張學(xué)旗

(臺(tái)州學(xué)院, 藝術(shù)與設(shè)計(jì)學(xué)院，浙江，臺(tái)州 318000)

0 引言

語(yǔ)義分析是編譯過程中的一個(gè)邏輯階段，其任務(wù)是對(duì)審查結(jié)構(gòu)上正確的源程序進(jìn)行上下文有關(guān)性質(zhì)審查，目的是審查源程序是否存在語(yǔ)義錯(cuò)誤，從而為代碼的生成階段收集類型信息。例如語(yǔ)義分析的工作是實(shí)現(xiàn)類型審查，對(duì)各個(gè)算符進(jìn)行審查，觀察是否存在語(yǔ)言規(guī)范所允許的運(yùn)算對(duì)象，在不符合語(yǔ)言的規(guī)范時(shí)，編譯程序報(bào)告錯(cuò)誤。它也是編譯程序中最有實(shí)質(zhì)性的工作，解釋源程序語(yǔ)義，從而引發(fā)源程序的質(zhì)變化[1]。

音樂是利用組織音所構(gòu)成的一種聽覺意象，所以可以用來(lái)表述社會(huì)現(xiàn)實(shí)生活以及思想感情的一種藝術(shù)形式，也是最能夠即時(shí)打動(dòng)人的藝術(shù)形式之一。同時(shí)，音樂也是由很多復(fù)雜元素構(gòu)成的，所以在進(jìn)行比賽時(shí)，人工評(píng)委很有可能會(huì)出現(xiàn)判斷錯(cuò)誤的情況，為此本文提出一種語(yǔ)義相關(guān)性數(shù)據(jù)庫(kù)構(gòu)建下音樂比賽評(píng)分方法多模塊化設(shè)計(jì)，主要是為了系統(tǒng)化地對(duì)音樂選手進(jìn)行評(píng)分，使其結(jié)果更加客觀有效。

1 潛在語(yǔ)義空間建立

在潛在語(yǔ)義空間中構(gòu)造評(píng)分標(biāo)準(zhǔn)，并在此語(yǔ)義空間中計(jì)算每個(gè)演奏者的音樂水平與標(biāo)準(zhǔn)答案之間的語(yǔ)義關(guān)聯(lián)，利用VSM(語(yǔ)音業(yè)務(wù)模塊)表示主觀音樂水平的標(biāo)準(zhǔn)答案，而在VSM模型內(nèi)，一個(gè)選手的標(biāo)準(zhǔn)水平，能夠看作是通過互相獨(dú)立若干音樂構(gòu)成的集合，就是SAj=(st1j,st2j,…,stmj)T，相對(duì)于每首音樂st1j，依據(jù)在標(biāo)準(zhǔn)答案水平內(nèi)所隱藏的重要程度和隱含語(yǔ)義，賦予固定權(quán)值，標(biāo)準(zhǔn)答案的水平特征向量為(ωt1j,ωt2j,…,ωtmj)T，通過權(quán)重評(píng)價(jià)函數(shù)tf×idf對(duì)各個(gè)特征項(xiàng)權(quán)重進(jìn)行定義[2]，具體計(jì)算式為

(1)

式中，tfij表示項(xiàng)sti處于標(biāo)準(zhǔn)答案水平SAj內(nèi)的頻數(shù)，idfi=log(N/ni)表示項(xiàng)法反比水平頻數(shù)，N表示比賽主觀評(píng)價(jià)數(shù)量，ni表示項(xiàng)sti的水平頻數(shù)，在音樂水平內(nèi)全部主觀比賽項(xiàng)目標(biāo)準(zhǔn)答案矩陣為

(2)

式中，ωtii表示第i行第i詞項(xiàng)對(duì)每個(gè)主觀評(píng)價(jià)水平答案貢獻(xiàn)，而第j列表示第j個(gè)主觀比賽項(xiàng)目標(biāo)準(zhǔn)答案SAj內(nèi)的各個(gè)詞項(xiàng)貢獻(xiàn)。

通過潛在語(yǔ)義索引的方式，對(duì)比賽內(nèi)全部項(xiàng)目標(biāo)準(zhǔn)答案進(jìn)行構(gòu)建—矩陣潛在的語(yǔ)義空間。采用奇異值(SVD)的分解方法，計(jì)算A的解[3]，具體為

A=U∑VT

(3)

(4)

2 現(xiàn)場(chǎng)音樂比賽評(píng)分系統(tǒng)多模塊化設(shè)計(jì)方案

2.1 評(píng)分系統(tǒng)多模塊化結(jié)構(gòu)

通常來(lái)說，現(xiàn)場(chǎng)音樂評(píng)分系統(tǒng)框架結(jié)構(gòu)[5]包含3個(gè)部分，分別是特征類似度的匹配、提取音樂評(píng)分的特征以及構(gòu)建標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)。

(1)構(gòu)建標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)，依據(jù)音樂評(píng)分中提取到的特征，找出最佳提取所對(duì)應(yīng)的標(biāo)準(zhǔn)音頻特征，將其作為標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)，一般會(huì)利用MIDI音樂文件做對(duì)應(yīng)特征提取，作為標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)。

(2)提取評(píng)分音樂特征，該部分是對(duì)音樂特征旋律進(jìn)行提取，其中，包含音符切分、平滑處理以及特征估計(jì)等。

(3)數(shù)據(jù)庫(kù)中的音頻和需要評(píng)分的音樂進(jìn)行特征匹配[6]，觀察二者相似的程度，實(shí)現(xiàn)對(duì)音樂的量化評(píng)估。

由于音樂評(píng)分系統(tǒng)需要準(zhǔn)確、客觀，所以要分析現(xiàn)場(chǎng)音樂的表演形式以及噪聲等問題，使其具有良好魯棒性特征。構(gòu)建系統(tǒng)框架如圖1所示。

圖1 音樂評(píng)分系統(tǒng)框架結(jié)構(gòu)圖

2.2 音樂評(píng)分多模塊化設(shè)計(jì)

音樂比賽的好壞是通過多方面確定的，例如情感表達(dá)、音強(qiáng)、音色、節(jié)奏、音準(zhǔn)以及氣息平穩(wěn)度，不過最重要的是旋律，所以對(duì)于音樂評(píng)分，通常使用的是以旋律特征作為對(duì)比，音樂的獨(dú)特性就是通過旋律所確定的，如果旋律出現(xiàn)了變化，那么歌曲自身也就會(huì)變成另外的歌曲。旋律則是通過音量、音長(zhǎng)與音高此3種因素所構(gòu)成的。通常對(duì)于旋律特征表示，容易忽略掉音量的影響，從而直接表示音長(zhǎng)以及音高特征。旋律的特征包括2種，具體如下。

2.2.1 音符序列計(jì)算模塊

音符的作用是來(lái)記錄長(zhǎng)短不同音的一種特殊符號(hào)，是作為西方音樂的基本元素，通過把音樂打散，變成最小的組成，利用音符的序列，表示音樂旋律內(nèi)的音長(zhǎng)以及音高，具體為

Note=[pitch,duration]

(5)

式中，pitch表示音高，duration表示音長(zhǎng)。音高和發(fā)聲體振動(dòng)的頻率相關(guān)；音長(zhǎng)則是用來(lái)度量某一種音高持續(xù)的長(zhǎng)度，采用四分音符作單位。

在音符的序列內(nèi)，不會(huì)利用基本頻率對(duì)音高進(jìn)行表示，一般會(huì)利用MIDI(樂器數(shù)字接口)文件內(nèi)的半音對(duì)音高進(jìn)行表示[7]，頻率與Semitone存在對(duì)應(yīng)的關(guān)系，具體計(jì)算式為

(6)

式中，freq(j)表示音符。

2.2.2 基音周期估計(jì)模塊

自相關(guān)的函數(shù)可以對(duì)波形信號(hào)間的類似程度進(jìn)行估計(jì)。把分幀音頻進(jìn)行平移至一小段，計(jì)算起始幀音頻重疊部分的積，具體計(jì)算式為

(7)

式中，N表示每幀音頻長(zhǎng)度，Si(m)表示第i幀聲音的信號(hào)，因?yàn)槁曇粜盘?hào)可以在短時(shí)間中存在周期性，同時(shí)周期恒定，會(huì)在時(shí)移k與聲音的周期相等或者k是聲音周期的整數(shù)倍時(shí)，Ri(k)會(huì)取極大值，計(jì)算信號(hào)自相關(guān)的函數(shù)，會(huì)標(biāo)記區(qū)域的最大值和零點(diǎn)之間的間隔，就是聲音的基本周期[8]。

在利用自相關(guān)的函數(shù)法估計(jì)基音周期時(shí)，會(huì)存在一個(gè)嚴(yán)重問題。隨著偏移增大，k增大，這樣會(huì)導(dǎo)致在式(7)內(nèi)的求和項(xiàng)目變少，同時(shí)求和值也會(huì)減少，從而致使基音周期的估計(jì)出現(xiàn)不準(zhǔn)確情況。針對(duì)該問題，需要利用歸一化的自相關(guān)函數(shù)，即可消除因?yàn)榍蠛晚?xiàng)的減少帶來(lái)的影響。具體計(jì)算式為

(8)

2.2.3 音符切分分析模塊

利用音符序列對(duì)音樂旋律的評(píng)分系統(tǒng)進(jìn)行表示，完成音高的序列提取后，同時(shí)還要進(jìn)行音符切分操作，從而獲取音符的序列[9]。

音符序列內(nèi)的音符，能夠被看成是連續(xù)不變的幾個(gè)音高值，以此可以將音符切分的基本思想劃分成合并連續(xù)相同的音高值。但實(shí)際音高估計(jì)結(jié)果中，連續(xù)音高的序列不會(huì)出現(xiàn)完全相等的情況，會(huì)具有很多的微小細(xì)節(jié)變化，因此需要對(duì)其進(jìn)行平滑處理，在平滑處理之后，還要對(duì)其進(jìn)行處理，以此來(lái)達(dá)到音符切分的效果。具體計(jì)算式為

(9)

式中,threshold表示閾值，當(dāng)一個(gè)音符的半音跳躍等于或不超過音高范圍的音高時(shí)，它被認(rèn)為是同一個(gè)音符。因此，平均值應(yīng)作為統(tǒng)一的節(jié)距值來(lái)計(jì)算。在通過處理之后，要進(jìn)行音符切分，具體步驟如下。

(1)粗劃分音高序列，通過將前后的音高值閾值以及差值大小進(jìn)行對(duì)比，判斷相鄰兩幀數(shù)據(jù)是否是相同音符，加序列即可劃分成音高列段。

(2)把各個(gè)序列段內(nèi)中值音高轉(zhuǎn)變成半音值，將其作為音符，而統(tǒng)計(jì)持續(xù)的時(shí)間，將其作為音長(zhǎng)。

(3)將全部音高序列進(jìn)行合并，組成音符序列。

(4)對(duì)音符序列進(jìn)行檢查，對(duì)比鄰近的音符Pitch數(shù)值差異，即可判斷是否要進(jìn)行合并。

通過上述幾步，就能夠?qū)σ舴M(jìn)行切分，從而獲得精確的音符序列。

2.2.4 音樂特征匹配

提取旋律特征后，就會(huì)獲得2種旋律的特征序列分別為音符序列與音高序列。

為了匹配所提取特征的旋律相似度，需要將數(shù)據(jù)庫(kù)中的特征與旋律按照標(biāo)準(zhǔn)進(jìn)行匹配，然后觀察相似度來(lái)評(píng)價(jià)音樂的旋律。在匹配過程中，要注意以下幾個(gè)問題：音高偏差，因?yàn)槊總€(gè)聲帶結(jié)構(gòu)不同，所以歌唱水平也參差不齊。通常情況下，大量的人沒有接受過專業(yè)的訓(xùn)練，所以對(duì)音高的絕對(duì)高度不應(yīng)該有過高的要求，應(yīng)該掌握整個(gè)音樂過程。對(duì)于演唱者在演唱歌曲時(shí)出現(xiàn)的音高變化，以及是否有很好的過渡，需要對(duì)提取的音高序列進(jìn)行調(diào)整，并從音高序列中減去旋律的平均值。具體可以獲得表達(dá)式為

x(n)=x(n)-Meanx(n)+Shift

(10)

式中，Meanx(n)表示該段旋律音高的平均值，在后面加上統(tǒng)一偏移量Shift，目的是防止音高序列內(nèi)出現(xiàn)負(fù)數(shù)。

在旋律評(píng)分的框架中，加入新音高的序列提取方法，以此提升音高特征的提取精確性和對(duì)噪聲的魯棒性。具體評(píng)分過程如圖2所示。

圖2 音樂評(píng)分流程圖

3 仿真實(shí)驗(yàn)

為了驗(yàn)證本文構(gòu)建的音樂評(píng)分系統(tǒng)有效性，采用MATLAB進(jìn)行仿真測(cè)試分析，音樂評(píng)分的統(tǒng)計(jì)樣本數(shù)為2 000，迭代步數(shù)為180，稀疏度為0.24，采用Visual C++進(jìn)行音樂評(píng)分的數(shù)據(jù)庫(kù)模型構(gòu)造，音樂信息采樣的長(zhǎng)度為1 048，相似度系數(shù)為0.26，根據(jù)上述參數(shù)設(shè)定，進(jìn)行音樂評(píng)分。

首先需要構(gòu)建評(píng)價(jià)因素，請(qǐng)有關(guān)專家、學(xué)者、音樂人等領(lǐng)域的3位有關(guān)人員參加評(píng)價(jià)，對(duì)設(shè)計(jì)的音樂評(píng)分系統(tǒng)各個(gè)模塊的功能進(jìn)行評(píng)價(jià)，設(shè)定評(píng)判等級(jí)指標(biāo)為U={A，B，C，D，E}。其中：A代表非常好，分?jǐn)?shù)等級(jí)為(80,100]；B代表良好，分?jǐn)?shù)等級(jí)為(60,80]；C代表一般，分?jǐn)?shù)等級(jí)為(40,60]；D代表較差，分?jǐn)?shù)等級(jí)為(20,40]；E代表非常差，分?jǐn)?shù)等級(jí)為(0,20]。分別統(tǒng)計(jì)音符序列計(jì)算模塊a1、基音周期估計(jì)模塊a2、音符切分分析模塊a3、音樂特征匹配a4等4個(gè)部分的評(píng)價(jià)結(jié)果如表1所示。

表1 評(píng)分指標(biāo)隸屬度

分析表1數(shù)據(jù)可知，關(guān)于統(tǒng)計(jì)音符序列計(jì)算模塊a1的評(píng)分，30%的參評(píng)人員評(píng)級(jí)為A，40%的參評(píng)人員評(píng)級(jí)為B，20%的參評(píng)人員評(píng)級(jí)為C，10%的參評(píng)人員評(píng)級(jí)為D，沒有參評(píng)人員評(píng)級(jí)為E。從而得到a1的評(píng)價(jià)結(jié)果為(0.3，0.4，0.2，0.1，0)。a2、a3、a4的評(píng)價(jià)結(jié)果同上分析過程。在構(gòu)建等級(jí)模糊子集之后，由于各個(gè)因素ai(i=1,2,3,4)較多，運(yùn)用多級(jí)模型求解，將評(píng)價(jià)因素分為2個(gè)子系統(tǒng)，獲取對(duì)應(yīng)的單因素評(píng)價(jià)模糊矩陣R1和R2，具體計(jì)算式為

(11)

選擇3位選手作為實(shí)驗(yàn)人員，其中：選手一為受過音樂的專業(yè)訓(xùn)練，登臺(tái)演唱過一些音樂；選手二為業(yè)余選手，喜愛音樂；選手三為對(duì)音樂完全沒有興趣，也很少唱歌。演唱同一首歌曲，時(shí)間設(shè)置為整首歌曲的時(shí)間。

選擇3位專業(yè)的評(píng)委對(duì)3位實(shí)驗(yàn)人員進(jìn)行評(píng)分，為了保證數(shù)據(jù)的有效性，現(xiàn)場(chǎng)的環(huán)境要從開始至結(jié)束保持不變，并將評(píng)委的評(píng)分?jǐn)?shù)據(jù)與系統(tǒng)的評(píng)分?jǐn)?shù)據(jù)進(jìn)行對(duì)比，以此來(lái)觀察構(gòu)建的系統(tǒng)效果。具體結(jié)果如表2～表4所示。

表2 選手一的評(píng)分?jǐn)?shù)據(jù)對(duì)比

表3 選手二的評(píng)分?jǐn)?shù)據(jù)對(duì)比

表4 選手三的評(píng)分?jǐn)?shù)據(jù)對(duì)比

通過觀察表2～表4的評(píng)分?jǐn)?shù)據(jù)，將本文系統(tǒng)與3位評(píng)委的平均分?jǐn)?shù)進(jìn)行對(duì)比，利用Origin繪制結(jié)果如圖3所示。

圖3 評(píng)委與本文系統(tǒng)評(píng)分對(duì)比結(jié)果

由圖3可知，本文系統(tǒng)的評(píng)分結(jié)果：選手一的平均分為84分，演唱水平優(yōu)秀；選手二的平均分為63.28分，演唱水平良好；選手三平均分為48.93，演唱水平較差。這在一定程度上能夠滿足音樂比賽的評(píng)分需求，符合人們主觀的感受，且客觀性更強(qiáng)。

4 總結(jié)

本文提出的語(yǔ)義相關(guān)性數(shù)據(jù)庫(kù)構(gòu)建下音樂比賽評(píng)分方法多模塊化設(shè)計(jì)方案，在實(shí)際現(xiàn)場(chǎng)音樂比賽評(píng)分中，不僅結(jié)果與人工偏差較小，評(píng)分結(jié)果符合人們喜愛音樂的主觀感受。但由于音樂形式發(fā)展以及社會(huì)的進(jìn)步，人們對(duì)于音樂的種類以及喜愛方式都會(huì)有所不同，樂器也會(huì)出現(xiàn)更新的情況，難免出現(xiàn)由于樣本不足，導(dǎo)致系統(tǒng)評(píng)分結(jié)果不符合現(xiàn)實(shí)需求，為此今后研究方向?yàn)樘砑由窠?jīng)網(wǎng)絡(luò)，保證評(píng)分結(jié)果不陷入局部最優(yōu)，提升系統(tǒng)適用性。