本論文目的在實現一個智慧型自動吉他伴奏系統，希望能應用我們所設計的自動吉他系統，結合MIDI技術以及智慧型的學習，擴充其具有伴奏的功能。基於實用上的考量，我們將提供兩種模式的伴奏效果。
首先第一種模式，主要為演奏者配合伴奏系統模式，演奏者可以透過MIDI樂器演奏樂曲，而伴奏音樂的每一個音符的發音時間，都可以開放由演奏者來修改或設定。在這種模式下，雖然演奏者可以決定伴奏樂曲的每一音符的節奏，可是伴奏樂曲每次伴奏時，是不可以即時作改變的，是以此模式又稱為演奏者配合伴奏系統模式。
第二種模式的目的則是希望伴奏系統能配合演奏者，主要分為學習 (Learning) 和回想 (Recalling)兩過程。在學習過程中，此時的伴奏系統將自動撥放，而系統將自動分析演奏者所彈奏的主奏內容，也就是說當演奏者很隨興的每次慢慢加快或放慢演奏速度時，伴奏系統都能夠有智慧地學習。而在回想過程中，伴奏系統將根據之前學習過程的學習經驗，有能力跟隨演奏者的節奏，並預測出下一個伴奏音符的撥放時間，如此才能符合真正伴奏的意涵。
爲達成以上的目的，我們設計了一個有效率的類神經網路來學習樂曲中每一音節的演奏特性，以增進智慧學習的效能。藉由增加類神經網路的一些輸入資訊，我們得到了令人滿意的結果。我們深深的希望藉由此類音樂機器人計畫之實現，除了能增進電子、機械等方面之設計技術與人才培養外，亦能促進科技與藝術的結合。

This thesis is intended to apply the techniques of MIDI and intelligent learning to implement an intelligent automatic guitar accompaniment system that utilizes the automatic guitar that we have designed before. Based on practical considerations, two modes will be provided by the proposed system. In the first mode, the user should play his desired tempo through a MIDI instrument connected to the computer. After that, the user can now properly define the time schedule of the corresponding accompaniment in the presented software interface. For the second mode, there will be two processes, learning and recalling, so that the proposed system can follow the user’s tempo. In the learning process, the accompaniment system will play automatically and intelligently, completing the learning process according to the user’s performance. While in the recalling process, the proposed system can predict in real-time the time interval of the subsequent musical note based on the results of the learning process to be able to make an ideal accompaniment system. To accomplish the above proposals, we have designed an efficient Neural Network to enhance the learning efficiency of the system. Some important inputs with special messages are added to the Neural Network that yields satisfactory results. We deeply hope that this musical robot project can not only improve the design techniques in Electrical and Mechanical Engineering Field, but also promote the unification between the Art of Music and Technology.

摘要 iv
英文摘要 v
誌謝 vi
目次 vii
表目錄 ix
圖目錄 x
第一章 緒論 1
1.1研究動機與目的 1
1.2系統特性說明 2
第二章 MIDI的介紹與應用 3
2.1前言 3
2.2 MIDI的技術應用 3
2.2.1 MIDI多通道合音模擬 3
2.2.2 MIDI檔案轉換 5
2.2.3 MIDI的訊息擷取 7
第三章 軟硬體的應用與介紹（先前的工作）9
3.1自動吉他的機構 9
3.2六線譜編輯器 11
3.2.1 初始畫面 12
3.2.2 開啟新檔 13
3.3古典吉他介面 15
3.3.1 古典吉他介面的音符和音幹產生 15
3.3.2 音節的產生和移動 18
3.4民謠吉他介面 21
3.4.1 古典吉他介面的音符和音幹產生 21
3.4.1.1和弦版面設計 22
3.4.1.2和弦的系統流程 22
3.4.2 民謠吉他介面的音符和音幹產生 24
3.5電子琴和電腦的連結 24
第四章 系統說明 26
4.1伴奏系統設計與學習（模式1） 26
4.2演奏者配合伴奏系統之模式（模式2）28
4.2.1 音符群、間隔時間 28
4.2.2 客制化的基本節奏、學習樣本之累積 29
4.2.3 伴奏修正微調機制、自動檢查彈奏錯誤的音節 31
4.2.4計時器之校準 33
第五章 類神經網路的伴奏學習（模式2）36
5.1本系統使用之類神經網路簡介 36
5.2類神經網路的I/O 38
5.3類神經網路的「學習」與「回想」 40
5.3.1學習樣本的建立 40
5.3.2學習過程 41
5.3.3回想過程 44
5.4智慧型自動吉他伴奏系統介面與流程 48
5.4.1學習樣本的建立 50
5.4.2回想過程 54
第六章 結論 59
參考文獻 61

[1] 王進德，類神經網路與模糊控制理論入門與應用，全華，2007。
[2] 丹心軟件設計: http://hi.baidu.com/starwork/blog/item/5c5b9744631df183b2b7dcd6.html
[3] 高盟欣，樂譜編輯與電腦音樂的應用，淡江大學資訊工程所碩士論文，1998。
[4] 陳以哲，自動鋼琴之研製，交通大學控制工程所碩士論文，1991。
[5] 張瑋娟，模糊類神經節奏控制器在自動伴奏系統上的應用，中華大學電機工程所碩士論文，2000。
[6] 郭清界、張少華，卡爾卡西現代奏法 古典吉他大教本（上）（下）。台灣：天音出版社，2001。
[7] 趙春棠，林奕志，進階自動吉他演奏系統之設計與實現，pp . d-197，2005年中華民國自動控制研討會，2005。
[8] 趙春棠，黃裕韡，一個實用的自動吉他樂曲輸入系統，2007數位設計創意國際研討會，2007。
[9] 趙春棠，黃建生，智慧型自動吉他伴奏系統之實現，第三屆智慧生活科技研討會（The 3rd Intelligent Living Technology Conference, ILT 2008）, P. 142, June 2008.（ISBN: 978-957-21-5854-8）。
[10] 溝淵浩五郎，卡爾卡西吉他教本，美樂出版。
[11] 蕭鈺恆，MIDI在吉他編曲上的應用，淡江大學資訊工程所碩士論文1998。
[12] 歐諾黑，慢活，大塊文化，2005。
[13] 蕭鈺恆，MIDI在吉他編曲上的應用，淡江大學資訊工程所碩士論文，1998。
[14] 張迪文，MIDI狂想曲-電腦音樂輕鬆上錄，松崗，1999。
[15] 張迪文，Audio 狂想曲-電腦音樂輕鬆上錄，松崗，2000。
[16] 石鄭滎 ,Cakewalk Home Studio, 第三波，1998。
[17] 楊正宏 ,數位音樂全指南, 金禾資訊，2005。
[18] 劉冠德 ,數位音樂工廠,城邦文化發行，2004。
[19] 羅華強，類神經網路-MATLAB 的應用，清蔚科技，2008。
[20] 周鵬程，類神經網路入門-活用Matlab，全華，2004。
[21] 張斐章、張麗秋，類神經網路，東華書局，2005，。
[22] 蘇木春、張孝德，類神經網路、模糊系統以及基因演算法則，全華書局，2006。
[23] 蒙以正，Matlab 入門與進階，儒林，2007。
[24] C.T. Chao and C.C. Teng, “Implementation of a fuzzy inference system using a normalized fuzzy neural network,” Fuzzy Sets and Systems, vol.75, no.1, pp. 17-31, October 1995.
[25] C.T. Chao, Y.J. Chen and C.C. Teng, “Simplification of fuzzy-neural systems using similarity analysis,” IEEE Trans. Systems Man Cybernetic Part B: Cybernetics, vol.26, no.2, pp. 344-354, April 1996.
[26] C. T. Lin and C. S. G. Lee, Neural-network-based fuzzy logic control and decision system, IEEE Trans. Computer C-40(12) 1320-136, 1991.
[27] Neural Network Desigm,” Hagan, Demuth,Beale, Thomson Learning，1996。
[28] Mabry MIDI Software and Visual Basic Code: http://home.brisnet.org.au/~mlevoi/midi.html