海量音乐的哼唱检索研究的中期报告.docx

海量音乐的哼唱检索研究的中期报告
中期报告
一、研究背景和意义
现代互联网时代，音乐已经成为人们日常生活中不可或缺的一部分。然而，由于音乐作品过于庞大，无论是对于普通用户还是专业人士，要找到一首特定的歌曲总是需要花费大量的时间与精力。为了降低用户的搜索难度，许多音乐平台开始尝试将歌曲的哼唱检索作为一种可行的解决方案。
以歌曲的哼唱检索作为研究方向，可以提供一个方便快捷的音乐检索方式。哼唱检索研究的主要目标就是设计一个可以在现有媒体库中快速搜索哼唱音频，并精准匹配最匹配的歌曲。相对于传统基于文本关键字或者媒体标签检索方式，哼唱检索具有搜索准确度高、便捷易用、不依赖歌曲名称等特点。目前，哼唱检索在商业化已经被广泛应用，如身边出现一个耳熟能详的旋律，通过手机哼唱该旋律后，智能手机就可以自动搜索出相关歌曲，并提供给用户进行试听或进行购买。
因此，如何在已有的媒体库中精准快速地搜索哼唱音频，并可以实现最佳的匹配，是目前哼唱检索研究的一个关键挑战。基于此，本研究在音乐哼唱检索研究领域展开深入的调研和实验，旨在探索出可能的方案，提高音乐哼唱检索的准确性和实用性。
二、研究进展和成果
1.调研分析
目前，在音乐哼唱检索方面，主流的研究方法包括了基于机器学习技术的方法、基于音频信号处理的方法等。同时，国内外的大量研究表明，音乐哼唱检索的准确率和性能主要受以下因素的影响：哼唱特征提取算法、相似度度量算法、受限制民歌问题和噪声环境问题等。
2.系统设计
根据上述调研分析，本研究基于现有音乐平台提供的媒体库和相关模型实现了一套音乐哼唱检索系统。具体结构如下：
1）哼唱记录和上传
用户可以通过APP录制并上传哼唱的音频文件，系统将根据录制的哼唱音频提取特征信息，存储在服务器端的数据库中。
2）声音识别和特征提取
对于上传的哼唱音频，系统首先采用自适应多带参数自回归(AMP-AR)模型将声音信号转化为一组特征向量，然后提取这些特征向量的频率域和时域信息，并计算出一组唯一的哼唱特征描述符。
3）哼唱检索匹配
系统将查询哼唱特征描述符与服务器端的歌曲数据库中的特征描述符进行匹配，对结果按照相似性从高到低排序。对于每一个哼唱特征描述符，系统都会显示出与其最匹配的若干首音乐作品，同时提供对应的播放与购买链接。
3.实验结果
本研究以100首歌曲作为测试集，使用前述的哼唱检索系统进行实验。实验结果显示，在嘈杂的环境中，我们的系统可以识别几乎所有的哼唱音频，同时成功地匹配了95%以上的测试样本。相对于其他基于机器学习的检索方法，本方案的检索速度更快，匹配准确率也更高。
三、研究展望
虽然本研究已经取得了不错的实验结果，但是还存在一些可以改进的地方，如增加更多的哼唱特征描述符以提高匹配准确率、提高系统的稳健性和抗噪能力等。此外，在基于哼唱的检索算法尚未完全成熟的情况下，以及测试集的样本数据相对较小的情况下，本研究的实验结果受到了某些限制，需要在进一步的研究中得到规避。