基于判决HMM和改进Viterbi的钢琴指法自动标注方法

发布时间：2024-03-11 04:23

　　现有的一阶隐马尔可夫模型(hiddenMarkovmodel,HMM)用于钢琴指法标注不能结合音符序列的长程信息,导致标注结果存在物理不可弹指法,且演奏效率较低,因此本文提出了一种基于判决隐马尔可夫模型和改进维特比算法的钢琴指法自动标注算法.结合指法规则的先验知识,在HMM中引入了判决函数,从而能够去除错误的穿跨指和超出可弹跨度的指法.在预测指法路径时,改进了维特比算法的寻优规则,首先根据先验知识对音符序列进行八度分段,并改进初始指法的确定方法,最后选择穿跨指数最少、演奏效率最高的指法序列为最优指法.为了表征算法的性能,文中还提出了不可弹指法占比率和欠合理率两种新的评价指标来衡量指法的可弹性和演奏效率.通过实验验证,文中算法相较于现有标注模型在一致率和两种新的指标上提升效果显著.另外,为了对比在小数据集下传统方法和深度学习方法的性能,还与Bi-LSTM+CRF进行了对比实验,训练时分别采用原始音符序列和音符差分序列,实验结果显示利用音符差分序列可以有效提高标注结果的一致率,由此可见,相较于原始音符序列,指法标注和音符差分序列的关系更密切,从而进一步验证了本文算法结合音符差分信息改进HM...

【文章页数】：11 页

【部分图文】：

图1利用指法先验知识的改进HMM方法原理

第1.1节介绍了常用的指法设计规则，包括正误穿跨指、可接受的最大音程跨度、手部移位准则和初始指法确定规则．第1.2节提出判决隐马尔可夫模型．第1.3节介绍模型的参数估计．第1.4节介绍指法序列的预测阶段．1.1指法规则先验知识

图2右手错误穿跨指示意

表1总结了右手音符降(与左手音符升时情况一致)的正误指法转移组合，右手音符升(左手音符降)时的正误指法转移情况与表1斜对角镜像对称．笔者利用这一先验知识保证指法的正确性．1.1.2音程约束先验

图3初始状态受限时维特比算法路径搜索示意

极少数特殊音符序列下，会出现某些时刻δt(i)全为0，即t时刻没有可选指法的情况，大多发生在音符的连续上升或连续下降处．如右手上一时刻的可选指法唯一且为5指，下一音符继续上升，则在不换手位下没有可选指法，此时的解决办法是将ψ2使用的最大音程跨度适当放大一些，不超过MaxPrac，....

图4右手音符和指法频次分布

88个音符输出的组合数十分庞大，输出概率矩阵中的参数将达到31×61929≈190×104，其中4音和弦、5音和弦的组合数目占到了89.8%．对数据集中的音符和指法进行统计，4音和弦和5音和弦出现的概率极低，近似为0，因此笔者删掉输出概率矩阵和转移概率矩阵中的4音、5音和弦音符....

本文编号：3925816