(44.192.10.166) 您好!臺灣時間:2021/03/06 04:02
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:李思源
研究生(外文):Sz-Yuan Lee
論文名稱:以最大調性輪廓相關法為基礎的音樂調性演算法
論文名稱(外文):The music key finding algorithm based on the maximum key-profile correlation
指導教授:許舜斌
學位類別:碩士
校院名稱:國立中興大學
系所名稱:電機工程學系所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2010
畢業學年度:98
語文別:中文
論文頁數:43
中文關鍵詞:音樂調性
外文關鍵詞:music key
相關次數:
  • 被引用被引用:0
  • 點閱點閱:147
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
摘要
隨著網際網路快速的發展以及多媒體壓縮技術的日益精進,現今已有非常大量的多媒體資料在網路上無國界的傳遞著,由於數位化多媒體資料的應用日益普遍,多媒體資料的分類與查詢技術之需求也漸漸受到大家的重視,因此,以內容為基礎的多媒體分析(content-base multimedia analysis)已經成為學術界研究的焦點。其中音樂調性是一種高階音樂內涵,常在許多音樂分類應用上扮演著重要的角色,如音樂類型[1]或音樂的情緒分析[2]等等。除此之外,音樂調性提供了一個非常方便的音樂資料庫搜尋線索,對資料庫使用者與相關領域研究人員而言是一個非常有用的檢索條件。
本文以統計的觀點,重新檢視Krumhansl[4]的「最大調性輪廓相關法」(maximum key-profile correlation),利用調性參數平均法(key parameter average)提出新的參數表,再結合樂理中音階結構的特性與最後一個音加權,來減少計算量與提高辨識率。
第一章介紹音樂調性分類的研究。調性分類的研究以Krumhansl的「最大調性輪廓相關法」為其始祖,在此之後其他研究者提出了以螺旋陣列CEG(Spiral Array Center of Effect Generator)、隱藏馬可夫模型(Hidden Markov Model)、和弦和音程等等不同判別調性的特徵與方法。
為了讀者閱讀上的方便,本文在第二章先簡介在往後章節皆有用到的樂理基本概念,接著詳述Krumhansl[4]獲得「最大調性輪廓相關法」參數實驗的實驗器材、方法、以及流程。在第二章的最後,我們補充Temperley[5]的看法:他以樂理的觀點,修正Krumhansl[4]參數不合理處,並提出改善方法。
由於Krumhansl[4]與Temperley[5]提出的參數皆以人為的方法決定「最大調性輪廓相關法」的參數,主觀性較重。第三章將排除人為的因素,以統計的觀點,利用調性參數平均法獲得一組「最大調性輪廓相關法」的參數。
本文第四章以樂理中音階結構的特性,應用於「最大調性輪廓相關法」中,實驗結果得知可有效的減少計算量。接著以樂理及經驗法則為基礎,利用最小均方誤差法(minimum mean square error, MMSE)的概念,對歌曲最後一個音的調性做加權,提升「最大調性輪廓相關法」的性能,並增加演算法在音樂調性分類的實用性。
最後是本研究的結論與展望。期望將來以本研究所提出的調性參數平均法,利用較大的訓練資料庫以獲得一組更一般性的參數,並且結合樂風分類,讓「最大調性輪廓相關法」在調性的判斷上有更準確的分類性能。


Abstract
In recent years, by the fast development of the Internet and the advancement in the compression techniques, there are large amounts of multimedia data have been rapidly spread on the Internet, the applications of digital multimedia data have been increasing and content-base multimedia analysis has become the focus of recent research. The music key in high level music content is very important. It plays a crucial role in many music classification applications, such as the music style classification [1] and the music mood analysis [2]. Besides, the music key provides a very convenient clue for digital multimedia data searching, and it is also a very useful searching condition for the user and related field researcher.
This study reconsiders the Krumhansl’s maximum key-profile correlation algorithm via the viewpoint of statistics, then using key parameter average to train a new weighting table. Finally, this study combines music theory and weighting the last note to reduce the amount of calculation and classification accuracy.
Chapter one introduces the study of music key classification. The pioneer of music key classification is Krumhansl’s maximum key-profile correlation algorithm. Afterwards other researchers using Spiral Array Center of Effect, Hidden Markov Model, the chord transient, and the interval of the music to classify music key.
For the reading convenience, chapter two introduces some concepts about music theory first, and then states the experiment in [4] about the experimental materials, methods and the procedures. At the end of this chapter, Temperley [5] noted that some unreasonable part of the experiment result and the improvement.
Due to the weighting table from Krumhansl [4] and Temperley [5] are artificial, there may exist some arbitrary decisions. In order to avoid such case, this study uses key parameter average to train a new weighting table in chapter three.
Chapter four uses the scale structure of music theory to reduce the amount of calculation, and weighting the last note by using minimum mean square error. It applies to the maximum key-profile correlation algorithm to enhance the performance and the practicality.
To conclude, this study shows a method to establish the weighting table of maximum key-profile correlation algorithm. It also provides some ways to improve the performance which includes reducing the amount of calculation and raising classification accuracy. The idea can be used to establish a normal weighting table by a large amount database for future research, and combining music style classification to enhance the music key classification performance.


目錄
摘要 i
Abstract iii
目錄 v
圖目錄 vii
表目錄 ix
第一章 緒論 1
1.1 研究動機 1
1.2 文獻回顧 2
1.3 論文架構 3
第二章 最大調性輪廓相關法 4
2.1 樂理概念 4
2.1.1 大調音階 4
2.1.2 小調音階 5
2.1.3 關係大小調 5
2.1.4 五度圈 6
2.2 實驗介紹 7
2.3 最大調性輪廓相關法 13
2.4 Temperley對最大調性輪廓相關法參數的修正 13
第三章 新的權重表 16
3.1 音樂資料庫 16
3.2 方法敘述 19
3.3 實驗結果 20
3.4 參數比較與討論 21
第四章 半音過濾調性法與最後一個音加權法 24
4.1 半音過濾調性法 24
4.2 實驗結果 26
4.3 最後一個音加權法 26
4.4 實驗結果 28
4.5 錯誤分析 31
第五章 結論與展望 37
5.1 研究結論 37
5.2 未來研究方向 38
Reference 41

Reference
[1]J. Pedro Ponce de Le′on and Jos′e M. I˜nesta, “Pattern Recognition Approach for Music Style Identification Using Shallow Statistical Descriptors”, IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS—PART C: APPLICATIONS AND REVIEWS, VOL. 37, NO. 2, MARCH 2007.
[2]張智星、陳若涵,”以音樂內容為基礎的情緒分析與辨識”,2006。
[3]Carol L. Krumhansl, “Cognitive Foundations of Musical Pitch”, New York: Oxford University Press, 1990.
[4]Carol L. Krumhansl and E. J. Kessler, “Tracing the dynamic changes in perceived tonal organisation in a spatial representation of musical keys”, Psychological Review, 89:334–368, 1982.
[5]David Temperley, “What’s Key for Key? The Krumhansl-Schmuckler Key-Finding Algorithm Reconsidered”, Music Perception, 17(1):65–100, 1999.
[6]Pauws, S, “Musical key extraction from audio”, Proceedings of International Conference on Music Information Retrieval, 2004.
[7]Chuan, Ching-Hua and Chew, Elaine, “Polyphonic Audio Key-Finding Using the Spiral Array CEG Algorithm”, Proceedings of International Conference on Multimedia and Expo, Amsterdam, Netherlands,July 6-8, 2005.
[8]Zhu, Y., Kankanhalli, M. S. and Gao, S, "Music Key Detection for Musical Audio", Proceedings of the 11th International Multimedia Modelling Conference, Melbourne, Australia, 2005.
[9]Katy Noland and Mark Sandler, ”Key Estimation Using a Hidden Markov Model”, In Proceedings of the 7th International Conference on Music Information Retrieval (ISMIR), pages 121–126, Victoria, Canada, October 2006.
[10]Geoffroy Peeters,“Musical key estimation of audio signal based on hidden markov modelling of chroma vectors”, In Proceedings of the 9th International Conference on Digital Audio Effects, Montreal, 2006.
[11]ZENZ V., RAUBER A.,“Automatic chord detection incorporating beat and key detection”, IEEE International Conference on Signal Processing and Communications (ICSPC 2007).
[12]S. T. Madsen and G. Widmer,“Key-Finding with Interval Profiles”, In Proceedings of the International Computer Music Conference (ICMC), Copenhagen, Denmark, August 2007.
[13]Ching-Hua Chuan and Elaine Chew,“Audio Key Finding: Considerations in System Design and Case Studies on Chopin’s 24 Preludes”, EURASIP Journal on Advances in Signal Processing, 2007.
[14]M. Robine, T. Rocher, and P. Hanna, ”Improvements of Key-Finding Methods”, Proceedings of the International Computer Music Conference (ICMC), Belfast, Irlande du Nord, 2008.
[15]http://ppt.cc/R6Bc
[16]http://zh.wikipedia.org/zh-tw/%E5%A4%A7%E8%AA%BF


QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關論文
 
1. 21. 陳曼華,李世代,張宏哲,謝碧晴,2006,“照顧服務員留任意願因素之探討—以台北縣市長期照護之機構為例”,新臺北護理期刊,8卷,1期,頁69-77。
2. 35. 蘇逸玲,陳小妮,王威蘋,2005,“從立法與管理看台灣長期照護之現況”,護理雜誌,52卷,6期,頁5-10。
3. 13. 李孟羲,江蕙娟,胡月娟,2008,“長期照顧機構照護品質監測指標之變革”,長期照護雜誌,12卷,1期,頁32-41。
4. 34. 藍忠孚,熊惠英,1993,“臺灣地區長期照護服務之現況及其問題”,護理雜誌,40卷,3期,頁15-24。
5. 32. 謝玉琴,郭俊宏,李宜樺,徐明輝,2009,“長期照護機構整體服務品質研究—中部某照護機構為例”,光田醫學雜誌,4卷,7期,頁23-40。
6. 31. 賴惠玲,1994,“美國護理之家現況及相關議題”,護理雜誌,41卷,3期,頁73-78。
7. 30. 蔡淑鳳,王秀紅,2008,“台灣長期照護政策發展”,護理雜誌,55卷,4期,頁24-29。
8. 28. 劉世閔,2006,“質性研究電腦輔助軟體常見詞彙(一):編碼 (coding)”,教育研究月刊,151期,頁123-127。
9. 26. 楊嘉玲,2002,“護理人員對於護理之家照護品質的看法”,護理雜誌,49卷,1期,頁39-46。
10. 25. 楊培珊,2005,“老人長期照護機構及社工專業的現況與展望”,臺灣社會工作學刊,4期,頁148-169。
11. 24. 黃麗玲,葉德豐,黃建財,2004,“台中縣機構式照護服務品質之探討”,中臺學報,16卷,1期,頁185-210。
12. 7. 王文芳,陳玉敏,2004,“家屬安置老人於長期照護機構之經驗”,長期照護雜誌,8卷,3期,頁327-344。
13. 16. 邱顯仁,2003,“身障學生之運動重要性認知—以紮根理論分析”,大葉學報,12卷,2期,頁85-94。
14. 19. 陳正芬,吳淑瓊,2006,“家庭照顧者對長期照護服務使用意願之探討”,人口學刊,32期,頁83-121。
15. 15. 李榮輝,林愛貞,黃育玄,曾貴英,洪信嘉,2005,“各國長期照護之探討”,福爾摩莎醫務管理雜誌,1卷,2期,頁134-144。
 
系統版面圖檔 系統版面圖檔