（陜西職業(yè)技術(shù)學(xué)院藝術(shù)系，710100）

基于哼唱的音樂(lè)檢索系統(tǒng)的探究

路 昕

（陜西職業(yè)技術(shù)學(xué)院藝術(shù)系，710100）

隨著當(dāng)前信息網(wǎng)絡(luò)技術(shù)的不斷快速發(fā)展，人們與音樂(lè)正面對(duì)接的方式早已從最初的磁帶、唱片轉(zhuǎn)變成了信息網(wǎng)絡(luò)，網(wǎng)絡(luò)也逐漸變?yōu)槿藗凅w驗(yàn)音樂(lè)最為重要的接收途徑。 但是，同樣伴隨著娛樂(lè)產(chǎn)業(yè)的迅猛發(fā)展，其純粹的音樂(lè)數(shù)據(jù)也呈現(xiàn)爆炸式發(fā)展的趨向，可謂浩如煙海。怎樣實(shí)現(xiàn)準(zhǔn)確，快速的搜索到自身所需要找尋的音樂(lè)，逐漸成為了網(wǎng)絡(luò)搜索技術(shù)探索的重點(diǎn)課題。

哼唱音樂(lè)；音樂(lè)檢索；音樂(lè)理論

現(xiàn)階段人們所現(xiàn)實(shí)應(yīng)用的音樂(lè)搜索辦法是十分有限的，而以信息網(wǎng)絡(luò)為主流形式的音樂(lè)檢索方式，依然為按照文本注識(shí)來(lái)完成的，譬如人們使用最廣泛的谷歌mp3檢索皆是依靠人工注識(shí)，人們輸至與之對(duì)應(yīng)的搜索關(guān)鍵字，檢索系統(tǒng)再通過(guò)文本模式對(duì)音樂(lè)展開(kāi)檢索。這種以文本模式為基準(zhǔn)的檢索方式自開(kāi)辟以來(lái)便沿用至今，目前依然占據(jù)主導(dǎo)地位，但這種的檢索模式也存在著諸多制約性。

1 音頻概述研究

無(wú)論是音樂(lè)還是日常的聲音，皆是依靠物體不斷發(fā)生振動(dòng)所形成的，然而，我們所能聽(tīng)到聲音也只是物體振動(dòng)的“選擇性”聲音。而振動(dòng)頻率便是指物體每秒鐘所產(chǎn)生振動(dòng)的次數(shù)，單位為赫茲（HZ）。振動(dòng)頻率如果愈大，以物理學(xué)視角而言，聲音的內(nèi)涵是伴著時(shí)間的持續(xù)性改變的波形信息。但是當(dāng)前計(jì)算機(jī)只可以解決數(shù)字信號(hào)，故而必須把聲音信號(hào)實(shí)行離散處理，形成為數(shù)字信號(hào)后，才可以完成輸入并且貯存至計(jì)算機(jī)例。當(dāng)我們把聲音貯存至計(jì)算機(jī)中，該應(yīng)當(dāng)考衡要考慮幾個(gè)方面的參數(shù)：第一，信號(hào)采樣頻率（sample rate），其中涵括8kHz、16kHz、CD音質(zhì)；第二，采樣解析度（Bit Resolution），其中涵括8-bit、16-bit。

由于聲音是通過(guò)振動(dòng)形成且通過(guò)機(jī)械波方式完成推出，故而人們常規(guī)意義上探究聲音時(shí)，也應(yīng)當(dāng)記錄下聲音信號(hào)波形，由于時(shí)間長(zhǎng)短皆不盡相同，導(dǎo)致其表現(xiàn)特征也存有顯著的不同。如圖1所示，聲音維續(xù)長(zhǎng)時(shí)間時(shí)，其聲音信號(hào)波形不會(huì)出現(xiàn)顯著的周期特點(diǎn)；聲音維續(xù)時(shí)間較短時(shí)，其聲音信號(hào)波形擁有顯著的周期規(guī)律特點(diǎn)。

圖1 聲音在較長(zhǎng)與較短狀態(tài)下的信號(hào)波形對(duì)比

2 音頻處理與哼唱旋律特征提取

2.1去噪處理

音量和過(guò)零率 (zero-crossing rate)是人們用來(lái)分別正常聲音和噪音最為重要兩個(gè)標(biāo)準(zhǔn)。通過(guò)這兩個(gè)標(biāo)準(zhǔn)的甄別，能夠有許多消除噪音的方式。其中，過(guò)零率的重點(diǎn)功能，是用來(lái)辨識(shí)“氣音”，這也在識(shí)別過(guò)程中扮演綱領(lǐng)性作用。但對(duì)音樂(lè)旋律特征識(shí)別而言，利用過(guò)零率來(lái)進(jìn)行對(duì)噪音的清除去意義不大。主要是因?yàn)闅庖舨⒉淮嬖谝舾卟糠?，為了降低?jì)算工作加強(qiáng)效率，可以直接通過(guò)音量展開(kāi)邊界觀察與第一階段的去噪處理。利用音量方式去噪最重要的環(huán)節(jié)，便是明確音閾的大小，而音閾的判定常規(guī)中主要有幾種方式：第一，音量極限值10%：這個(gè)方法在聲音處于大小不均衡之時(shí)容易導(dǎo)致錯(cuò)誤；第二，音量最小值五倍：該辦法在聲音處于雜音狀態(tài)很強(qiáng)時(shí)，很容易導(dǎo)致錯(cuò)誤；第三，第一幀音量值四倍：這個(gè)方法假設(shè)初期是靜音。倘若初始階段，并非靜音或錄音設(shè)備在初始狀況下便出現(xiàn)偏移，很容易導(dǎo)致錯(cuò)誤。上述三種辦法在明確音閾方面，各有所長(zhǎng)，也各有所短。如果適當(dāng)?shù)膿P(yáng)長(zhǎng)避短，則能找出更多確定閾值的方法，例如，得知音量極限最大值得和最小值完成加權(quán)平均法，確定音閾值。如圖2所示，經(jīng)哼唱檢索，第一種方法能夠達(dá)到最佳效果。

圖2 音閾值確定方式對(duì)比

2.2哼唱旋律提取

和諧泛音中哼唱主旋律提取處理過(guò)程主要涵蓋了預(yù)處理模塊、基頻提取模塊以及音符分割模塊。預(yù)處理模塊涵蓋了精化整流以及低通濾波(Low-pass filter)等三個(gè)步驟，經(jīng)過(guò)這三個(gè)階段的過(guò)濾，最終保證信號(hào)的質(zhì)量與降噪效應(yīng)。音頻信號(hào)通過(guò)初始的預(yù)處理模塊后就滲透到了中心地位的基頻提取模塊，該模塊涵蓋了泛音特點(diǎn)的判定與引導(dǎo)主基頻判定這方面的的基本功能。音符分割模塊主要通過(guò)兩個(gè)環(huán)節(jié)的音符切分，第一環(huán)節(jié)依靠能量突出指標(biāo)把音段范圍與無(wú)音段范圍進(jìn)行分開(kāi)；第二環(huán)節(jié)再依靠音高的區(qū)域改變進(jìn)行對(duì)各音符的切分。

樂(lè)器演奏旋律提取法擁有較大的受制約性，關(guān)鍵在于其處理對(duì)象只可以是單聲部樂(lè)曲旋律，但是對(duì)于專業(yè)性質(zhì)的資料庫(kù)貯存的音樂(lè)資料展開(kāi)演奏旋律提取時(shí)，并未展示出十分優(yōu)質(zhì)的效果。其因素主要有兩個(gè)方面，一方面，是演奏者（演唱者）其表現(xiàn)技藝難免存在一定客觀因素的差異，這也就為演奏旋律的提取工作設(shè)置了一定程度的阻礙；另一方面，許多聲部音頻音樂(lè)，因?yàn)槠鋸?fù)雜標(biāo)準(zhǔn)皆是單聲演奏不能夠與之相比擬，故而，對(duì)其展開(kāi)演奏音樂(lè)旋律提取工作仍然存在很大難度。

固定伴奏復(fù)調(diào)哼唱旋律提取相對(duì)于樂(lè)器演奏旋律提取以及和諧泛音主旋律音樂(lè)提取表現(xiàn)的最為優(yōu)秀，其主要特征是可以在更為繁雜的音軌中攝取到人聲所演唱的旋律。而相對(duì)而言，在常規(guī)意義下，人聲的演唱部分都屬于樂(lè)曲當(dāng)中的主旋律。在固定伴奏復(fù)調(diào)哼唱旋律提取算法中，能夠選擇性的根據(jù)演唱者聲音展開(kāi)提取，其常規(guī)流程圖如表3.

圖3 固定伴奏復(fù)調(diào)哼唱旋律提取基本流程圖

該提取系統(tǒng)通過(guò)根據(jù)聲音在伴奏階段時(shí)間不穩(wěn)定的特征，并基于這個(gè)特征，來(lái)一一甄別樂(lè)器伴奏聲音與演唱者的聲音。最終，明確旋律音高。

3 MIDI旋律提取

MIDI是樂(lè)器的數(shù)字化接口的縮寫(xiě)，屬于標(biāo)準(zhǔn)協(xié)議，其功能主要用于電子樂(lè)器、音樂(lè)合成器以及計(jì)算機(jī)三者間相互對(duì)換的一種音樂(lè)符號(hào)，其并不發(fā)射聲音信號(hào)，而在聲音通道中上傳、輸送各式的信息，再通過(guò)消息接收的設(shè)執(zhí)行動(dòng)作。常規(guī)意義上的音樂(lè)通過(guò)有十六個(gè)能夠使用的音樂(lè)通道，而所有的通道皆具備不同種類的音色。通常情況下，打擊樂(lè)聲放置于十號(hào)音樂(lè)通道，其余十五個(gè)通道音色，可以直接默認(rèn)系統(tǒng)原先設(shè)置的，也可以由個(gè)人完成自定義。絕大部分，音樂(lè)制作一方，皆會(huì)把主旋律獨(dú)立的貯存自獨(dú)立專屬的通道中，但具體存放于哪一個(gè)通道，需要通過(guò)制作者在創(chuàng)作音樂(lè)之時(shí)，根據(jù)自身的實(shí)際情況所決定。故而也存在極大的不確定性。

4 DTW算法的應(yīng)用

哼唱旋律特征實(shí)現(xiàn)提取工作之后，能夠展現(xiàn)為音高向量的方式。如果需要階段性哼唱旋律的雷同性問(wèn)題，就變化為求n維空間里向量與向量之間的距離關(guān)系。常規(guī)條件下，向量之間空間距離一旦愈小，那么就能夠肯定其所需要完成匹配的旋律，在雷同度上就愈高。一般條件下，兩個(gè)空間向量 x、y ，其間距能夠被判定成兩者之間所涵蓋的直線距離的幾何平均數(shù)。這便是歐幾里得距離（Euclidean Distance）。

5 系統(tǒng)設(shè)計(jì)與測(cè)試

如圖4所示，經(jīng)上述研究，哼唱音樂(lè)檢索系統(tǒng)功能已能夠得到確定。在實(shí)現(xiàn)了對(duì)旋律特征提取的同時(shí)，基于MIDI旋律架構(gòu)建造了音樂(lè)特征庫(kù)，為旋律之間的互相匹配做好了最后的鋪墊工作。

6 結(jié)束語(yǔ)

音樂(lè)屬于通過(guò)藝術(shù)雕琢，蘊(yùn)育著人類所寄托的情感，聽(tīng)之能夠讓人發(fā)生情感共鳴或是陳述出神圣意味的聲音。音樂(lè)的本質(zhì)原則與要素有兩點(diǎn)，即節(jié)奏與旋律，主要可以分之為聲樂(lè)和器樂(lè)兩大種。往往一個(gè)音符變幻與重疊，就能夠形成各種不一樣的情感認(rèn)識(shí)，也許是在節(jié)奏，也許是在旋律上。而音符的這些變化，也和人們?cè)谀菚r(shí)的律動(dòng)，情感狀態(tài)也存在著一定的聯(lián)系。音樂(lè)理論是讓人們體驗(yàn)音樂(lè)最為關(guān)鍵與重要的理論基礎(chǔ)，音樂(lè)理論的范圍區(qū)域涉及面十分廣泛，涵括了音樂(lè)感知與音樂(lè)創(chuàng)作各個(gè)要素。

[1] 羅如海.用改進(jìn)人工蜂群算法優(yōu)化基于內(nèi)容的哼唱音樂(lè)檢索系統(tǒng)[D].哈爾濱工業(yè)大學(xué).2010.

[2] 周義洪.面向Web的基于哼唱方式的歌曲檢索方法與系統(tǒng)實(shí)現(xiàn)[D].中南大學(xué).2013.

[3] 孫潔.基于哼唱的MIDI音樂(lè)檢索系統(tǒng)的研究[D].西安建筑科技大學(xué).2013.

[4] 王海濤,趙艷瓊,韓家鑫等.Building an Information Retrieval System:Global Indexing or Local Indexing[J].Software Engineering and Applications, 2013,Vol.02 (01)：6-14.

Study of humming music retrieval system based on

Lu Xin
(Shanxi Vocational &Technical College，710100)

With the rapid development of the information network technology,people and music positive butt way already from the original tape,disc into information network,the network has gradually become an important way of people experience received for music.But,as with the rapid development of the entertainment industry,the trend of its pure music data also show explosive growth,is the multitude.How to realize the accurate,fast search to the need to find music,gradually became the focus of research to explore the network search technology.

humming music retrieval;music theory

圖4 哼唱音樂(lè)檢索系統(tǒng)整體結(jié)構(gòu)