哼唱音乐检索

根据前段时间对论文参考和研究，总结了几种对语音音乐搜索的一些常用技术和大概框架。随着项目的实施和深入，将会继续深化对该领域的技术探讨和性能分析。

1、大概框架：

预处理：建立候选MIDI音乐文件的数据库和索引，每一首歌曲，通过基音周期检测的手段，将歌曲的音乐信号转换为音高和音长。说白了，就是提取旋律特征，建立音高序列的数学模型。本系统打算采用音高差和音长比的二元组表示旋律轮廓。

 在线处理：测试者通过麦克风哼唱一段输入歌曲，可以根据用户的习惯来哼唱。然后利用最低信号强度，音高连续性、人类唱歌音高范围等方法来消除不需要或者错误的音高点，再利用自相关函数、平均幅度差函数来寻找最有可能用来接下匹配的音高序列。关于最后生成音高序列的方法有待进一步探讨，因为根据实际经验来看采用自相关函数（ACF）、平均幅度差函数（AMDF）得到的音高序列各有优势，需要开发者据情况做分析。

 后处理:把查询输入音高序列转化为跟数据库里的音乐旋律轮廓相同的序列（Thus we adopt a mean-adjustment method that shifts the input pitch sequence to have the same average value as that of each song’s in the database）。然后利用DTW算法在音乐数据库找到排名靠前的查询结果列表。当然，为了系统的性能和查询时间平衡，可以利用分层处理（n-step HFM---hierarchical filtering method）的方式提高检索效率。

2、技术学习：

DTW（动态时间规整）、HMM（隐马尔可夫模型）、key shifting（音调变换）、Autocorrelation function（ACF-自相关函数）、Average magnitude difference function（平均幅度差函数）、旋律直方图（针对高维情况的数据结构，论文里说的看不懂而有待学习）、Bit Vector Indexing（BVI）算法（技术有点先进，看不懂有待学习）等。