基于CRFs和MPCP特征的和弦识别研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (18): 198-200.

• 图形、图像、模式识别 • 上一篇下一篇

基于CRFs和MPCP特征的和弦识别研究

王峰，张雪英，李炳男

太原理工大学信息工程学院，太原 030024

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-06-21 发布日期:2011-06-21

Research of chord recognition based on MPCP and CRFs

WANG Feng，ZHANG Xueying，LI Bingnan

College of Information Engineering，Taiyuan University of Technology，Taiyuan 030024，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-06-21 Published:2011-06-21

摘要/Abstract

摘要： 和弦识别是音乐调式分析和自动标注的基础，同时在分析音乐的结构和旋律方面有着非常重要的作用。结合音乐理论和信号处理知识，提出一种基于MPCP（Mel Pitch Class Profile）特征和CRFs（Conditional Random Fields）模型的和弦识别方法。利用短时傅里叶变换（STFT）对音乐信号进行时频变换，定义了一种新的MPCP特征，最后用CRFs对和弦进行识别。实验结果表明，提出的方法在识别率上优于其他方法，具有一定的潜力。

关键词: 和弦识别, 音级轮廓, Mel音级轮廓, 条件随机场

Abstract: Chord recognition is always an important theoretical construct of analysis key and automatic label，it plays role of understanding the structure，transcribing the note，even to identify melody in music.This paper proposes a new chord recognition approach based MPCP（Mel Pitch Class Profile） and CRFs（Conditional Random Fields） by music theory and signal processing.It applies STFT to get a spectrum from music，and generates MPCP as a new feature，finally recognizes chord by CRFs.The experimental results show that the new method is better than others，and prove our strategy to be quite promising.

Key words: chord recognition, Pitch Class Profile（PCP）, Mel PCP, Conditional Random Fields（CRFs）

王峰，张雪英，李炳男. 基于CRFs和MPCP特征的和弦识别研究[J]. 计算机工程与应用, 2011, 47(18): 198-200.

WANG Feng，ZHANG Xueying，LI Bingnan. Research of chord recognition based on MPCP and CRFs[J]. Computer Engineering and Applications, 2011, 47(18): 198-200.

[1]	徐建国，刘泳慧，刘梦凡. 基于BILSTM-CRF的高校政策语义角色标注研究[J]. 计算机工程与应用, 2021, 57(6): 207-211.
[2]	秦博宇，郝晓燕，刘永芳. 基于SVM和CRF双层模型的FrameNet框架消歧[J]. 计算机工程与应用, 2021, 57(18): 255-262.
[3]	田梓函，李欣. 基于BERT-CRF模型的中文事件检测方法研究[J]. 计算机工程与应用, 2021, 57(11): 135-139.
[4]	汪瀛寰，薛婵，包先雨，吴共庆. 触发词与属性值对联合抽取方法研究[J]. 计算机工程与应用, 2020, 56(9): 168-174.
[5]	李博，康晓东，张华丽，王亚鸽，陈亚媛，白放. 采用Transformer-CRF的中文电子病历命名实体识别[J]. 计算机工程与应用, 2020, 56(5): 153-159.
[6]	刘小安，彭涛. 基于卷积神经网络的中文景点识别研究[J]. 计算机工程与应用, 2020, 56(4): 140-145.
[7]	马冬梅，贺三三，杨彩锋，严春满. 特征融合型卷积神经网络的语义分割[J]. 计算机工程与应用, 2020, 56(10): 193-198.
[8]	马建红，张炳斐，张少光，刘双耀. 基于主动MCNN-SCRF的新能源汽车命名实体识别[J]. 计算机工程与应用, 2019, 55(7): 23-29.
[9]	黄英来，刘亚檀，任洪娥. 基于全卷积神经网络的林木图像分割[J]. 计算机工程与应用, 2019, 55(4): 219-224.
[10]	杜玉龙，李建增，张岩，范聪. 基于深度交叉CNN和免交互GrabCut的显著性检测[J]. 计算机工程与应用, 2017, 53(3): 32-40.
[11]	米晓莉，赵永刚，庄益夫. 协同目标性指导下的多图像联合分割算法[J]. 计算机工程与应用, 2017, 53(2): 181-187.
[12]	朱艳辉，刘璟，徐叶强，田海龙，马进. 基于条件随机场的中文领域分词研究[J]. 计算机工程与应用, 2016, 52(15): 97-100.
[13]	刘殷1，吕学强1，刘坤2. 条件随机场与多层算法模型的实体自动识别[J]. 计算机工程与应用, 2016, 52(11): 141-147.
[14]	史庆伟，郭朋亮. 基于LDA的条件随机场主题模型研究[J]. 计算机工程与应用, 2015, 51(7): 131-135.
[15]	康才畯1，龙从军2，江荻1，2. 基于条件随机场的藏文人名识别研究[J]. 计算机工程与应用, 2015, 51(3): 109-111.

基于CRFs和MPCP特征的和弦识别研究

Research of chord recognition based on MPCP and CRFs

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics