ust1993.
[0032] [8]JudithC.Brown，"Frequencyratiosofspectralcomponentsofmusical sounds"，J.Acoust.Soc.Amer.，vol. 99,Issue2,pp. 1210-1218,Sept. 1996.
[0033] [9]AdrianoMitre,MarceloQueiroz，RegisR.A.Faria,"Accurate andEfficientFundamentalFrequencyDeterminationfromPrecisePartial Estimates"，inProc.ofthe4thAESBrazilConference,May2006,pp.113 - 118.
[0034] [10]Wei_HoTsaiandHsin-ChiehLee，"AutomaticEvaluationofKaraoke SingingBasedonPitch,Volume,andRhythmFeatures"，IEEETransactionson Audio,Speech，AndLanguageProcessing，Vol. 20,No. 4,May2012，1233_1243.
[0035] [ll]YinFengandWentaoWang，"ResearchonhummingtoMIDIby man-machineinteraction''，J.ofComputationalInformationSystem,vol. 9,no. 10,May2013,pp. 3827-3835.
[0036] [12]A.StephenZahorianandHongbingHu,"Aspectral/temporalmethod forrobustfundamentalfrequencytracking^,J.Acoust.Soc.Amer. ,vol. 123. no. 6, 2008,pp. 4559-4571，
[0037] [13]A.Ghias,J.Logan,D.Chamberlin,andB.C.Smith,^Queryby humming:musicalinformationretrievalinanaudiodatabase"，inProc.ofACM InternationalConferenceonMultimedia,1995,pp. 231-236.
[0038] [14]T.R.BlackandK.D.Donohue，"Pitchdeterminationofmusicsignals usingthegeneralizedspectrum"，inProc.oftheIEEESoutheastConference,Nash ville,USA, 2000,pp. 104-109.
[0039] [15]W.Keige，T.Herbst，andT.Niesler，"Ecplicittransitionmodellingfor automaticsingingtranscription. "J.NewMusicRes.,vol. 37,no. 4,pp. 311-324, 2008.
[0040] [16]M.Ryynanen,A.P.Klapuri,^ModellingofNoteEventsforSinging Transcription,''inProc.ISCATutorialandRes.WorkshoponStatist.Percept.Audio Process.SAPA,Jeju,Korea,Oct. 2004.
[0041] [17]T.Viitaniemi,A.Klapuri,andA.Eronen,"Aprobabilisticmodelfor thetranscriptionofsingle-voicemelodies，''inProc.ofFinnishSignalProcess. Symp. (FINSIG' 03)，2003,pp. 5963-5957.
[0042] [18]EmilioMolinaetal， "SiPTH:SingingTranscriptionBasedon HystreresisDefinedonthePitch-TimeCurve"，IEEE/ACMTransactionson Audio,Speech，AndLanguageProcessing，Vol. 23,No. 2,Feb. 2015, 252-261.
[0043] [19]Emilia& 細(xì)andJordiBonada，"TowardsComputer-AssistedFlamenco Transcription:AnExperimentalComparisonofAutomaticTranscriptionAlgorithms asAppliedtoACappellaSinging"，ComputerMusicJournal,Vol. 37,Issue 2, 2013, 73-90.
[0044] [20]Cheng-YuanLinandJyh-ShingRogerJang，"AutomaticPhonetic SegmentationbyScorePredictiveModelfortheCorporaofMandarinSinging Voices"，IEEETransactionsonAudio,Speech,AndLanguageProcessing,Vol. 15,No. 7 Sept. 2007, 2151-2159.
[0045] [21]Chee-ChuanToh，BingjunZhang，YeWang，"Multiple-FeatureFusion BasedOnsetDecetionforSoloSingingVoice"inProc.ofISMIR,Philadelphia,PA. USA, 2008,pp. 515-520.
[0046] [22]C.L.Krumhansl,CognitiveFoundationsofMusicalPitch,Oxford PsychologySeriesNo. 17,NewYorkOxford,OxfordUniversityPress,1990.
[0047] [23]AndrewGuilloryetal. "User-SpecificLearningforRecognizing aSinger'sIntendedPitch''，inProc.oftheTwenty-FourthAAAIConferenceon ArtificialIntelligence,Atlanta,Georgia,USA,July11-15, 2010,pp. 960-966.
[0048][24]R.J.McNabetal·"SignalProcessingforMelodyTranscription"，In Proc.ofthe19thAustralasianComputerScienceConference,vol. 18,no.4, pp. 301-307, 1996.
[0049] [25]G.HausandE.Pollastri,"Anaudiofrontendforqueryby-humming systems''，inProc.ofthe2ndInternationalSymposiumonMusicInformation RetrievalISMIR，pp. 65-72, 2001.
[0050] [26]L.P.Clarisseetal.^AnAuditoryModelBasedTranscriberofSinging Sequences"，inProc.ofthe3rdInternationalConferenceonMusicInformation RetrievalISMIR,pp. 116-123, 2002.
[0051] [27]Τ·DeMulderetal."Recentimprovementsofanauditorymodel basedfront-endforthetranscriptionvocalqueries''，inProc.oftheIEEE InternationalConferenceonAcoustics,SpeechandSignalProcessing,(ICASSP 2004)，Montreal，Quebec，Canada，May17-21，Vol.IV，pp. 257-260, 2004.
[0052] [28]P.Kumaretal·"SungNoteSegmentationforaQuery-by-Humming System''，InIntJointConferencesonArtificialIntelligence(IJCAI), 2007.
[0053] [29]P.M.Brossier."Automaticannotationofmusicalaudiofor interactiveapplications.，"Ph.D.dissertation，CentreforDigitalMusic,Queen Mary,Univ.ofLondon,London,U.K. , 2006.

【發(fā)明內(nèi)容】

[0054] 本發(fā)明的目的在于提供一種哼唱旋律到MIDI旋律的轉(zhuǎn)換方法。
[0055] 本發(fā)明包括以下步驟：
[0056] 1)估算信號幀的基頻：采用倍音分析與變采樣技術(shù)相結(jié)合，為每個信號幀估算指 定精度范圍內(nèi)的音高；
[0057] 2)規(guī)范哼唱音符的聽覺標(biāo)準(zhǔn)：哼唱音符是哼唱旋律的基本組成單位，將一段實際 的哼唱片段視為由一個聽覺可辨識的聽覺成分序列所組成，每個聽覺成分在聽覺上可呈現(xiàn) 為音高波動相對穩(wěn)定的穩(wěn)定音，或為具有較大音高上下波動性的顫音，或為音高沿單一方 向變動的滑音，或為以氣流開始的氣音，以及換氣或停頓等等不同的聲學(xué)特性；在聽覺成分 序列上判定某一聽覺成分子串能否可認(rèn)定為個哼唱首符，并由此規(guī)??各種哼唱首符的聽 覺標(biāo)準(zhǔn)；
[0058] 3)估算哼唱音符切割與音符音高：通過構(gòu)造ΑΤΝ網(wǎng)絡(luò)，在一個聽覺成分序列上識 別音高波動范圍在半音甚至全音音程內(nèi)變化且由不同聽覺成分構(gòu)成的哼唱音符從而實現(xiàn) 哼唱音符的自動切割，同時通過觀察與比較由聽覺確認(rèn)的各種不同類型哼唱音符中各種聽 覺成分信號幀基頻與實際音高聽覺的關(guān)系，建立各種哼唱音符的音高估算模型，估算音符 音高；
[0059] 4)估算基于哼唱旋律調(diào)性分析的期望哼唱旋律：先通過相鄰音程分析推導(dǎo)第j+1 個哼唱音符的音級，當(dāng)相鄰音程最小取整誤差達(dá)到某個閾值（0.75)時，使用間鄰音程分析 并優(yōu)先匹配第一候選音級，同時允許匹配至多一個非調(diào)性音級，即算法所輸出的音級序列 中允許出現(xiàn)至多一種非調(diào)性音級，該非調(diào)性音級理解為實際哼唱的一個走音音符，或為在 自然調(diào)式體系下的一個臨時變化音級；算法在使用第j-Ι個哼唱音符的音級通過間鄰音程 分析推導(dǎo)第j+Ι個哼唱音符的音級時，要求第j-Ι個哼唱音符的音級必須是通過唯一的第1 候選推導(dǎo)出來的結(jié)果，并以此作為使用間鄰音程分析的條件；任意二個相鄰音符或間鄰音 符的估算音程不一定正好是整數(shù)，每當(dāng)算法根據(jù)二個相鄰音符或間鄰音符從當(dāng)前音符的音 級推算下一個音符音級時，產(chǎn)生取整誤差，算法會累積這些取整誤差，并按累積的取整誤差 由小到大的次序排列輸出解的優(yōu)劣，累積取整誤差最小的解為最優(yōu)解；
[0060] 5)建立系統(tǒng)性能評估方法：任意實際哼唱均具有二種旋律，即實際哼唱旋律與期 望哼唱旋律，將所述期望哼唱旋律作為哼唱旋律的正確旋律，通過比較音符"絕對音高"及 "調(diào)性音級"的主觀聽覺判定與系統(tǒng)客觀估算結(jié)果的差異，評估系統(tǒng)識譜能力。
[0061] 本發(fā)明的優(yōu)點在于：
[0062] 1)提出一種可以為輸入哼唱信號估算"實際哼唱旋律"與"期望哼唱旋律"的哼唱 旋律自動識別（SingingTranscription)技術(shù)。任一哼唱片段都可以有二種旋律。其一稱 為實際哼唱旋律，另一個稱為期望哼唱旋律。二者區(qū)別在于前者以每個哼唱音符的絕對音 高作為哼唱旋律音符的音高，而后者則以調(diào)性音級（scalestep)作為音符的音高。申請人 把期望哼唱旋律視為哼唱片段的正確旋律，提出一種基于哼唱旋律調(diào)性分析的哼唱音符分 析法并以此設(shè)計與實現(xiàn)了一個哼唱旋律自動分析系統(tǒng)以及系統(tǒng)的性能評估方法。通過比較 "實際