自动音乐转录系统中音符分割的双状态音高隐马尔可夫模型方法的校准
统计方法学
2017-05-01 v1 声音
摘要
许多自动音乐转录方法涉及一种多音高估计方法，该方法为每个音高估计一个活动得分。为了识别音符演奏的时间间隔，必须对每个音高执行称为音符分割的第二步处理。在本研究中，开发了一种用于音符分割的音高双状态开/关一阶隐马尔可夫模型（HMM）。基于其原始回归公式，提出了 HMM Sigmoid 函数的完整参数化，包括斜率平滑参数 alpha 和阈值对比参数 beta。我们对不同的音符分割策略进行了比较评估，区分了使用固定阈值的“硬阈值”（HT）和基于 HMM 的阈值方法的“软阈值”（ST）。该评估遵循 MIREX 标准并使用 MAPS 数据集进行。此外，使用 Degradation 工具箱的三个单元测试了不同的转录场景和录音性质。结果表明，通过基于数据优化 {alpha,beta} 参数对的 HMM 软阈值进行音符分割，显著提高了转录性能。
引用
@article{arxiv.1704.08729,
title = {Calibration of a two-state pitch-wise HMM method for note segmentation in Automatic Music Transcription systems},
author = {Dorian Cazau and Yuancheng Wang and Olivier Adam and Qiao Wang and Grégory Nuel},
journal= {arXiv preprint arXiv:1704.08729},
year = {2017}
}