统的建立49-59
• 5.1 引言49
• 5.2 歌曲基频的生成方法49-54
• 5.2.1 状态层次的基频生成模型49-52
• 5.2.2 基于以音乐小节为单位的离散余弦变换的基频模型52-53
• 5.2.3 联合两个模型进行基频生成53-54
• 5.3 基于隐马尔科夫模型的歌声美化系统54-55
• 5.4 实验结果与分析55-57
• 5.4.1 客观指标分析55-57
• 5.4.2 主观评价57
• 5.5 本章小结57-59
• 第6章 总结和展望59-63
• 6.1 全文总结59-60
• 6.2 未来展望60-63
• 参考文献63-67
• 致谢67-69
• 在读期间发表的学术论文与取得的其他研究成果69

【相似文献】

中国期刊全文数据库 前10条

1 金民锁,刘红祥,王佐;基于隐马尔科夫模型的浏览路径预测[J];黑龙江科技学院学报;2005年03期

2 刘芳,刘文学,焦李成;基于复小波邻域隐马尔科夫模型的图像去噪[J];电子学报;2005年07期

3 刘向华;对隐马尔科夫模型中动态编程的探讨[J];电脑学习;2005年06期

4 郭兴吉;;隐马尔科夫模型在音频波形识别中的应用研究[J];福建电脑;2007年03期

5 马宝山;朱义胜;;基于隐马尔科夫模型的基因预测算法[J];大连海事大学学报;2008年04期

6 章栋兵;姚寒冰;颜昕;;基于隐马尔科夫模型的语义倾向性研究[J];微型机与应用;2010年17期

7 余龙华;王宏;钟洪声;;基于隐马尔科夫模型的人脸识别[J];计算机技术与发展;2012年02期

8 刘青,严向东;基于隐马尔科夫模型的基因识别系统设计与实现[J];计算机工程与应用;2003年24期

9 李珩;杨峰;朱靖波;姚天顺;;基于增益的隐马尔科夫模型的文本组块分析[J];计算机科学;2004年02期

10 孙秀娟;金民锁;陈孝国;;基于隐马尔科夫模型的浏览兴趣预测[J];科技导报;2009年18期

中国重要会议论文全文数据库 前8条

1 肖镜辉;刘秉权;;一种非时齐的隐马尔科夫模型及其在音字转换中的应用[A];全国第八届计算语言学联合学术会议（JSCL-2005）论文集[C];2005年

2 刘文壮;李均利;;一种基于隐马尔科夫模型的脱机手写汉字识别方法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

3 彭子平;张严虎;潘露露;;隐马尔科夫模型原理及其重要应用[A];2008'中国信息技术与应用学术论坛论文集（一）[C];2008年

4 王宏生;孙美玲;李家峰;;隐马尔科夫模型在构建语言模型中的应用[A];创新沈阳文集（A）[C];2009年

5 张劲松;戴蓓倩;郁正庆;王长富;;汉语识别中隐马尔科夫模型初始化的研究[A];第二届全国人机语音通讯学术会议论文集[C];1992年

6 刘杰;梁晓辉;;基于Fused隐马尔科夫模型的人体运动识别[A];第八届和谐人机环境联合学术会议（HHME2012)论文集CHCI[C];2012年

7 林晨;金蓓弘;龙震岳;陈海彪;;上下文感知的分布式事件分发研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

8 杨s，

本文编号：1102397