對琵琶7種常用演奏指法進行了自動識別.首先,對聲音信號聲譜圖根據(jù)其基音頻率截取一部分并進行歸一化處理;其后,根據(jù)歸一化聲譜圖生成3種能明顯體現(xiàn)不同指法特點的網格圖;最后,從網格圖中劃分若干種不同的計算區(qū)域,用各區(qū)域的統(tǒng)計值作為特征.在基于機器學習的指法自動識別的實驗中,對7類指法以及樂音類、泛音類指法的自動識別能夠以很少的特征數(shù)量達到100%的識別率,實現(xiàn)了對琵琶指法的精確地自動識別. 

【文章來源】：復旦學報(自然科學版). 2020,59(03)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

7種演奏指法的時頻網格圖

7種演奏指法的時域網格圖如圖4所示．輪指為多次擊弦指法，其時域網格圖與其他6種指法完全不同，表現(xiàn)出清晰的方格，而各方格的寬度、深度的均勻程度則與演奏過程中各手指擊弦的時間、力度的均勻程度直接關聯(lián)．其余6種指法的時域網格圖均表現(xiàn)為從左下向右上的漸變，其中：樂音類指法的變化較平緩，按照泛音、彈、掃的順序，變化速度從快到慢；噪音類指法中存在較突然的變化點，絞弦的變化點較靠近右上角，擊板、摘的變化點更靠近左下角，兩者時域網格圖的特性類似．2.5頻域網格圖

7種演奏指法的頻域網格圖如圖5所示．輪指、泛音、彈的頻域網格圖表現(xiàn)為均勻的規(guī)則方格，其中：泛音的左側、下方（低頻部分）與右上角（高頻部分）的整體能量對比十分明顯；輪指、彈的左側、下方與右上角的整體能量對比較弱，而且輪指在左側、下方條紋的清晰程度不如彈．噪音類指法的頻域網格圖也表現(xiàn)為方格狀，但方格不均勻．絞弦指法從左下向右上的能量變化較緩慢，而擊板、摘均出現(xiàn)突變，并且擊板的突變點非�？拷笙陆�，而摘的能量變化會出現(xiàn)粗網格的反復．掃弦的頻域網格圖在右上角部分與彈相似，但在左側與下方邊緣有明顯的能量很弱區(qū)域，與其他指法均不相同．圖6 從網格圖中提取特征示意圖

【參考文獻】：
期刊論文
[1]CCMusic:用于MIR研究的中國音樂數(shù)據(jù)庫建設[J]. 李子晉,于帥,肖暢,耿瑜曼,錢文琪,高永偉,李偉.  復旦學報(自然科學版). 2019(03)
[2]常見琵琶技法的計算建模[J]. 戴舒琪,夏光宇.  復旦學報(自然科學版). 2018(03)
[3]以聲譜圖相似度為度量的波形音樂檢索[J]. 孔旭,關佶紅.  計算機工程與應用. 2009(13)

碩士論文
[1]基于聲譜圖的音樂檢索[D]. 孔旭.復旦大學 2009



本文編號：2962973