[发明专利]一种基于混合算法的江南小调计算机辅助作曲的方法

说明书

本发明公开了一种基于混合算法的江南小调计算机辅助作曲的方法，具体步骤包括建立江南小调音乐素材库、建立江南小调作曲知识规则库、制定遗传算法的关键规则、提取遗传算法的初始种群和生成江南小调旋律，建立94首的江南小调音乐素材库，用于特征参数提取。本发明通过知识规则库来定义编码规则、遗传算子及适应度函数，利用适应度函数评判机制，从而实现江南小调计算机自动作曲功能，将江南小调的知识规则库用于建立遗传算法中的适应度函数，既可以避免交互式遗传算法的复杂性，还大大提高了适应度函数的准确性，从而提高了整个计算机辅助作曲系统的准确性。

技术领域

本发明涉及计算机应用技术领域，具体是一种基于混合算法的江南小调计算机辅助作曲的方法。

背景技术

随着计算机技术在音乐创作上的应用，计算机音乐应运而生。计算机音乐作为一门新兴的学科，其主要目的是应用计算机来模仿人们对音乐的认知，进行辅助创作和设计。探索计算机辅助作曲问题一方面可以了解和模拟作曲家在从事音乐创作这一特定过程中的思维方式；另一方面，基于计算机辅助作曲研究技术而开发的作曲系统所创作出的不同形式的音乐作品可以起到对作曲家的有益补充。

目前计算机辅助作曲技术在国外相对成熟，总结来看主要的算法包括马尔克夫(Markov)转换表(或称马尔克夫链)、算法作曲研究中的知识库系统、音乐文法、人工神经网络技术和遗传算法。

马尔克夫(Markov)转换表就像一个函数。其自变量是当前的音符，而函数值则是下一个要出现音符的可能性。针对某一特定(如某一作曲家或某一时期)风格的音乐作品进行收集和统计，就可以构造出相应的转换表。该算法目前存在的问题是很难判断生成音乐的质量，此外随机生成的片段，与标准的完整音乐之间还是存在差距。

基于规则的知识库系统的算法作曲是一种很自然的选择，特别是在已定义完善的领域内建立模型或者是介绍清晰的结构或规则时尤其如此。其主要优点是：它们具有清晰的推理，并能够为行为的选择做出解释。该算法的缺点是知识引导机制的建立既困难又费时，对于较为规范的音乐容易总结规则，但是对于即兴多变的旋律，很难找到规范。

正如语言有文法一样，音乐也是有音乐文法的。结合统计的方法，使用音乐文法可以匹配(或捕获)现有作品中的各种音乐事件(如音程、节奏等)的概率分布，并能基于这些特征生成出类似风格的作品。但是该算法对于即兴创作的音乐很难找到范畴文法，进而很难进行音符的分解与重组，生成新的音乐。

在感知和认知方面，人工神经网络能够从一个样板集合中学习，以避免需要对规则的形式化。特别是递归神经网络能够成功获取一个旋律经过句的表层结构，并以这样获取的知识为基础，产生出新的旋律。但是所生成的旋律缺乏音乐的全局连贯性，即它无法获取较高级的音乐特征。从原理上讲，人工神经网络技术通常更适合用于分析音乐作品而不是创作。

遗传算法是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法使用适应函数来演化候选者(染色体)，从而得到近似最优解。但是在使用遗传算法进行自动作曲的研究时，适应度函数其实是很难准确定义的。于是出现了让人代替适应度函数来直接评估染色体的一种方法，即交互式的遗传算法IGA。然而目前交互式遗传算法的有效性较差，用户必须听到所有可能潜在的解，才能做出具有普遍性的评估。

综上所述，各种作曲算法各有其自身的优点和存在的问题。建立一种混合算法的计算机辅助作曲系统可以扬长避短，以最优化的方式进行计算机辅助作曲。此外，由于国内关于计算机作曲系统的研究起步较晚，目前并没有成熟的针对于中国民族音乐的算法作曲技术。因此将国际上现有的算法作曲技术进行整合，应用到中国民族音乐的分析和创作中，并建立有自己民族特色的计算机作曲系统是十分必要的。

发明内容

本发明的目的在于提供一种适应度函数准确性高、使用方便的基于混合算法的江南小调计算机辅助作曲的方法，以解决上述背景技术中提出的问题。