基于鲁棒音阶特征和测度学习SVM的音乐和弦识别

来源：信号处理杂志 2017年第7期北京时间：

作者：童云飞, 关欣, 李锵

摘要：和弦识别是音乐信息检索领域重要的研究内容之一，在信息处理、音乐结构分析以及推荐系统等方面具有重要的作用。为了降低人声对和弦进程的影响且恢复和弦所对应的谐波信息，文章分别对频谱中和弦所对应的谐波信息和人声信息进行建模，构建双目标优化问题，对和弦所对应的谐波信息进行有效重建，同时去除人声；其次，对谐波信息进行降维处理得到鲁棒性的音阶轮廓特征；最后为了提高支持向量机性能，文章采用测度学习的方法得到马氏距离，并使用马氏距离替换支持向量机的高斯核函数的欧氏距离，使得支持向量机的判别函数包含有数据的空间分布信息。最终实验结果表明，同基于现今流行的和弦识别算法相比，提出的和弦识别算法识别正确率率提高3.5%~12.2%。

关键词：" />