基于啁啾群时延的快速攻击乐器音符 onset 检测

音符的 onset 指的是可被可靠检测到的最早时间点。在有装饰性元素（如颤音、滑音）或音符瞬态攻击较慢的情况下，检测这些音符的 onset 具有挑战性。现有的经典方法，如谱差或谱通量以及复数域函数，由于装饰性元素被误认为有效 onset，容易引入误报。我们提出，通过合理提高 onset 强度信号（OSS）的分辨率并对其进行平滑化，可增加真阳性并降低假阳性。同时，需要一种与 OSS 生成协调工作的合适峰值检测算法。由于 onset 检测是许多其他任务的底层过程，计算复杂度也必须降低。我们提出一种结合短时谱平均的 OSS 估计、啁啾群时延平滑化及谷峰距离峰值检测的 onset 检测算法。该算法在三个数据集上以 0.88 的平均 F1 分数与最新方法（如 superflux 和基于卷积神经网络的 onset 检测）持平。选取 IDMT-SMT-Guitar、Guitarset 和 Musicnet 数据集中符合研究范围的子集进行评估。还发现，本文提出的算法比 superflux 计算效率高 300%。通过细化现有算法生成的 OSS，证明了平滑化 OSS 对确定 onset 位置的积极影响，观察到一致的 onset 检测性能提升。为洞察不同装饰风格下算法性能，本文按不同子集计算了三个层次的结果。