Введение
1 Необходимые теоретические сведения 11
1.1 Звук 11
1.2 Свойства звука 12
1.3 Основные понятия из теории музыки 13
1.4 Цифровой звук 16
1.5 Свойства музыкальных звукозаписей 16
1.6 Формализация задачи
1.6.1 Частотно-временное представление 17
1.6.2 Классификация 17
2 Обзор литературы 19
2.1 Предварительная обработка 19
2.2 Спектрограмма 20
2.3 Векторы признаков 22
2.4 Классификация векторов признаков
2.4.1 Метод ближайшего соседа 25
2.4.2 Скрытые марковские модели и байесовские сети 26
2.4.3 Другие модели 28
2.5 Выводы 29
3 Распознавание аккордов без использования машинного обучения 30
3.1 Частотно-временное представление звукозаписи 30
3.1.1 Определение частоты настройки музыкальных инструментов 30
3.1.2 Определение ритма 31
3.1.3 Снижение влияния ударных инструментов 31
3.1.4 Получение спектра
3.2 Выделение мелодических компонент спектра и векторы признаков 34
3.3 Применение самоподобия 36
3.4 Классификация и исправление ошибок
3.4.1 Классификация хроматических векторов 37
3.4.2 Определение отсутствия звучащего аккорда 37
3.4.3 Исправление ошибок классификации 38
3.5 Выводы 38
4 Получение признаковсиспользованием нейронных сетей 39
4.1 Теоретические сведения 40
4.2 Построение нейронной сети и предобучение при помощи автоассоциаторов 42
4.3 Выводы 44
5 Эксперименты 45
5.1 Оценка качества распознавания аккордов 46
5.1.1 Коллекции текстовых аннотаций 46
5.1.2 Сопоставление последовательностей аккордов 47
5.1.3 Сопоставление границ сегментов 49
5.1.4 Статистическая значимость 49
5.1.5 Совокупная длительность 50
5.1.6 Типы ошибок 50
5.2 Вычисление спектрограммы 51
5.2.1 Определение ритма 51
5.2.2 Определение задержки 51
5.2.3 Определение частоты настройки 52
5.2.4 Разрешение по времени и по частоте, сглаживание 55
5.3 Преобразования спектрограммы 58
5.3.1 Применение свёртки 58
5.3.2 Настройка алгоритма вычисления признаков CRP 59
5.3.3 Применение самоподобия 62
5.4 Нейронные сети 63
5.4.1 Конфигурация нейронной сети 63
5.4.2 Влияние логарифмирования спектрограммы 63
5.4.3 Влияние зашумления на этапе предварительного обучения 64
5.4.4 Влияние циклических сдвигов на этапе тестирования 64
5.5 Классификация векторов признаков 65
5.5.1 Шаблонные векторы 65
5.5.2 Эвристики 66
5.5.3 Определение отсутствия аккорда 5.6 Результаты MIREX Audio Chord Estimation 2013 69
5.7 Быстродействие 70
5.8 Выводы 72
Заключение 73
Список рисунков 75
Список таблиц 76
Литература 77
