[发明专利]一种快速识别独奏乐曲乐谱的方法

说明书

技术领域

本发明涉及一种快速识别独奏乐曲乐谱的方法。

背景技术

自动识别独奏乐曲的乐谱是指将用户演奏的独奏乐曲信号录制为音频文件，通过解析音频文件计算出乐曲的乐谱信息：包括音调信息和节拍信息。这种功能在音乐创作中能够极大地提高作曲人的创作效率，也可以指出演奏者在演奏过程中出现的错误。

目前的独奏乐曲乐谱自动识别主要有两类：基于MIDI格式音频文件的乐谱自动识别和基于WAV格式音频文件的乐谱自动识别方法。前者由于MIDI文件本身包含有大量的乐谱信息，而且MIDI文件并不是常用的音频文件格式而受到很大限制。后者由于需要大量的计算导致识别速度较慢，从而限制了这种方法的实用价值。

本文提出一种新的快速识别独奏乐曲乐谱的方法，利用改进自相关函数来提高音调识别的准确率，综合考虑短时能量和音调信息进行节拍划分。同时，本发明利用并行处理方式将计算速度提高6倍。

发明内容

本发明提出了一种快速识别独奏乐曲乐谱的方法，包括如下步骤：

A、录制独奏乐曲并保存为.wav格式音频文件；

B、在CPU上将数据分成若干帧以便于后期并行处理；

C、将分帧后的数据传送给GPU；

D、GPU对数据进行带通滤波和中心削波；

E、GPU通过改进的自相关函数法进行乐曲音调的计算，并将计算结果返回给CPU；

F、CPU计算每一帧的短时能量值，并通过对所有帧的短时能量求差分运算而获取乐曲信号短时能量的变化率；

G、根据节拍划分的结果，结合采样率计算每一个节拍持续的时间；

本发明的有益技术效果：能够准确地计算独奏乐曲的音调、节拍和演奏速度。通过改进自相关函数法提高了基音周期识别的准确率，而且通过并行处理将计算速度提高6倍左右。

附图说明

图1是本发明的计算流程图。

图2是数据与线程之间的映射关系图。

图3是乐曲信号时域波形图。

图4是识别结果。

具体实施方式

如图1所示,计算机读取事先录制的.wav格式独奏乐曲音频文件，将乐曲数据保存为数组形式，然后CPU将乐曲数据进行分帧处理并将其拷贝到GPU，GPU为每一帧数据创建一条线程，该线程进行对应帧的带通滤波、中心削波和基音周期识别(即音高的识别)，最后将音高识别的结果返回给CPU，由CPU结合短时能量变化率进行节拍识别。具体计算过程如下：

1.分帧处理

本发明首先将原乐曲数据分成若干帧，每一帧的长度为乐曲信号中可能出现的最大基音周期的两倍，令Fs为乐曲信号的采样率，T_max为最大基音周期，N为最短帧长，则有

N＝T_max·Fs×2

一般情况下，最大基音周期T_max是频率为130.8Hz的音调对应的周期，即0.00765s，Fs通常是44.1kHz，因此，N约等于674，为方便起见，本发明将N取为700。

2.数据的拷贝和线程的创建

如图2所示，对数据进行分帧处理之后，CPU将数据发送到GPU，GPU为每一帧数据创建一条线程，该线程进行对应帧的基音周期识别。

需要注意的是，在计算自相关函数时，程序会频繁地访问存储乐曲信号的数组，平均每个元素要被访问数百次。而设备存储器属于片外存储器，访问它需要大量的时间，这极大地限制了GPU并行计算的能力。针对这个问题，可以在计算前将数组的一个副本放在共享存储器中，共享存储器属于片上存储器，访问速度与寄存器相当。这样，只需要访问一次设备存储器，之后可以直接访问共享存储器，从而极大的减少了访问数据的时间。

数据传送完成之后即可创建线程进行计算，本文共创建2048条线程进行数据的计算，即将原来的乐曲数据分成2048帧，每条线程进行一帧数据的计算，不同线程之间并发地执行计算，从而大大的减少了系统识别乐谱的总时间。

3.带通滤波和中心削波

本发明利用带通滤波和中心削波对乐曲数据进行预处理。数字带通滤波器的设计较为简单，在此不再赘述。本文所用的中心削波处理函数的表达式为