刘 婷, 陈 宁

(华东理工大学信息科学与工程学院,上海 200237)

面向翻唱歌曲识别的相似度融合算法

刘 婷, 陈 宁

(华东理工大学信息科学与工程学院,上海 200237)

提出了一种面向翻唱歌曲识别的相似度融合算法。该算法将基于乐理特征的相似度和基于人耳感知特性的相似度融合,通过把基于节拍跟踪和瞬时频率音级轮廓(IF-PCP)的最大互相关相似度、基于和声音级轮廓(HPCP)的Qmax相似度、基于耳蜗音级轮廓(CPCP)的Qmax相似度映射到同一个多维空间,并计算其几何距离来进行相似度融合。该算法使得IF-PCP特征的节拍速度不变性、HPCP特征的和声优势、CPCP特征的人耳感知特性有效融合。为了验证算法的有效性,采用包含212首不同歌曲共502个版本的数据库作为测试对象,以平均正确率均值和TOP-N作为测试指标对算法性能进行测试。测试结果表明,与基于单一相似度算法相比,该融合算法可提高翻唱歌曲识别准确率。

相似度融合; 节拍追踪; 瞬时频率音级轮廓; 和声音级轮廓; 耳蜗音级轮廓;Qmax; 翻唱歌曲识别

随着互联网的快速发展、云概念的出现,海量的音频信息充斥着人们的生活,从而使得基于内容的音乐信息检索(Music Information Retrieval,MIR)近些年来得到了快速发展。翻唱歌曲识别(Cover Song Identification,CSI)作为MIR领域的一个研究热点引起了研究者的广泛关注。CSI技术具有重要的研究价值,比如:音乐版权的维护与认证、音乐创作辅助、以及多版本音乐的检索、收集与欣赏等。

翻唱歌曲识别旨在找到海量音乐信息中同源音乐的不同版本。……